1.一种基于面部组织氧饱和度数据进行情感识别的方法，其特征在于，所述方法包括：对采集的初始数据进行预处理，得到标准生理信号数据；其中，所述标准生理信号数据为标准面部组织氧饱和度数据；

对每个所述标准生理信号数据进行特征提取，得到目标编码特征；

将所述目标编码特征输入深度学习模型中进行情感识别，得到情感结果；

所述对每个所述标准生理信号数据进行特征提取，得到目标编码特征，包括：获取包含产生情感前的基线数据和产生情感后的情感数据的所述标准生理信号数据；基于所述标准生理信号数据进行聚类分析，得到所述目标编码特征；

其中，所述目标编码特征包括：强度差异编码特征；所述基于所述标准生理信号数据进行聚类分析，得到所述目标编码特征，包括：基于所述基线数据和所述情感数据进行分别进行聚类分析，将聚类后的情感数据减去聚类后的基线数据，得到所述强度差异编码特征。

2.根据权利要求1所述的方法，其特征在于，其中，所述目标编码特征包括：直方差异编码特征；

所述基于所述标准生理信号数据进行聚类分析，得到所述目标编码特征，还包括：基于所述强度差异编码特征进行直方图处理，得到所述直方差异编码特征。

3.根据权利要求1所述的方法，其特征在于，其中，所述目标编码特征包括：掩膜差异编码特征；

所述基于所述标准生理信号数据进行聚类分析，得到所述目标编码特征，还包括：基于所述基线数据和所述情感数据，计算面部差异值数据，计算方式包括：OD＝D‑B+100；

其中，OD为所述面部差异值数据，D为产生情感后的所述情感数据，B为产生情感前的所述基线数据，100为原始面部组织氧饱和度数据的数值变化范围；

根据所述强度差异编码特征进行缩放处理，得到掩膜数据，缩放处理包括：其中，mask(i,j)为所述掩膜数据，n为大于等于1的正数，表示缩放比例，缩放操作包括放大和缩小，k表示面部组织氧饱和度数据的等级数量；强度差异编码特征等于k时，表示所述情感数据与所述基线数据的面部组织氧饱和度数据等级相同，无变化，对应的mask数值点为1；小于k的强度差异编码特征表示所述情感数据的面部组织氧饱和度数据等级下降，对应mask的数值小于1；大于k的强度差异编码特征表示所述情感数据的面部组织氧饱和度数据等级上升，对应mask的数值大于1；

基于所述掩膜数据与所述面部差异值数据进行计算，得到所述掩膜差异编码特征，包括：将所述掩膜数据与所述面部差异值数据相乘，得到所述掩膜差异编码特征。

4.根据权利要求1所述的方法，其特征在于，所述对采集的初始数据进行预处理，得到标准生理信号数据，包括：获取基于光谱成像技术采集的被测人物观看情感材料前后的原始面部图像；其中，所述原始面部图像包括观看所述情感材料前的第一面部数据和观看所述情感材料后的第二面部数据；

获取所述被测人物基于所述情感材料确定的评分数据；

基于预设的筛选规则和所述评分数据对所述原始面部图像进行筛选，得到有效的所述初始数据；

对所述初始数据进行提取，得到初始生理信号数据；

对所述初始生理信号数据进行配准，得到所述标准生理信号数据。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：确定所述标准生理信号数据对应的情感标签；

根据所述情感标签对所述情感结果进行验证。

6.一种基于面部组织氧饱和度数据进行情感识别的装置，其特征在于，所述装置包括：预处理模块、特征提取模块和识别模块；

所述预处理模块用于对采集的初始数据进行预处理，得到标准生理信号数据；其中，所述标准生理信号数据为标准面部组织氧饱和度数据；

所述特征提取模块用于对每个所述标准生理信号数据进行特征提取，得到目标编码特征；

所述识别模块用于将所述目标编码特征输入深度学习模型中进行情感识别，得到情感结果；

其中，所述特征提取模块具体用于：获取包含产生情感前的基线数据和产生情感后的情感数据的所述标准生理信号数据；基于所述标准生理信号数据进行聚类分析，得到所述目标编码特征；

其中，所述目标编码特征包括：强度差异编码特征；所述特征提取模块具体用于：基于所述基线数据和所述情感数据进行分别进行聚类分析，将聚类后的情感数据减去聚类后的基线数据，得到所述强度差异编码特征。

7.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器中存储有程序指令，所述处理器运行所述程序指令时，执行权利要求1‑5中任一项所述方法中的步骤。

8.一种计算机可读取存储介质，其特征在于，所述可读取存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器运行时，执行权利要求1‑5任一项所述方法中的步骤。