1.一种人脸融合模型获取方法，其特征在于，包括：获取训练样本，所述训练样本中包括：目标人脸图像以及模板人脸图像；

利用所述训练样本，训练得到用于对输入的目标人脸图像和模板人脸图像进行人脸融合的人脸融合模型，包括：获取所述目标人脸图像中的目标人脸的属性信息，包括：利用人脸三维重建方法获取所述目标人脸的三维形变模型参数，从所述三维形变模型参数中提取出所述目标人脸的属性信息；

对所述目标人脸图像及所述模板人脸图像进行人脸融合，得到融合人脸；

获取所述融合人脸的属性信息，包括：利用人脸三维重建方法获取所述融合人脸的三维形变模型参数，从所述三维形变模型参数中提取出所述融合人脸的属性信息；

根据所述目标人脸的属性信息及所述融合人脸的属性信息构建属性一致性损失函数，利用所述属性一致性损失函数进行所述人脸融合模型的自监督学习。

2.根据权利要求1所述的人脸融合模型获取方法，其特征在于，所述对所述目标人脸图像及所述模板人脸图像进行人脸融合包括：利用基于生成对抗网络的人脸融合方法，对所述目标人脸图像及所述模板人脸图像进行人脸融合。

3.根据权利要求1所述的人脸融合模型获取方法，其特征在于，所述根据所述目标人脸的属性信息及所述融合人脸的属性信息构建属性一致性损失函数包括：计算所述目标人脸的属性信息及所述融合人脸的属性信息的L2范数，作为所述属性一致性损失函数。

4.根据权利要求2所述的人脸融合模型获取方法，其特征在于，所述利用所述属性一致性损失函数进行所述人脸融合模型的自监督学习包括：结合所述属性一致性损失函数以及所述基于生成对抗网络的人脸融合方法中的身份一致性损失函数进行所述人脸融合模型的自监督学习。

5.一种人脸融合方法，其特征在于，包括：

获取目标人脸图像及模板人脸图像；

将所述目标人脸图像及所述模板人脸图像输入按照权利要求1‑4中任一项所述的方法获取到的人脸融合模型，得到输出的人脸融合结果。

6.一种人脸融合模型获取装置，其特征在于，包括：样本获取模块以及模型训练模块；

所述样本获取模块，用于获取训练样本，所述训练样本中包括：目标人脸图像以及模板人脸图像；

所述模型训练模块，用于利用所述训练样本，训练得到用于对输入的目标人脸图像和模板人脸图像进行人脸融合的人脸融合模型，包括：获取所述目标人脸图像中的目标人脸的属性信息，包括：利用人脸三维重建方法获取所述目标人脸的三维形变模型参数，从所述三维形变模型参数中提取出所述目标人脸的属性信息；对所述目标人脸图像及所述模板人脸图像进行人脸融合，得到融合人脸；获取所述融合人脸的属性信息，包括：利用人脸三维重建方法获取所述融合人脸的三维形变模型参数，从所述三维形变模型参数中提取出所述融合人脸的属性信息；根据所述目标人脸的属性信息及所述融合人脸的属性信息构建属性一致性损失函数，利用所述属性一致性损失函数进行所述人脸融合模型的自监督学习。

7.根据权利要求6所述的人脸融合模型获取装置，其特征在于，所述模型训练模块利用基于生成对抗网络的人脸融合方法，对所述目标人脸图像及所述模板人脸图像进行人脸融合。

8.根据权利要求6所述的人脸融合模型获取装置，其特征在于，所述模型训练模块计算所述目标人脸的属性信息及所述融合人脸的属性信息的L2范数，作为所述属性一致性损失函数。

9.根据权利要求7所述的人脸融合模型获取装置，其特征在于，所述模型训练模块结合所述属性一致性损失函数以及所述基于生成对抗网络的人脸融合方法中的身份一致性损失函数进行所述人脸融合模型的自监督学习。

10.一种人脸融合装置，其特征在于，包括：图像获取模块以及人脸融合模块；

所述图像获取模块，用于获取目标人脸图像及模板人脸图像；

所述人脸融合模块，用于将所述目标人脸图像及所述模板人脸图像输入按照权利要求

1‑4中任一项所述的方法获取到的人脸融合模型，得到输出的人脸融合结果。

11.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1‑5中任一项所述的方法。

12.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1‑5中任一项所述的方法。