1.一种人脸特征提取方法，其特征是：包括以下步骤：

S100、获取人脸图像，获取训练完成的特征提取网络模型；所述特征提取网络模型中依次设有基础操作层、深调特征提取单体和特征整形单元，所述深调特征提取单体为多个，多个所述深调特征提取单体依次串联设置；

S200、将所述人脸图像输入所述特征提取网络模型，利用所述基础操作层提取所述人脸图像的基础特征信息，然后生成基础特征图；

S300、将所述基础特征图输入第一个所述深调特征提取单体，经过特征提取操作后，第一个所述深调特征提取单体输出一级特征图；

S400、下一个所述深调特征提取单体以其上游的深调特征提取单体输出的特征图作为输入，然后进行特征提取操作，生成并输出相应的中间特征图；

S500、不断重复步骤S400，直到最后一个所述深调特征提取单体生成并输出末级特征图；

S600、将所述末级特征图输入所述特征整形单元，经过对所述末级特征图进行整形操作后，生成得到人脸特征向量，完成人脸特征提取；

其中，所述深调特征提取单体内部的计算操作过程表示为如下数学模型：

HT1＝RL1(Cvt1(IN))

HT2＝RL2(Cvt2(MO1(HT1)×HTl))

HT3＝RL3(Cvt3(MO2(HT2)×HT2))

HT4＝MO3(HT3)×HT3

BT＝fX(HT1，HT2，HT3)

HT5＝(MO4(BT)×BT)+HT4

OU＝Tra(MO5(ka1，ka2，ka3，bw1，bw2)×HT5)

其中，IN代表输入所述深调特征提取单体的前驱特征图，Cvt1、Cvt2和Cvt3分别代表第一卷积运算、第二卷积运算和第三卷积运算，MO1、MO2、MO3、MO4和MO5分别表示第一注意力模块、第二注意力模块、第三注意力模块、第四注意力模块和第五注意力模块，×表示元素对应乘积运算，RL1、RL2和RL3分别表示第一激活函数、第二激活函数和第三激活函数，HT1、HT2和HT3分别表示RL1、RL2和RL3激活后生成的第一特征图、第二特征图和第三特征图，HT4表示所述第三注意力模块对第三特征图校准后得到的第四特征图，fX表示多尺度融合单元，BT表示所述多尺度融合单元将第一特征图、第二特征图和第三特征图融合后生成的旁支特征图，HT5为所述第四注意力模块将旁支特征图校准后与第四特征图相加得到的第五特征图，ka1表示从所述第一注意力模块中输出的第一过程特征图，ka2表示从所述第二注意力模块中输出的第二过程特征图，ka3表示从所述第三注意力模块中输出的第三过程特征图，bw1和bw2分别代表第四过程特征图和第五过程特征图，所述第四过程特征图和所述第五过程特征图均是从所述第四注意力模块中输出，Tra表示变维单元，所述变维单元用于增大特征图通道数量、且降低特征图宽度和高度尺寸，OU代表所述深调特征提取单体输出的后驱特征图；

所述多尺度融合单元内部运算操作过程表示为如下数学模型：

tm1＝HT1+HT2+HT3

tm2＝HT1×HT2×HT3

tm3＝RL4(Cvt4([tm1，tm2]))

BT＝RL5(Cvt5([tm3，HT1，HT2，HT3]))

其中，HT1、HT2和HT3分别表示第一特征图、第二特征图和第三特征图，所述多尺度融合单元以第一特征图、第二特征图和第三特征图作为输入，BT表示旁支特征图，所述旁支特征图作为所述多尺度融合单元的输出，×表示元素对应乘积运算，tm1代表第一特征图、第二特征图和第三特征图相加后生成的第一溶融特征图，tm2代表第一特征图、第二特征图和第三特征图做元素对应乘积后生成的第二溶融特征图，[·]表示将特征图拼接起来，Cvt4和Cvt5分别表示第四卷积运算和第五卷积运算，第四卷积运算和第五卷积运算的卷积核尺寸均为1*1、且步长均为1，RL4和RL5分别表示第四激活函数和第五激活函数，第四激活函数和第五激活函数均为ReLU函数，tm3代表第四激活函数激活后生成的第三溶融特征图；

所述第五注意力模块的数学模型为：

AF1＝[ka1，ka2，ka3]

AF2＝λB1(B1F(bw1))

AF3＝λB2(B2F(bw2))

WA＝λB3(fB(AF1×AF2×AF3))

其中，ka1、ka2、ka3、bw1和bw2分别表示输入第五注意力模块的所述第一过程特征图、所述第二过程特征图、所述第三过程特征图、所述第四过程特征图和第五过程特征图，[·]表示对其中的特征图做拼接操作，AF1表示将所述第一过程特征图、所述第二过程特征图和所述第三过程特征图拼接后生成的第一内参特征图，B1F和B2F分别表示第一桥接全连接层和第二桥接全连接层，λB1、λB2和λB3分别表示第一桥接激活函数、第二桥接激活函数和整合激活函数，AF2和AF3分别表示第一桥接激活函数和第二桥接激活函数激活后生成的第二内参特征图和第三内参特征图，×表示元素对应乘积运算，fB表示整合池化层，所述整合池化层用于对特征图在通道方向做全局最大池化操作，WA表示所述第五注意力模块输出的整合注意力图。

2.根据权利要求1所述的人脸特征提取方法，其特征是：所述第一卷积运算、所述第二卷积运算和所述第三卷积运算的卷积核尺寸均为3*3、且步长均为1；所述第一激活函数，所述第二激活函数和所述第三激活函数均为ReLU函数。

3.根据权利要求1所述的人脸特征提取方法，其特征是：所述第一注意力模块、所述第二注意力模块和所述第三注意力模块中均设有层级池化层和层级激活函数，所述层级池化层设于所述层级激活函数的上游端，所述层级池化层用于对特征图在通道方向做全局最大池化操作，所述层级激活函数为sigmoid；

所述第一过程特征图、所述第二过程特征图和所述第三过程特征图分别为所述第一注意力模块、所述第二注意力模块和所述第三注意力模块中的层级池化层操作后输出的矩阵。

4.根据权利要求3所述的人脸特征提取方法，其特征是：所述第四注意力模块内部依次设有分支池化层、引入全连接层、引入激活层、引出全连接层和引出激活层；所述分支池化层用于对特征图在空间方向做全局最大池化操作，所述引入激活层为非线性激活函数ReLU，所述引出激活层为非线性激活函数sigmoid；

所述第四过程特征图为所述分支池化层操作后输出的向量，所述第五过程特征图为所述引出激活层激活后输出的向量。

5.根据权利要求1所述的人脸特征提取方法，其特征是：所述变维单元包括依次设置的变维卷积层、变维激活层和变维池化层，所述变维卷积层的卷积核尺寸为3*3、步长为1，所述变维激活层为ReLU函数，所述变维池化层用于对特征图做最大池化操作，所述变维池化层的池化窗口尺寸为2*2、步长为2。

6.根据权利要求1所述的人脸特征提取方法，其特征是：所述特征整形单元包括顺次连接的整形池化层、主干全连接层和整形激活层，所述整形池化层用于对特征图在空间方向做全局平均池化操作，所述整形激活层为sigmoid函数。

7.一种人脸特征提取设备，包括处理器和存储器，所述存储器储存有计算机程序，其特征是：所述处理器通过加载所述计算机程序，用于执行如权利要求1至6任一项所述的人脸特征提取方法。

8.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的人脸特征提取方法。