1.一种图像处理方法，其特征在于，包括：

S1接收用户选择的游戏角色脸部模板信息，其中脸部模板信息包括游戏角色标准脸部图像，其中游戏角色标准脸部图像包括脸部轮廓信息和肤色信息；

S2接收用户上传的用户人脸图像，对接收到的用户人脸图像进行预处理，得到目标人脸图像；

S3根据得到的目标人脸图像进行特征提取处理，得到用户人脸特征信息，并根据得到的用户人脸特征信息获取校正的用户人脸图像；

S4将校正的目标人脸图像融合到游戏角色标准脸部图像中，得到用户自定义游戏角色脸部图像；

其中，步骤S3包括：

S31根据目标用户人脸图像进行特征点检测处理，获取目标用户人脸图像的关键点信息；

S32并根据得到的关键点信息计算用户人脸的角度特征，其中计算得到的用户角度特征包括用户的左右转头角度和左右歪头角度；

S33根据用户人脸的角度特征对目标用户人脸图像进行校正，得到校正的用户人脸图像，包括：当检测到用户的左右转头角度大于设定的转头阈值时，则进一步对用户人脸图像进行转头校正；

当检测到用户的左右歪头角度大于设定的歪头阈值时，则进一步对用户人脸图像进行歪头校正；

其中，步骤S33中，对用户人脸图像进行转头校正，包括：基于训练好的转头姿态校正模型对目标用户人脸图像进行转头校正，其中转头姿态校正模型的输入为目标用户人脸图像，其中转头姿态校正模型中包含形状校正模型、纹理校正模型和图像变换模型；

其中形状校正模型根据目标用户人脸图像进行人脸形状提取处理，得到用户人脸姿态特征，并根据得到的用户人脸姿态特征进行姿态特征校正，得到校正姿态特征，具体包括：提取目标用户人脸图像的姿态特征：qA＝{(xA1,yA1),(xA2,yA2),…,(xAN,yAN)}，其中，qA表示目标用户人脸图像的姿态特征，(xAn,yAn)表示目标用户人脸图像第n个特征点的坐标值，n＝1,2,…,N，N表示特征点的总数；

根据提取的姿态特征计算姿态偏移量：qdA＝qA‑qmeA；其中qdA表示目标用户人脸图像的姿态偏移量，qmeA表示目标用户人脸图像的平均姿态特征，其中qmeA＝{(xmeA,ymeA),(xmeA,ymeA),…,(xmeA,ymeA)}，(xmeA,ymeA)表示目标用户人脸图像中各特征点的中心点坐标，其中qdA的尺寸为N×1；

计算目标用户人脸图像的转头姿态特征投影： 其中δA表示目标用户人脸图像的转头姿态特征投影，其中 包含有m个标准转头人脸图像的姿态特征的尺寸为N×m； 表示第m个标准转头人脸图像的姿态特征，其中 的尺寸为N×m，则δJ的尺寸为m×1；

根据得到的目标用户人脸图像的转头姿态特征投影计算目标用户人脸图像的标准姿态特征投影： 其中δK表示目标用户人脸图像的标准姿态特征投影，λJ表示标准转头姿态特征投影，其中 其中DJ包含有m个标准转头人脸图像的姿态偏移量 DJ的尺寸为N×m， 表示第m个标准转头人脸图像的姿态偏移量， 表示第m个标准转头人脸图像的平均姿态特征；λK表示标准正头姿态特征投影，其中 其中 包含有m个标准正头人脸图像的姿态特征 的尺寸为N×m， 表示第m个标准转头人脸图像的姿态特征，DK包含有m个标准正头人脸图像的姿态偏移量 DK的尺寸为N×m， 表示第m个标准正头人脸图像的姿态偏移量， 表示第m个标准正头人脸图像的平均姿态特征；

根据目标用户人脸图像的标准姿态特征投影计算校正姿态特征：其中qZ表示目标用户人脸图像的校正姿态特征， 表示标准正头人脸图像的平均姿态特征，纹理校正模型根据目标用户人脸图像进行纹理特征提取处理，得到用户人脸纹理特征，并根据得到的用户人脸纹理特征进行纹理特征校正，得到校正纹理特征，具体包括：提取目标用户人脸图像的纹理特征：HA＝{hA1,hA2,…,hAI}，其中hAi表示目标用户人脸图像第i个像素点的纹理特征值，i＝1,2,…I，I表示像素点的总数；

根据获取的纹理特征计算纹理偏移量：HdA＝HA‑HmeA；其中HdA示目标用户人脸图像的纹理偏移量，HmeA表示目标用户人脸图像的平均纹理特征值，其中根据获取的纹理特征偏移量计算目标用户人脸图像的校正纹理特征：其中，Hz表示目标用户人脸图像的校正纹理特

征，HmeK表示平均标准正头纹理特征，其中HmeK为根据m个标准正头人脸图像的纹理特征的平均值所得， 表示第c个标准正头人脸图像的纹理特征，c＝1,2,…m；μK包含有m个标准正头人脸图像的纹理偏移量， 表示第m标准正头人脸图像的纹理偏移量， 表示第m标准正头人脸图像的纹理特征，表示第m标准正头人脸图像的平均纹理特征值；μJ包含有m个标准转头人脸图像的纹理偏移量， 表示第m标准转头人脸图像的纹理偏移量，表示第m标准转头人脸图像的纹理特征， 表示第m标准转头人脸图像的平均纹理特征值；

图像变换模型根据得到的校正姿态特征和校正纹理特征对目标人脸图像进行变换，得到校正的用户人脸图像，具体包括：根据目标用户人脸图像的校正姿态特征qZ和目标用户人脸图像的校正纹理特征Hz，利用图像拟合模型，对目标用户人脸图像进行迭代变换，以使得目标用户人脸图像对应姿态特征和纹理特征趋近于校正姿态特征qZ和校正纹理特征Hz，最终根据迭代变换的结果得到校正的用户人脸图像。

2.根据权利要求1所述的一种图像处理方法，其特征在于，还包括：S5将用户自定义游戏角色脸部图像应用到标准游戏角色中，生成用户游戏角色。

3.根据权利要求1所述的一种图像处理方法，其特征在于，还包括：SB1接收用户反馈的角色自定义脸部指令，并根据接收到的指令向用户返回可选择的游戏角色脸部模板信息。

4.根据权利要求1所述的一种图像处理方法，其特征在于，步骤S1具体包括：提供多个游戏角色脸部模板供用户选择，其中每个脸部模板设置有对应的游戏角色标准脸部图像，不同的游戏角色标准脸部图像中设置不同的脸部轮廓信息和肤色信息，其中脸部轮廓信息和肤色信息由用户进行调节设置，当用户设置完毕后，接收用户选定的游戏角色标准脸部图像及其对应的脸部轮廓信息和肤色信息。

5.根据权利要求4所述的一种图像处理方法，其特征在于，步骤S2中，对接收到的用户人脸图像进行预处理，包括：S21对接收到的用户人脸图像进行降维和去噪处理，得到第一用户人脸图像；

S22对第一用户人脸图像进行增强调节处理，得到第二用户人脸图像；

S23根据第二用户人脸图像进行边缘检测和分割处理，并对分割得到的人脸图像进行尺寸调节，得到目标人脸图像。

6.根据权利要求1所述的一种图像处理方法，其特征在于，步骤S33中，对用户人脸图像进行歪头校正，包括：根据得到的歪头角度对目标用户人脸图像进行对应的旋转，得到校正的用户人脸图像。

7.根据权利要求1所述的一种图像处理方法，其特征在于，步骤S4包括：S41将校正的用户人脸图像的肤色调整为与游戏角色标准脸部图像的肤色信息对应的肤色，得到肤色调整后的用户人脸图像；

S42将肤色调整后的用户人脸图像与游戏角色标准脸部图像进行泊松融合，得到用户自定义游戏角色脸部图像。

8.一种图像处理系统，其特征在于，包括：

模板信息获取模块，用于接收用户选择的游戏角色脸部模板信息，其中脸部模板信息包括游戏角色标准脸部图像，其中游戏角色标准脸部图像包括脸部轮廓信息和肤色信息；

人脸图像处理模块，用于接收用户上传的用户人脸图像，对接收到的用户人脸图像进行预处理，得到目标人脸图像；

特征处理模块，用于根据得到的目标人脸图像进行特征提取处理，得到用户人脸特征信息，并根据得到的用户人脸特征信息获取校正的用户人脸图像；

图像融合模块，用于将校正的目标人脸图像融合到游戏角色标准脸部图像中，得到用户自定义游戏角色脸部图像；

其中，特征处理模块包括：

根据目标用户人脸图像进行特征点检测处理，获取目标用户人脸图像的关键点信息；

并根据得到的关键点信息计算用户人脸的角度特征，其中计算得到的用户角度特征包括用户的左右转头角度和左右歪头角度；

根据用户人脸的角度特征对目标用户人脸图像进行校正，得到校正的用户人脸图像，包括：当检测到用户的左右转头角度大于设定的转头阈值时，则进一步对用户人脸图像进行转头校正；

当检测到用户的左右歪头角度大于设定的歪头阈值时，则进一步对用户人脸图像进行歪头校正；

其中，特征处理模块中，对用户人脸图像进行转头校正，包括：基于训练好的转头姿态校正模型对目标用户人脸图像进行转头校正，其中转头姿态校正模型的输入为目标用户人脸图像，其中转头姿态校正模型中包含形状校正模型、纹理校正模型和图像变换模型；

其中形状校正模型根据目标用户人脸图像进行人脸形状提取处理，得到用户人脸姿态特征，并根据得到的用户人脸姿态特征进行姿态特征校正，得到校正姿态特征，具体包括：提取目标用户人脸图像的姿态特征：qA＝{(xA1,yA1),(xA2,yA2),…,(xAN,yAN)}，其中，qA表示目标用户人脸图像的姿态特征，(xAn,yAn)表示目标用户人脸图像第n个特征点的坐标值，n＝1,2,…,N，N表示特征点的总数；

根据提取的姿态特征计算姿态偏移量：qdA＝qA‑qmeA；其中qdA表示目标用户人脸图像的姿态偏移量，qmeA表示目标用户人脸图像的平均姿态特征，其中qmeA＝{(xmeA,ymeA),(xmeA,ymeA),…,(xmeA,ymeA)}，(xmeA,ymeA)表示目标用户人脸图像中各特征点的中心点坐标，其中qdA的尺寸为N×1；

计算目标用户人脸图像的转头姿态特征投影： 其中δA表示目标用户人脸图像的转头姿态特征投影，其中 包含有m个标准转头人脸图像的姿态特征的尺寸为N×m； 表示第m个标准转头人脸图像的姿态特征，其中 的尺寸为N×m，则δJ的尺寸为m×1；

根据得到的目标用户人脸图像的转头姿态特征投影计算目标用户人脸图像的标准姿态特征投影： 其中δK表示目标用户人脸图像的标准姿态特征投影，λJ表示标准转头姿态特征投影，其中 其中DJ包含有m个标准转头人脸图像的姿态偏移量 DJ的尺寸为N×m， 表示第m个标准转头人脸图像的姿态偏移量， 表示第m个标准转头人脸图像的平均姿态特征；λK表示标准正头姿态特征投影，其中 其中 包含有m个标准正头人脸图像的姿态特征 的尺寸为N×m， 表示第m个标准转头人脸图像的姿态特征，DK包含有m个标准正头人脸图像的姿态偏移量 DK的尺寸为N×m， 表示第m个标准正头人脸图像的姿态偏移量， 表示第m个标准正头人脸图像的平均姿态特征；

根据目标用户人脸图像的标准姿态特征投影计算校正姿态特征：其中qZ表示目标用户人脸图像的校正姿态特征， 表示标准正头人脸图像的平均姿态特征，纹理校正模型根据目标用户人脸图像进行纹理特征提取处理，得到用户人脸纹理特征，并根据得到的用户人脸纹理特征进行纹理特征校正，得到校正纹理特征，具体包括：提取目标用户人脸图像的纹理特征：HA＝{hA1,hA2,…,hAI}，其中hAi表示目标用户人脸图像第i个像素点的纹理特征值，i＝1,2,…I，I表示像素点的总数；

根据获取的纹理特征计算纹理偏移量：HdA＝HA‑HmeA；其中HdA示目标用户人脸图像的纹理偏移量，HmeA表示目标用户人脸图像的平均纹理特征值，其中根据获取的纹理特征偏移量计算目标用户人脸图像的校正纹理特征：其中，Hz表示目标用户人脸图像的校正纹理

特征，HmeK表示平均标准正头纹理特征，其中HmeK为根据m个标准正头人脸图像的纹理特征的平均值所得， 表示第c个标准正头人脸图像的纹理特征，c＝1,2,…m；μK包含有m个标准正头人脸图像的纹理偏移量， 表示第m标准正头人脸图像的纹理偏移量， 表示第m标准正头人脸图像的纹理特征，表示第m标准正头人脸图像的平均纹理特征值；μJ包含有m个标准转头人脸图像的纹理偏移量， 表示第m标准转头人脸图像的纹理偏移量，表示第m标准转头人脸图像的纹理特征， 表示第m标准转头人脸图像的平均纹理特征值；

图像变换模型根据得到的校正姿态特征和校正纹理特征对目标人脸图像进行变换，得到校正的用户人脸图像，具体包括：根据目标用户人脸图像的校正姿态特征qZ和目标用户人脸图像的校正纹理特征Hz，利用图像拟合模型，对目标用户人脸图像进行迭代变换，以使得目标用户人脸图像对应姿态特征和纹理特征趋近于校正姿态特征qZ和校正纹理特征Hz，最终根据迭代变换的结果得到校正的用户人脸图像。