1.一种图像模糊度评价模型的训练方法，包括：

对原始图像进行模糊处理，得到分别具有不同模糊度的多个模糊图像；

使用特征提取模型分别对所述多个模糊图像进行特征提取，得到多个特征图；

基于所述多个特征图之间的相似度来计算所述原始图像的模糊度评分；以及使用所述原始图像和所述原始图像的模糊度评分作为训练数据来训练所述图像模糊度评价模型；

其中，所述基于所述多个特征图之间的相似度来计算所述原始图像的模糊度评分包括根据所述多个模糊图像的数量以及所述多个特征图中每两个特征图之间的余弦相似度来计算所述原始图像的模糊度评分，包括：对每两个特征图之间的余弦相似度求和，求和结果乘以2，再除以模糊图像的数量的平方，得到的结果取负，将取负后得到的结果输入激活函数sigmoid，得到激活值，再将激活值乘以2，得到所述模糊度评分。

2.根据权利要求1所述的方法，还包括：

使用目标检测模型从原始图像检测目标对象；以及

从原始图像中提取目标对象所在区域，并对所提取的区域进行缩放，得到待处理图像，其中，所述对原始图像进行模糊处理包括对从所述原始图像得到的待处理图像进行模糊处理。

3.根据权利要求2所述的方法，其中，所述从原始图像中提取目标对象所在区域，并对所提取的区域进行缩放包括：以目标对象的矩形检测框为参考，从原始图像中提取包含所述目标对象的方形区域，其中矩形检测框是通过使用目标检测模型从原始图像检测目标对象而得到的；以及将方形区域缩放到预设的尺寸。

4.根据权利要求1所述的方法，其中，所述原始图像的数量为多个，所述使用所述原始图像和所述原始图像的模糊度评分作为训练数据来训练所述图像模糊度评价模型包括：使用所述图像模糊度评价模型来确定多个原始图像中一个原始图像的模糊度评分；

根据损失函数确定使用所述图像模糊度评价模型而确定的模糊度评分与所述训练数据中所述一个原始图像的模糊度评分之间的差异；

在所述差异符合预设条件的情况下，根据所述差异调整所述图像模糊度评价模型的参数，并针对所述多个原始图像中的另一个原始图像返回使用所述图像模糊度评价模型来确定模糊度评分的步骤。

5.根据权利要求1所述的方法，其中，所述多个模糊图像的数量在50至100的范围内。

6.根据权利要求1所述的方法，其中，所述模糊处理包括高斯模糊和JPEG压缩中的至少之一。

7.根据权利要求1至6中任一项所述的方法，其中，所述图像模糊度评价模型包括Mobikenetv1神经网络模型、Mobilenetv2神经网络模型、Mobilenetv3神经网络模型和resnet18神经网络模型中的至少之一。

8.根据权利要求1至6中任一项所述的方法，其中，所述原始图像为人脸图像。

9.一种图像模糊度的评价方法，包括：

获取至少一个输入图像；

使用图像模糊度评价模型对所述至少一个输入图像的模糊度进行评价，其中所述图像模糊度评价模型是使用根据权利要求1至8中任一项权利要求所述的方法来训练的。

10.一种图像模糊度评价模型的训练装置，包括：

模糊处理模块，用于对原始图像进行模糊处理，得到分别具有不同模糊度的多个模糊图像；

特征提取模块，用于使用特征提取模型分别对所述多个模糊图像进行特征提取以得到多个特征图；

模糊度评分模块，用于基于所述多个特征图之间的相似度来计算所述原始图像的模糊度评分；以及训练模块，用于使用所述原始图像和所述原始图像的模糊度评分作为训练数据来训练所述图像模糊度评价模型；

其中，所述模糊度评分模块，还用于根据所述多个模糊图像的数量以及所述多个特征图中每两个特征图之间的余弦相似度来计算所述原始图像的模糊度评分；

所述模糊度评分模块，还用于对每两个特征图之间的余弦相似度求和，求和结果乘以

2，再除以模糊图像的数量的平方，得到的结果取负，将取负后得到的结果输入激活函数sigmoid，得到激活值，再将激活值乘以2，得到所述模糊度评分。

11.一种图像模糊度的评价装置，包括：

获取模块，用于获取至少一个输入图像；

评价模块，用于使用图像模糊度评价模型对所述至少一个输入图像的模糊度进行评价，其中所述图像模糊度评价模型是使用根据权利要求1至8中任一项权利要求所述的方法来训练的。

12.一种电子设备，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至9中任一项权利要求所述的方法。

13.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1至9中任一项权利要求所述的方法。