1.一种人群社会关系提取方法，其特征在于，包括以下步骤：

S1、给定一个元组(s,h,t,gh,gt)，其中s代表文本信息，h表示头部实体，t表示尾部实体，gh表示包含头部实体的面部图像，gt表示包含尾部实体的面部图像；所述头部实体指参照者，所述尾部实体指需要判断的与参照者存在社会关系的人；

S2、使用预训练的语言模型提取所述文本信息的特征向量，得到文本特征向量；对所述头部实体的面部图像和尾部实体的面部图像进行编码，得到编码后的特征向量；

S3、利用跨模态编码器融合所述文本特征向量和编码后的特征向量，所述跨模态特征编码器包括六个卷积模块和两个全连接层，最后一个全连接层输出特征融合所需要的权重参数，将文本特征向量和编码后的面部特征向量进行集成，即首先将文本特征和面部特征进行融合，然后对融合的特征进行归一化处理以避免梯度消失或爆炸；对融合后的特征进行归一化处理后得到特征X，特征X的表达式为：X＝LayerNorm[O]，wi代表为每个输入增加的一个额外的权重，Ii包括文本特征和面部

图像特征，LayerNorm表示标准化操作；

S4、将归一化后的特征作为跨域少样本模块的输入，预测所述文本信息和面部图像之间的社会关系，将概率最大的社会关系作为输出结果。

2.根据权利要求1所述的人群社会关系提取方法，其特征在于，步骤S2中，所述预训练的语言模型为Bert模型。

3.根据权利要求1所述的人群社会关系提取方法，其特征在于，步骤S2中，编码后的特征向量的获取过程包括：对于一张包含两个存在社会关系的人的图片，提取图片中头部实体的面部图像和尾部实体的面部图像；

将头部实体的面部图像和尾部实体的面部图像输入FaceNet网络，得到编码后的特征向量。

4.根据权利要求1所述的人群社会关系提取方法，其特征在于，所述跨模态编码器包括多个级联的卷积模块，最后一个卷积模块与至少一个级联的全连接层连接。

5.根据权利要求1所述的人群社会关系提取方法，其特征在于，步骤S4中，对所述跨域少样本模块的输出进行N way K shot设置，预测所述文本信息和面部图像之间的社会关系。

6.一种终端设备，包括存储器、处理器及存储在存储器上的计算机程序；其特征在于，所述处理器执行所述计算机程序，以实现权利要求1～5之一所述方法的步骤。

7.一种计算机可读存储介质，其上存储有计算机程序/指令；其特征在于，所述计算机程序/指令被处理器执行时实现权利要求1～5之一所述方法的步骤。