1.一种人脸识别的方法，其特征在于，所述方法包括：获取人脸图像；

基于所述人脸图像，确定所述人脸图像中的目标人脸器官的遮挡比例；

调用目标网络模型，将所述目标人脸器官的遮挡比例输入至所述目标网络模型中，输出所述人脸图像中的人脸的综合遮挡程度值，所述综合遮挡程度值用于指示所述人脸图像中的人脸被遮挡后的辨识难易程度；

若所述综合遮挡程度值小于指定程度阈值，则将所述人脸图像作为待识别的图像；

所述调用目标网络模型之前，还包括：获取多个人脸图像样本的训练数据，每个人脸图像样本的训练数据包括人脸器官的遮挡比例、以及遮挡人脸与非遮挡人脸的比对相似度；将所述多个人脸图像样本的训练数据输入至待训练的网络模型中进行训练，得到所述目标网络模型。

2.如权利要求1所述的方法，其特征在于，所述基于所述人脸图像，确定所述人脸图像中的目标人脸器官的遮挡比例，包括：调用区域划分模型，所述区域划分模型用于对任意人脸图像进行区域划分；

将所述人脸图像输入至所述区域划分模型中，输出目标人脸图像，所述目标人脸图像中包括划分出的目标人脸器官所在的器官区域和遮挡区域；

基于所述目标人脸图像，确定所述人脸图像中的目标人脸器官的遮挡比例。

3.如权利要求2所述的方法，其特征在于，所述基于所述目标人脸图像，确定所述人脸图像中的目标人脸器官的遮挡比例，包括：确定所述器官区域与所述遮挡区域的重叠区域；

统计所述重叠区域内包括的像素点的总数量，得到第一像素点数量；

统计所述目标人脸区域内的像素点的总数量，得到第二像素点数量；

将所述第一像素点数量与所述第二像素点数量相除，得到所述目标人脸器官的遮挡比例。

4.一种人脸识别的装置，其特征在于，所述装置包括：获取模块，用于获取人脸图像；

第一确定模块，用于基于所述人脸图像，确定所述人脸图像中的目标人脸器官的遮挡比例；

第二确定模块，用于调用目标网络模型，将所述目标人脸器官的遮挡比例输入至所述目标网络模型中，输出所述人脸图像中的人脸的综合遮挡程度值，所述综合遮挡程度值用于指示所述人脸图像中的人脸被遮挡后的辨识难易程度；

人脸识别模块，用于若所述综合遮挡程度值小于指定程度阈值，则将所述人脸图像作为待识别的图像；

所述装置还包括执行以下操作的模块：获取多个人脸图像样本的训练数据，每个人脸图像样本的训练数据包括人脸器官的遮挡比例、以及遮挡人脸与非遮挡人脸的比对相似度；将所述多个人脸图像样本的训练数据输入至待训练的网络模型中进行训练，得到所述目标网络模型。

5.如权利要求4所述的装置，其特征在于，所述第一确定模块用于：调用区域划分模型，所述区域划分模型用于对任意人脸图像进行区域划分；

将所述人脸图像输入至所述区域划分模型中，输出目标人脸图像，所述目标人脸图像中包括划分出的目标人脸器官所在的器官区域和遮挡区域；

基于所述目标人脸图像，确定所述人脸图像中的目标人脸器官的遮挡比例。

6.一种人脸识别系统，其特征在于，包括：抓拍机和电子设备；

所述抓拍机，用于连续采集人脸图像；

所述电子设备，用于获取所述抓拍机采集的人脸图像，基于所述人脸图像，确定所述人脸图像中的目标人脸器官的遮挡比例，调用目标网络模型，将所述目标人脸器官的遮挡比例输入至所述目标网络模型中，输出所述人脸图像中的人脸的综合遮挡程度值，所述综合遮挡程度值用于指示所述人脸图像中的人脸被遮挡后的辨识难易程度，若所述综合遮挡程度值小于指定程度阈值，将所述人脸图像作为待识别的图像；

所述电子设备，用于获取多个人脸图像样本的训练数据，每个人脸图像样本的训练数据包括人脸器官的遮挡比例、以及遮挡人脸与非遮挡人脸的比对相似度；将所述多个人脸图像样本的训练数据输入至待训练的网络模型中进行训练，得到所述目标网络模型。

7.一种抓拍机，其特征在于，用于：采集人脸图像；

基于所述抓拍机采集的人脸图像，确定所述人脸图像中的目标人脸器官的遮挡比例；

调用目标网络模型，将所述目标人脸器官的遮挡比例输入至所述目标网络模型中，输出所述人脸图像中的人脸的综合遮挡程度值，所述综合遮挡程度值用于指示所述人脸图像中的人脸被遮挡后的辨识难易程度；

若所述综合遮挡程度值小于指定程度阈值，将所述人脸图像作为待识别的图像；

所述抓拍机，用于获取多个人脸图像样本的训练数据，每个人脸图像样本的训练数据包括人脸器官的遮挡比例、以及遮挡人脸与非遮挡人脸的比对相似度；将所述多个人脸图像样本的训练数据输入至待训练的网络模型中进行训练，得到所述目标网络模型。