1.一种对象的识别方法，包括：获取待识别对象的第一特征集，其中，所述第一特征集表征所述待识别对象的原始生物特征；

对所述第一特征集进行特征采样处理，得到特征图矩阵，其中，所述特征图矩阵用于表征所述第一特征集中每个特征的权重值；

对所述第一特征集和所述特征图矩阵进行求积处理，得到第二特征集；

利用神经网络模型分析处理所述第二特征集，得到所述待识别对象的识别结果。

2.根据权利要求1所述的方法，其中，对所述第一特征集进行特征采样处理，得到特征图矩阵，包括：

利用第一预设函数对所述第一特征集进行分类处理，得到第一参数；

利用第二预设函数对所述第一参数进行对数处理，得到第二参数；

利用第三预设函数对所述第一特征集进行分布处理，得到第三参数；

对所述第二参数和第三参数进行求和处理，确定所述特征图矩阵。

3.根据权利要求2所述的方法，其中，对所述第二参数和第三参数进行求和处理，确定所述特征图矩阵，包括：

对所述第二参数和所述第三参数进行求和处理，得到第一和值；

对所述第一和值和所述第一预设参数进行求商处理，得到第一商值；

利用第四预设函数对所述第一商值进行指数处理，得到第四参数；

对所第四参数进行归一化处理，得到归一化处理结果，对所述归一化处理结果进行求和处理，得到第二和值；

对所述第一商值和所述第二和值进行求商处理，确定所述特征图矩阵。

4.根据权利要求1所述的方法，其中，对所述第一特征集和所述特征图矩阵进行求积处理，得到第二特征集，包括：对所述第一特征集和所述特征图矩阵进行求积处理，得到第三特征；

利用所述第一特征集对所述第三特征进行插值处理，得到第二特征集。

5.根据权利要求4所述的方法，其中，对所述第三特征进行插值处理，得到第二特征集，包括：

对第一特征集和第二预设参数进行求差处理，得到第一差值；

对第一差值的平方和第三预设参数进行求积处理，得到第一乘积；

利用第四预设函数对所述第一乘积进行指数处理，得到第四特征；

对第四特征和第一预设特征进行求积处理，得到第二乘积；

对所述第二乘积和所述第四特征进行求商处理，得到第二特征集。

6.根据权利要求1所述的方法，还包括：通过训练得到所述神经网络模型；

其中，通过训练得到所述神经网络模型，包括：获取第一特征集样本；

将所述第一特征集样本输入至待训练模型中，输出第二特征集样本；

将所述第二特征集样本输入至所述待训练模型中，得到神经网络模型。

7.根据权利要求6所述的方法，还包括：确定所述第一特征集样本和第二特征集样本的第一损失函数；

利用第二预设参数对第二预设函数进行求和处理，得到第五参数；

对所述第一损失函数和所述第五参数进行求和处理，得到目标损失函数；

利用所述目标损失函数对所述神经网络模型进行处理，得到处理后的神经网络模型；

利用所述处理后的神经网络模型分析处理第二特征集，得到待识别对象的识别结果。

8.一种对象的识别装置，包括：获取模块，用于获取待识别对象的第一特征集，其中，所述第一特征集表征所述待识别对象的原始生物特征；

采样模块，用于对所述第一特征集进行特征采样处理，得到特征图矩阵，其中，所述特征图矩阵用于表征所述第一特征集中每个特征的权重值；

求积模块，用于对所述第一特征集和所述特征图矩阵进行求积处理，得到第二特征集；

第一分析模块，用于利用神经网络模型分析处理所述第二特征集，得到所述待识别对象的识别结果。

9.根据权利要求8所述的装置，采样模块，包括：分类单元，用于利用第一预设函数对所述第一特征集进行分类处理，得到第一参数；

对数处理单元，用于利用第二预设函数对所述第一参数进行对数处理，得到第二参数；

分布单元，用于利用第三预设函数对所述第一特征集进行分布处理，得到第三参数；

求和单元，用于对所述第二参数和第三参数进行求和处理，确定所述特征图矩阵。

10.根据权利要求9所述的装置，求和单元，包括：第一求和子单元，用于对所述第二参数和所述第三参数进行求和处理，得到第一和值；

第一求商子单元，用于对所述第一和值和所述第一预设参数进行求商处理，得到第一商值；

指数处理子单元，用于利用第四预设函数对所述第一商值进行指数处理，得到第四参数；

第二求和子单元，用于对所第四参数进行归一化处理，得到归一化处理结果，对所述归一化处理结果进行求和处理，得到第二和值；

第二求商子单元，用于对所述第一商值和所述第二和值进行求商处理，确定所述特征图矩阵。

11.根据权利要求10所述的装置，求积模块，包括：求积单元，用于对所述第一特征集和所述特征图矩阵进行求积处理，得到第三特征；

插值单元，用于利用所述第一特征集对所述第三特征进行插值处理，得到第二特征集。

12.根据权利要求11所述的装置，插值单元，包括：求差子单元，用于对第一特征集和第二预设参数进行求差处理，得到第一差值；

第一求积子单元，用于对第一差值的平方和第三预设参数进行求积处理，得到第一乘积；

指数处理子单元，用于利用第四预设函数对所述第一乘积进行指数处理，得到第四特征；

第二求积子单元，用于对第四特征和第一预设特征进行求积处理，得到第二乘积；

第三求商子单元，用于对所述第二乘积和所述第四特征进行求商处理，得到第二特征集。

13.根据权利要求8所述的装置，其中，通过训练得到所述神经网络模型，所述装置还包括：

所述获取模块还用于获取第一特征集样本；

第一输入模块，用于将所述第一特征集样本输入至待训练模型中，输出第二特征集样本；

第二输入模块，用于将所述第二特征集样本输入至所述待训练模型中，得到神经网络模型。

14.根据权利要求13所述的装置，还包括：确定模块，用于确定所述第一特征集样本和第二特征集样本的第一损失函数；

第一求和模块，用于利用第二预设参数对第二预设函数进行求和处理，得到第五参数；

第二求和模块，用于对所述第一损失函数和所述第五参数进行求和处理，得到目标损失函数；

处理模块，用于利用所述目标损失函数对所述神经网络模型进行处理，得到处理后的神经网络模型；

第二分析模块，用于利用所述处理后的神经网络模型分析处理第二特征集，得到待识别对象的识别结果。

15.一种电子设备，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1‑7中任一项所述的方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1‑7中任一项所述的方法。

17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1‑7中任一项所述的方法。