1.一种图像处理方法，包括：

从目标图像中获取人脸区域图像；

将所述人脸区域图像输入目标模型的第一网络，得到所述人脸区域图像所对应的特征图；

将所述特征图输入所述目标模型的所述目标模型的第二网络中的检测网络，得到至少一个候选框；将所述至少一个候选框中的每一个候选框输入所述第二网络中的至少一个预测分支进行预测，得到所述每一个候选框中包含的至少一种类型的目标区域及其对应的分割结果；其中，所述至少一个预测分支中不同的预测分支用于预测不同类型的目标区域及其对应的分割结果；

基于所述至少一种类型的目标区域分别对应的分割结果，确定所述人脸区域图像中所述至少一种类型的目标区域分别对应的子图像；

在所述至少一种类型的目标区域分别对应的所述子图像中，确定所述至少一种类型的目标区域中分别包含的目标对象所对应的位置信息。

2.根据权利要求1所述的方法，其中，所述在所述至少一种类型的目标区域分别对应的所述子图像中，确定所述至少一种类型的目标区域中分别包含的目标对象所对应的位置信息，包括：在所述至少一种类型的目标区域分别对应的所述子图像中的第i种类型的目标区域对应的子图像中，基于像素点的颜色和/或灰度值确定所述第i种类型的目标区域对应的子图像的目标像素点，将所述目标像素点的位置坐标作为所述第i种类型的目标区域中包含的目标对象所对应的位置信息；其中，i为大于等于1的整数。

3.根据权利要求1所述的方法，其中，所述从目标图像中确定人脸区域图像，包括：对所述目标图像进行检测，得到人脸区域所对应的矩形框；

基于所述人脸区域所对应的所述矩形框，确定人脸区域初始图像；

对所述人脸区域初始图像进行归一化处理，得到所述人脸区域图像。

4.根据权利要求1‑3任一项所述的方法，其中，所述方法还包括：

基于训练样本对预设模型进行训练，得到训练后的预设模型；将所述训练后的预设模型作为所述目标模型；其中，所述训练样本中包含至少一种类型的目标对象的标注结果。

5.根据权利要求4所述的方法，其中，所述基于训练样本对预设模型进行训练，包括：将所述训练样本输入所述预设模型的预设第一网络，得到所述预设模型的预设第一网络输出的特征图；

将所述特征图输入所述预设模型中的预设第二网络，得到所述预设模型中的所述预设第二网络输出的至少一种类型的目标区域的分割结果；

基于所述至少一种类型的目标区域的分割结果、以及所述训练样本的所述至少一种类型的目标对象的标注结果，确定所述至少一种类型的目标区域的分割结果分别对应的第一类损失函数以及第二类损失函数；

根据所述第一类损失函数以及所述第二类损失函数进行反向传导更新所述预设模型。

6.一种图像处理装置，包括：

提取模块，用于从目标图像中获取人脸区域图像；

识别模块，用于将所述人脸区域图像输入目标模型的第一网络，得到所述人脸区域图像所对应的特征图；将所述特征图输入所述目标模型的所述目标模型的第二网络中的检测网络，得到至少一个候选框；将所述至少一个候选框中的每一个候选框输入所述第二网络中的至少一个预测分支进行预测，得到所述每一个候选框中包含的至少一种类型的目标区域及其对应的分割结果；其中，所述至少一个预测分支中不同的预测分支用于预测不同类型的目标区域及其对应的分割结果；

区域获取模块，用于基于所述至少一种类型的目标区域分别对应的分割结果，确定所述人脸区域图像中所述至少一种类型的目标区域分别对应的子图像；

位置确定模块，用于在所述至少一种类型的目标区域分别对应的所述子图像中，确定所述至少一种类型的目标区域中分别包含的目标对象所对应的位置信息。

7.根据权利要求6所述的装置，其中，所述位置确定模块，用于在所述至少一种类型的目标区域分别对应的所述子图像中第i种类型的目标区域对应的子图像中，基于像素点的颜色和/或灰度值确定所述第i种类型的目标区域对应的子图像的目标像素点，将所述目标像素点的位置坐标作为所述第i种类型的目标区域中包含的目标对象所对应的位置信息；

其中，i为大于等于1的整数。

8.根据权利要求6所述的装置，其中，所述提取模块，用于对所述目标图像进行检测，得到人脸区域所对应的矩形框；基于所述人脸区域所对应的所述矩形框，确定人脸区域初始图像；对所述人脸区域初始图像进行归一化处理，得到所述人脸区域图像。

9.根据权利要求6‑8任一项所述的装置，其中，所述装置还包括：

模型训练模块，用于基于训练样本对预设模型进行训练，得到训练后的预设模型；将所述训练后的预设模型作为所述目标模型；其中，所述训练样本中包含至少一种类型的目标对象的标注结果。

10.根据权利要求9所述的装置，其中，所述模型训练模块，用于将所述训练样本输入所述预设模型的预设第一网络，得到所述预设模型的预设第一网络输出的特征图；将所述特征图输入所述预设模型中的预设第二网络，得到所述预设模型中的所述预设第二网络输出的至少一种类型的目标区域的分割结果；基于所述至少一种类型的目标区域的分割结果、以及所述训练样本的所述至少一种类型的目标对象的标注结果，确定所述至少一种类型的目标区域的分割结果分别对应的第一类损失函数以及第二类损失函数；根据所述第一类损失函数以及所述第二类损失函数进行反向传导更新所述预设模型。

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计算机执行权利要求1‑5中任一项所述的方法。