1.一种基于空间加权的唇部分割方法，其特征在于，包括：获取原始图像以及标注图像；

将所述原始图像输入到分割网络中，得到特征图；

根据所述特征图以及所述标注图像计算加权预测损失；

根据所述加权预测损失，利用Adam优化器对所述分割网络的参数进行优化，得到优化的分割网络；

利用所述优化的分割网络对待测图像进行分割，得到分割图像。

2.根据权利要求1所述的基于空间加权的唇部分割方法，其特征在于，所述将所述原始图像输入到分割网络中，得到特征图之后，还包括：根据所述特征图，计算所述原始图像中像素点的预测概率；所述预测概率为所述原始图像中像素点属于唇部点的概率；

根据所述预测概率，得到预测分割图像。

3.根据权利要求2所述的基于空间加权的唇部分割方法，其特征在于，所述根据所述特征图以及所述标注图像计算加权预测损失，具体包括：根据所述标注图像生成第一空间位置像素点关注权重；

对所述第一空间位置像素点关注权重进行分段映射，得到第二空间位置像素点关注权重；

根据所述特征图生成第三空间位置像素点关注权重；

将所述第二空间位置像素点关注权重以及所述第三空间位置像素点关注权重进行融合，得到像素位置关注权重；

根据所述像素位置关注权重、所述预测概率以及实际概率计算加权预测损失；所述实际概率为所述标注图像中像素点属于唇部点的概率。

4.根据权利要求3所述的基于空间加权的唇部分割方法，其特征在于，所述根据所述标注图像生成第一空间位置像素点关注权重，具体包括：利用公式 计算所述第一空间位置像素点关con b

注权重；其中，w 表示第一空间位置像素点关注权重；φ 表示以(xc,yc)为中心、大小为k×k的窗口邻域内分割类别不同于中心像素类别的像素坐标集合； 表示窗口邻域内不同于中心像素类别的第i个像素点坐标；φ表示窗口邻域内所有像素点坐标集合；(xi,yi)表示窗口内第i个像素点坐标；(xc,yc)表示中心像素点坐标位置；σ表示高斯函数带宽。

5.根据权利要求4所述的基于空间加权的唇部分割方法，其特征在于，所述对所述第一空间位置像素点关注权重进行分段映射，得到第二空间位置像素点关注权重，具体包括：利用公式 对所述第一空间位置像素点关注权重进行con'

分段映射；其中，δ表示鉴别像素点属于噪声的阈值；w 为第二空间位置像素点关注权重。

6.根据权利要求3所述的基于空间加权的唇部分割方法，其特征在于，所述根据所述特征图生成第三空间位置像素点关注权重，具体包括：利用无监督聚类方法对所述特征图中不同位置的像素点进行聚类，得到所述像素点的类别；所述像素点的类别包括唇部区域像素点以及皮肤区域像素点；

利用公式 计算所述唇部区域像素点的聚类L

中心；其中，f 表示唇部区域像素点的聚类中心， NL表示所述特征图中像素点被分割为唇部区域像素点的集合，NL表示被分割为唇部类别的像素点数量，D表示预测特征图通道数量；

利用公式 计算所述皮肤区域像素点的聚类S

中心；其中，f 表示皮肤区域像素点的聚类中心， NS表示所述特征图中像素点被分割为皮肤区域像素点的集合，NS表示被分割为皮肤类别的像素点数量；

利用公式 计算过度区域像素点的聚类中心；

利用公式

根据所述唇部区域像素点的聚类中心、所述皮肤区域像素点的聚类中心以及所述过度fea

区域像素点的聚类中心计算所述第三空间位置像素点关注权重；其中，w 表示第三空间位置像素点关注权重；fi∈L表示fi在无监督聚类中像素点被分割为唇部区域像素点；fi∈S表示fi在无监督聚类中像素点被分割为皮肤区域像素点；ρ为过渡区域像素点的比重系数。

7.根据权利要求6所述的基于空间加权的唇部分割方法，其特征在于，所述将所述第二空间位置像素点关注权重以及所述第三空间位置像素点关注权重进行融合，得到像素位置关注权重，具体包括：

con fea

利用公式w＝αw '+(1‑α)w ，计算像素位置关注权重；其中，w表示像素位置关注权con'

重，α为融合系数；w 为第二空间位置像素点关注权重。

8.根据权利要求7所述的基于空间加权的唇部分割方法，其特征在于，所述根据所述像素位置关注权重、所述预测概率以及实际概率计算加权预测损失，具体包括：利用公式 计算所述加权预测损失；其中，loss表示加权预测损失，N表示训练样本的数量，训练样本包括原始图像以及标注图像；

M表示图像中像素点数量，wij表示第i个训练样本中第j个像素位置关注权重，yij表示第i个标注图像中第j个像素点的实际概率， 表示第i个原始图像中第j个像素点的预测概率。

9.一种基于空间加权的唇部分割系统，其特征在于，包括：图像获取模块，用于获取原始图像以及标注图像；

预测模块，用于将所述原始图像输入到分割网络中，得到特征图；

损失计算模块，用于根据所述特征图以及所述标注图像计算加权预测损失；

优化模块，用于根据所述加权预测损失，利用Adam优化器对所述分割网络的参数进行优化，得到优化的分割网络；

分割模块，用于利用所述优化的分割网络对待测图像进行分割，得到分割图像。