1.一种皮肤检测方法，其特征在于，包括：

获取人脸图像以及获取所述人脸图像中的人脸肤色数据；

根据所述人脸肤色数据和所述人脸图像生成人脸注意力图像；

将所述人脸注意力图像和所述人脸肤色数据输入皮肤检测模型，得到皮肤问题检测结果；

所述皮肤检测模型通过如下方式进行训练，包括：

获取人脸训练图像、与所述人脸训练图像对应的人脸肤色训练数据以及与所述人脸训练图像对应的人脸皮肤问题严重程度的实际类别，其中，所述人脸皮肤问题严重程度包括多个类别；

将所述人脸训练图像和所述人脸肤色训练数据输入所述皮肤检测模型，得到输出结果；

根据所述输出结果以及所述实际类别确定损失函数；

根据所述损失函数更新所述皮肤检测模型的参数；

所述损失函数包括交叉熵损失函数，所述根据所述输出结果以及所述实际类别确定损失函数包括：根据所述人脸训练图像的数量和所述人脸训练图像的损失确定所述交叉熵损失函数，其中，根据判断所述人脸训练图像是否属于所述实际类别的判定结果，以及所述人脸训练图像对应所述人脸皮肤问题严重程度中各个类别的概率确定所述人脸训练图像的损失。

2.根据权利要求1所述的皮肤检测方法，其特征在于，所述获取人脸图像包括：获取人脸原始图像；

去除所述人脸原始图像中背景部分；

确定所述人脸原始图像中人脸比例最高的子图像作为所述人脸图像。

3.根据权利要求1所述的皮肤检测方法，其特征在于，所述获取所述人脸图像中的人脸肤色数据包括：确定所述人脸图像的人脸图像中心位置；

获取所述人脸图像中预设尺寸的子图块作为皮肤块，其中，所述皮肤块的中心位置与所述人脸图像中心位置重合；

根据所述皮肤块的图像像素点和图像通道生成所述人脸肤色数据。

4.根据权利要求3所述的皮肤检测方法，其特征在于，所述根据所述人脸肤色数据和所述人脸图像生成人脸注意力图像：根据所述人脸图像和所述人脸肤色数据确定所述人脸图像中每个通道的像素值；

将所述人脸图像中每个通道的所述像素值进行归一化，得到归一化图像；

将所述归一化图像的所有像素点进行聚类分析；

根据所述聚类分析的结果重置所述人脸图像，得到所述人脸注意力图像。

5.根据权利要求4所述的皮肤检测方法，其特征在于，所述将所述人脸图像中每个通道的所述像素值进行归一化，得到归一化图像包括：根据所述人脸图像中每个通道的所述像素值确定所述人脸图像的负方向和正方向中负方向最大差距和正方向最大差距；

根据所述负方向最大差距和所述正方向最大差距对像素值进行归一化，以使所述像素值归一化至【0,1】之间。

6.根据权利要求4所述的皮肤检测方法，其特征在于，所述人脸肤色数据包括人脸肤色向量；所述将所述归一化图像的所有像素点进行聚类分析包括：通过k均值聚类算法将所述归一化图像的所有像素点进行聚类分析；

根据所述归一化图像的像素点所属簇的中心位置距离所述肤色向量的距离判断所述归一化图像的像素点的像素点类型，所述像素点类型包括皮肤像素点和噪声像素点；

所述根据所述聚类分析的结果重置所述人脸图像，得到所述人脸注意力图像包括：当判定所述归一化图像的像素点为所述噪声像素点时，将所述噪声像素点重置为黑色像素点。

7.根据权利要求1所述的皮肤检测方法，其特征在于，所述各个类别的概率中的最大概率对应的人脸皮肤问题严重程度的类别为所述输出结果，通过所述输出结果判断所述人脸训练图像是否属于所述实际类别。

8.根据权利要求1所述的皮肤检测方法，其特征在于，所述皮肤检测模型包括VGG16网络和定级映射层；

所述VGG16网络用于根据所述人脸训练图像提取所述人脸训练图像的初级特征，所述定级映射层用于根据所述人脸训练图像的初级特征与所述人脸肤色训练数据得到输出结果，和/或，所述皮肤检测模型的VGG16网络用于根据所述人脸注意力图像提取所述人脸注意力图像的初级特征，所述皮肤检测模型的定级映射层用于根据所述人脸注意力图像的初级特征与所述人脸肤色数据输出所述皮肤问题检测结果。

9.根据权利要求8所述的皮肤检测方法，其特征在于，所述根据所述损失函数更新所述皮肤检测模型的参数包括：根据ImageNet预训练的参数将所述VGG16网络的参数初始化，和/或将所述定级映射层的参数随机初始化。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1‑9中任一项所述的皮肤检测方法。

11.一种计算设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，当所述处理器执行所述程序时，实现如权利要求1‑9中任一项所述的皮肤检测方法。