1.一种适用于面瘫患者的智能化人脸识别方法，其特征在于，该方法包括：获取面瘫患者的横向转角图像，横向转角图像与患者正脸图像尺寸相同，横向转角图像中每个像素值表征该像素位于侧脸图像面部边界处时患者脸部的横向转动角度；

根据患者病情信息和横向转角图像得到最佳脸部偏转角度，使患者以最佳脸部偏转角度横向转动得到患者侧脸图像，患者图像侧脸图像中患者病变位置被遮挡；

对患者侧脸图像进行转正得到患者健康人脸图像，根据患者健康人脸图像对患者进行人脸识别；

所述获取面瘫患者的横向转角图像包括：将患者的面部形状参数输入转角推理网络得到患者的横向转角图像；

所述转角推理网络以训练图像对应的横向转角图像为标签图像，训练图像的标签图像获取包括：构建训练图像对应的三维人脸模型，以人脸模型鼻尖的高度架设模拟相机，采集人脸模型横向转动时的图像得到不同横向转动角度对应的侧脸图像；构建与人脸模型正脸图像尺寸相同的横向转角图像，确定侧脸图像面部边界处像素在横向转角图像中的像素位置，该像素位置的像素值为侧脸图像的横向转动角度。

2.根据权利要求1所述的方法，其特征在于，所述患者的面部形状参数获取包括：使用模型推理网络对患者面部深度图像进行推理，得到对应深度图像人脸模型的形状参数。

3.根据权利要求1所述的方法，其特征在于，所述根据患者健康人脸图像对患者进行人脸识别包括：根据特征点在横向转角图像中的像素值以及最佳脸部偏转角度得到转角影响系数；

获取患者健康人脸图像与库存健康人脸图像相同类别特征点的描述差异，根据转角影响系数对特征点的描述差异进行修正得到修正差异；根据所有类别特征点的修正差异得到患者健康人脸图像与库存健康人脸图像的相似度，根据相似度得到人脸识别结果；

所述转角影响系数的获取方法具体为：

当Ds<0,

当Ds>0，

其中，ls为对应特征点的转角影响系数，Ds为最佳脸部转动角度，Ms为横向转角图像中的像素值。

4.一种适用于面瘫患者的智能化人脸识别系统，其特征在于，系统包括：横向转角图像获取模块，用于获取面瘫患者的横向转角图像，横向转角图像与患者正脸图像尺寸相同，横向转角图像中每个像素值表征该像素位于侧脸图像面部边界处时患者脸部的横向转动角度；

最佳脸部偏转角度获取模块，用于根据患者病情信息和横向转角图像得到最佳脸部偏转角度，使患者以最佳脸部偏转角度横向转动得到患者侧脸图像，患者侧脸图像中患者病变位置被遮挡；

患者健康人脸图像获取模块，用于对患者侧脸图像进行转正得到患者健康人脸图像，根据患者健康人脸图像对患者进行人脸识别；

横向转角图像获取模块还用于将患者的面部形状参数输入转角推理网络得到患者的横向转角图像；

所述横向转角图像获取模块，还用于构建训练图像对应的三维人脸模型，以人脸模型鼻尖的高度架设模拟相机，采集人脸模型横向转动时的图像得到不同横向转动角度对应的侧脸图像；构建与人脸模型正脸图像尺寸相同的横向转角图像，确定侧脸图像面部边界处像素在横向转角图像中的像素位置，该像素位置的像素值为侧脸图像的横向转动角度。

5.根据权利要求4所述的系统，其特征在于，横向转角图像获取模块还包括患者面部深度图像形状参数获取子模块，用于使用模型推理网络对患者面部深度图像进行推理，得到对应深度图像人脸模型的形状参数。

6.根据权利要求4所述的系统，其特征在于，患者健康人脸图像获取模块还包括人脸识别子模块，用于根据特征点在横向转角图像中的像素值以及最佳脸部偏转角度得到转角影响系数；

获取患者健康人脸图像与库存健康人脸图像相同类别特征点的描述差异，根据转角影响系数对特征点的描述差异进行修正得到修正差异；根据所有类别特征点的修正差异得到患者健康人脸图像与库存健康人脸图像的相似度，根据相似度得到人脸识别结果；

所述转角影响系数的获取方法具体为：

当Ds<0,

当Ds>0，

其中，ls为对应特征点的转角影响系数，Ds为最佳脸部转动角度，Ms为横向转角图像中的像素值。