1.一种人脸图像识别方法，其特征在于，所述方法基于分类网络模型进行，所述方法包括：获得多个人脸图像；

根据对所述多个人脸图像进行特征提取对应得到的多个特征向量，得到多个待识别的目标对象；

根据所述多个特征向量和分类参考向量，得到梯度参数，所述分类参考向量用于表征向量簇的中心，所述向量簇由同一类特征向量构成；

根据所述梯度参数对所述多个待识别的目标对象进行分类，得到分类结果；

其中，根据所述多个特征向量和分类参考向量，得到梯度参数，包括：根据所述多个特征向量距离所有分类参考向量的相似度，得到相似度参数，根据所述相似度参数得到所述梯度参数；所述相似度参数包括余弦相似度，梯度的长度由所述余弦相似度和所述特征向量与分类参考向量之间的对应关系决定，所述梯度用于优化所述分类网络模型的参数；

其中，所述根据所述梯度参数对所述多个待识别的目标对象进行分类，得到分类结果，包括：基于优化后的分类网络模型对所述目标对象进行分类，得到所述分类结果，所述优化后的分类网络模型是通过将所述相似度参数引入所述分类网络模型的梯度中并对所述分类网络模型进行训练得到的。

2.根据权利要求1所述的方法，其特征在于，所述根据所述梯度参数对所述多个待识别的目标对象进行分类，包括：根据所述梯度参数对分类网络进行训练，得到训练后的分类网络；

根据所述训练后的分类网络对所述多个待识别的目标对象进行分类。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：根据所述梯度参数对分类网络进行训练之前，包括：将所述多个特征向量输入所述分类网络中的相似度处理模块，得到相似度参数。

4.根据权利要求3所述的方法，其特征在于，所述根据所述梯度参数对分类网络进行训练，包括：根据所述相似度参数得到所述梯度参数；

通过梯度参数反向传播训练所述分类网络。

5.根据权利要求1‑4任一项所述的方法，其特征在于，所述根据对所述多个人脸图像进行特征提取对应得到的多个特征向量，包括：将所述多个人脸图像构成的训练样本输入特征提取网络，得到所述多个特征向量。

6.一种人脸识别装置，其特征在于，所述装置基于分类网络模型进行，所述装置包括：图像获取模块，用于获得多个人脸图像；

目标对象获取模块，用于根据对所述多个人脸图像进行特征提取对应得到的多个特征向量，得到多个待识别的目标对象；

参数获取模块，用于根据所述多个特征向量和分类参考向量，得到梯度参数，所述分类参考向量用于表征向量簇的中心，所述向量簇由同一类特征向量构成；

分类模块，用于根据所述梯度参数对所述多个待识别的目标对象进行分类，得到分类结果；

其中，所述参数获取模块还用于根据所述多个特征向量距离所有分类参考向量的相似度，得到相似度参数，根据所述相似度参数得到所述梯度参数；所述相似度参数包括余弦相似度，梯度的长度由所述余弦相似度和所述特征向量与分类参考向量之间的对应关系决定，所述梯度用于优化所述分类网络模型的参数；

其中，所述根据所述梯度参数对所述多个待识别的目标对象进行分类，得到分类结果，包括：基于优化后的分类网络模型对所述目标对象进行分类，得到所述分类结果，所述优化后的分类网络模型是通过将所述相似度参数引入所述分类网络模型的梯度中并对所述分类网络模型进行训练得到的。

7.根据权利要求6所述的装置，其特征在于，所述分类模块，用于：根据所述梯度参数对分类网络进行训练，得到训练后的分类网络；

根据所述训练后的分类网络对所述多个待识别的目标对象进行分类。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：向量输入模块，用于：将所述多个特征向量输入所述分类网络中的相似度处理模块，得到相似度参数。

9.根据权利要求8所述的装置，其特征在于，所述分类模块，用于：根据所述相似度参数得到所述梯度参数；

通过梯度参数反向传播训练所述分类网络。

10.根据权利要求6‑9任一项所述的装置，其特征在于，所述目标对象获取模块，用于：将所述多个人脸图像构成的训练样本输入特征提取网络，得到所述多个特征向量。

11.一种电子设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：执行权利要求1至5中任意一项所述的方法。

12.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至5中任意一项所述的方法。