1.一种人脸识别网络训练方法，其特征在于，包括：

从样本数据库中获取多个样本图像；其中，所述样本数据库中存储有与各个样本图像所匹配的样本用户的初始特征向量；

将所述多个样本图像输入至待训练人脸识别网络中，得到每个所述样本图像对应的人脸特征向量；

基于各个所述样本图像分别对应的人脸特征向量和所述样本数据库中包括的多个初始特征向量，确定所述待训练人脸识别网络对应的损失值；其中，所述损失值包括正确接受比例对应的第一损失值以及错误接受比例对应的第二损失值中的至少一项；

基于所述损失值，对所述待训练人脸识别网络进行训练，直至满足训练截止条件，得到目标人脸识别网络；

所述基于各个所述样本图像分别对应的人脸特征向量和所述样本数据库中包括的多个初始特征向量，确定所述待训练人脸识别网络对应的损失值，包括：基于所述样本图像所匹配的样本用户，确定所述样本图像对应的正样本集合和负样本集合；其中，所述正样本集合中包括至少一个正样本特征对，每个正样本特征对包括样本图像对应的人脸特征向量、和该样本图像所匹配的样本用户的第一初始特征向量；所述负样本集合中包括至少一个负样本特征对，每个负样本特征对包括样本图像对应的人脸特征向量、和所述样本数据库中除该样本图像所匹配的样本用户的第一初始特征向量之外的第二初始特征向量；

确定每个所述正样本特征对中包括的所述人脸特征向量和所述第一初始特征向量之间的第一相似度，和每个所述负样本特征对中包括的所述人脸特征向量和所述第二初始特征向量之间的第二相似度中的至少一项；

基于得到的所述第一相似度和所述第二相似度中的至少一项，确定所述待训练人脸识别网络对应的损失值。

2.根据权利要求1所述的方法，其特征在于，在所述确定所述待训练人脸识别网络对应的损失值之后，所述方法还包括：利用所述样本图像对应的人脸特征向量，对与该样本图像对应的所述样本用户的初始特征向量进行更新，得到所述样本用户对应的更新后的初始特征向量。

3.根据权利要求1所述的方法，其特征在于，所述样本数据库中还存储有所述初始特征向量对应的剩余有效步长；以及所述初始特征向量的初始有效步长为预设步长；在所述得到每个所述样本图像对应的人脸特征向量之后，所述方法还包括：将所述样本数据库中每个初始特征向量对应的剩余有效步长进行减一操作，并将减一操作后剩余有效步长为零的初始特征向量删除，得到更新后的样本数据库。

4.根据权利要求1所述的方法，其特征在于，所述基于得到的所述第一相似度和所述第二相似度中的至少一项，确定所述待训练人脸识别网络对应的损失值，包括：在所述损失值包括第一损失值的情况下，确定各个所述第一相似度与相似度阈值之间的第一差值；并基于各个所述第一差值，和所述第一相似度的总数量，确定所述待训练人脸识别网络对应的第一损失值；

在所述损失值包括第二损失值的情况下，确定各个所述第二相似度与相似度阈值之间的第二差值；并基于各个所述第二差值，和所述第二相似度的总数量，确定所述待训练人脸识别网络对应的第二损失值。

5.根据权利要求4所述的方法，其特征在于，确定所述相似度阈值，包括：

基于设置的错误接受比例的比例阈值、和所述第二相似度的总数量，确定错误接受数量；

按照第二相似度从大到小的顺序，从多个所述第二相似度中，确定排序序号与所述错误接受数量匹配的目标相似度；并将所述目标相似度确定为所述相似度阈值。

6.根据权利要求1～5任一所述的方法，其特征在于，在所述损失值包括所述第一损失值和所述第二损失值的情况下，基于所述损失值，对所述待训练人脸识别网络进行训练，直至满足训练截止条件，得到目标人脸识别网络，包括：基于预设的正确接受比例对应的第一权重和错误接受比例对应的第二权重，以及所述第一损失值和所述第二损失值，确定所述待训练人脸识别网络对应的目标损失值；

基于所述目标损失值，对所述待训练人脸识别网络进行训练，直至满足训练截止条件，得到目标人脸识别网络。

7.根据权利要求1～5任一所述的方法，其特征在于，在所述得到目标人脸识别网络之后，所述方法还包括：获取待识别图像；

利用所述目标人脸识别网络对所述待识别图像进行识别，确定所述待识别图像对应的识别结果。

8.根据权利要求7所述的方法，其特征在于，在所述确定所述待识别图像对应的识别结果之后，所述方法还包括：在所述识别结果指示所述人脸匹配成功的情况下，控制门禁设备开启，和/或，控制移动设备解锁。

9.一种人脸识别网络训练装置，其特征在于，包括：

获取模块，用于从样本数据库中获取多个样本图像；其中，所述样本数据库中存储有与各个样本图像所匹配的样本用户的初始特征向量；

第一确定模块，用于将所述多个样本图像输入至待训练人脸识别网络中，得到每个所述样本图像对应的人脸特征向量；

第二确定模块，用于基于各个所述样本图像分别对应的人脸特征向量和所述样本数据库中包括的多个初始特征向量，确定所述待训练人脸识别网络对应的损失值；其中，所述损失值包括正确接受比例对应的第一损失值以及错误接受比例对应的第二损失值中的至少一项；

训练模块，用于基于所述损失值，对所述待训练人脸识别网络进行训练，直至满足训练截止条件，得到目标人脸识别网络；

所述第二确定模块，在基于各个所述样本图像分别对应的人脸特征向量和所述样本数据库中包括的多个初始特征向量，确定所述待训练人脸识别网络对应的损失值时，用于：基于所述样本图像所匹配的样本用户，确定所述样本图像对应的正样本集合和负样本集合；其中，所述正样本集合中包括至少一个正样本特征对，每个正样本特征对包括样本图像对应的人脸特征向量、和该样本图像所匹配的样本用户的第一初始特征向量；所述负样本集合中包括至少一个负样本特征对，每个负样本特征对包括样本图像对应的人脸特征向量、和所述样本数据库中除该样本图像所匹配的样本用户的第一初始特征向量之外的第二初始特征向量；确定每个所述正样本特征对中包括的所述人脸特征向量和所述第一初始特征向量之间的第一相似度，和每个所述负样本特征对中包括的所述人脸特征向量和所述第二初始特征向量之间的第二相似度中的至少一项；基于得到的所述第一相似度和所述第二相似度中的至少一项，确定所述待训练人脸识别网络对应的损失值。

10.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至8任一所述的人脸识别网络训练方法的步骤。

11.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至8任一所述的人脸识别网络训练方法的步骤。