1.一种人脸图像恢复方法，其特征在于，包括：

确定人脸图像的面部特征之间的关联关系；不同类别的面部特征的属性类型之间的关联关系通过贝叶斯网络模型记录；

对于部分面部特征不可获取的目标人脸图像，获取所述目标人脸图像中可获取的面部特征的属性类型；

基于所述目标人脸图像中可获取的面部特征的属性类型，以及所述贝叶斯网络模型中记录的所述不同类别的面部特征的属性类型之间的关联关系，利用马尔可夫链蒙特卡罗采样算法，确定所述目标人脸图像中不可获取的部分面部特征的各属性类型的后验概率；

将后验概率最大的属性类型确定为所述目标人脸图像中不可获取的部分面部特征的属性类型；

根据所述目标人脸图像中不可获取的部分面部特征的属性类型，对所述目标人脸图像中不可获取的部分面部特征进行恢复；

其中，所述关联关系包括不同类别的面部特征的属性类型之间的关联关系，一种类别的面部特征包括多种不同的属性类型。

2.根据权利要求1所述的方法，其特征在于，所述确定人脸图像的面部特征之间的关联关系，包括：根据面部特征之间的属性关系建立面部特征关系模型；所述面部特征关系模型为所述贝叶斯网络模型。

3.根据权利要求2所述的方法，其特征在于，所述根据面部特征之间的属性关系建立面部特征关系模型，包括：对训练集中各训练样本进行面部特征分割，以得到各训练样本的面部特征分割结果mask；其中，所述训练样本为面部特征均可获取的人脸图像；

根据各训练样本的面部特征mask对各训练样本进行面部特征聚焦和识别，以得到各训练样本的面部特征的属性类型；

根据各训练样本的面部特征的属性类型对所述面部特征关系模型进行训练。

4.根据权利要求3所述的方法，其特征在于，

所述根据各训练样本的面部特征的属性类型对所述面部特征关系模型进行训练，包括：对所述贝叶斯网络模型进行更新；

基于各训练样本的面部特征的属性类型确定更新后的所述贝叶斯网络模型的贝叶斯信息准则BIC评分；

若该BIC评分大于所述贝叶斯网络模型更新前BIC评分，则确定此次更新生效，并再次对所述贝叶斯网络模型进行更新，直至所述贝叶斯网络模型收敛；

否则，确定此次更新不生效，并再次对所述贝叶斯网络模型进行更新，直至所述贝叶斯网络模型收敛。

5.根据权利要求4所述的方法，其特征在于，所述对所述贝叶斯网络模型进行更新，包括：对所述贝叶斯网络模型增加一条边；或，

对所述贝叶斯网络模型删除一条边；或，

对所述贝叶斯网络模型反向一条边。

6.根据权利要求1所述的方法，其特征在于，所述获取所述目标人脸图像中可获取的面部特征的属性类型，包括：对所述目标人脸图像进行面部特征分割，以得到所述目标人脸图像中可获取的面部特征mask；

根据所述目标人脸图像中可获取的面部特征mask对所述目标人脸图像进行面部特征聚焦和识别，以得到所述目标人脸图像中可获取的面部特征的属性类型。

7.一种人脸图像恢复装置，其特征在于，包括：

训练单元，用于确定人脸图像的面部特征之间的关联关系；不同类别的面部特征的属性类型之间的关联关系通过贝叶斯网络模型记录；

预处理单元，获取目标人脸图像中可获取的面部特征的属性类型；

部署单元，用于对于部分面部特征不可获取的目标人脸图像，基于所述目标人脸图像中可获取的面部特征的属性类型，以及所述贝叶斯网络模型中记录的所述不同类别的面部特征的属性类型之间的关联关系，利用马尔可夫链蒙特卡罗采样算法，确定所述目标人脸图像中不可获取的部分面部特征的各属性类型的后验概率；

将后验概率最大的属性类型确定为所述目标人脸图像中不可获取的部分面部特征的属性类型；

根据所述目标人脸图像中不可获取的部分面部特征的属性类型，对所述目标人脸图像中不可获取的部分面部特征进行恢复；

其中，所述关联关系包括不同类别的面部特征的属性类型之间的关联关系，一种类别的面部特征包括多种不同的属性类型。

8.根据权利要求7所述的装置，其特征在于，

所述训练单元，具体用于根据面部特征之间的属性关系建立面部特征关系模型；所述面部特征关系模型为所述贝叶斯网络模型。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：训练单元；

所述预处理单元，用于对训练集中各训练样本进行面部特征分割，以得到各训练样本的面部特征分割结果mask；其中，所述训练样本为面部特征均可获取的人脸图像；

所述预处理单元，还用于根据各训练样本的面部特征mask对各训练样本进行面部特征聚焦和识别，以得到各训练样本的面部特征的属性类型；

所述训练单元，具体用于根据各训练样本的面部特征的属性类型对所述面部特征关系模型进行训练。

10.根据权利要求9所述的装置，其特征在于，

所述训练单元，具体用于对所述贝叶斯网络模型进行更新；基于各训练样本的面部特征的属性类型确定更新后的所述贝叶斯网络模型的贝叶斯信息准则BIC评分；若该BIC评分大于所述贝叶斯网络模型更新前BIC评分，则确定此次更新生效，并再次对所述贝叶斯网络模型进行更新，直至所述贝叶斯网络模型收敛；否则，确定此次更新不生效，并再次对所述贝叶斯网络模型进行更新，直至所述贝叶斯网络模型收敛。

11.根据权利要求10所述的装置，其特征在于，

所述训练单元，具体用于对所述贝叶斯网络模型增加一条边；或，对所述贝叶斯网络模型删除一条边；或，对所述贝叶斯网络模型反向一条边。

12.根据权利要求7所述的装置，其特征在于，

所述预处理单元，具体用于对所述目标人脸图像进行面部特征分割，以得到所述目标人脸图像中可获取的面部特征mask；根据所述目标人脸图像中可获取的面部特征mask对所述目标人脸图像进行面部特征聚焦和识别，以得到所述目标人脸图像中可获取的面部特征的属性类型。

13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1‑6任一所述的方法。