1.一種關鍵點的定位方法，其特征在于，包括：
采集目標圖像時，按照預設配置在所述目標圖像上生成用于人臉識別定位的目標檢測區(qū)域；
將所述目標檢測區(qū)域對應的第一目標圖像輸入預設的第一模型集合，計算出第一人臉關鍵點的位置和第一置信度；
當所述第一置信度大于等于預設閾值時，獲取所述目標檢測區(qū)域中的所述第一人臉關鍵點的位置對應的第二目標圖像；
將所述第二目標圖像輸入所述預設的第一模型集合，計算出第二置信度，并根據所述第二置信度判定所述第一人臉關鍵點的位置的準確度；
當所述第二置信度大于等于預設準確度時，確定所述第一人臉關鍵點的位置為所述目標圖像的最終人臉關鍵點的位置。
2.根據權利要求1所述的方法，其特征在于，
所述預設的第一模型集合包括：公共分支、關鍵點定位分支和置信度分支，所述關鍵點定位分支和置信度分支分別與所述公共分支級聯(lián)，所述公共分支的輸入為所述第一模型集合的輸入分支，所述關鍵點定位分支和所述置信度分支為所述第一模型集合的兩個輸出分支，所述公共分支為所述預設的第一模型集合建立過程中的圖像特征的數據模型。
3.根據權利要求2所述的方法，其特征在于，所述預設的第一模型集合的建立方法，包括：
獲取人臉關鍵點定位的第一訓練數據，所述第一訓練數據包括人臉圖像與預標定關鍵點坐標的對應關系；
根據所述第一訓練數據，進行所述公共分支和所述關鍵點定位分支的模型參數的訓練，訓練出所述公共分支的模型和所述關鍵點定位分支的模型；
獲取置信度的第二訓練數據，所述第二訓練數據為目標圖像的分類集合；
根據所述第二訓練數據，進行所述置信度分支的模型參數的訓練，訓練出所述置信度分支的模型；
將訓練好的所述關鍵點定位分支的模型、所述置信度分支的模型分別與所述公共分支的模型進行級聯(lián)，成為所述預設的第一模型的集合。
4.根據權利要求3所述的方法，其特征在于，所述將所述目標檢測區(qū)域對應的第一目標圖像輸入預設的第一模型集合，計算出第一人臉關鍵點的位置和第一置信度，包括：
將所述第一目標圖像輸入所述公共分支的模型，提取出第一圖像特征；
將所述第一圖像特征輸入所述關鍵點定位分支的模型，計算出所述第一人臉關鍵點的位置；
將所述第一圖像特征輸入所述關置信度分支的模型，計算出所述第一置信度。
5.根據權利要求3所述的方法，其特征在于，所述將所述第二目標圖像輸入所述預設的第一模型集合，計算出第二置信度，包括：
將所述第二目標圖像輸入所述公共分支的模型，提取出第二圖像特征；
將所述第二圖像特征輸入所述關置信度分支的模型，計算出所述第二置信度。
6.根據權利要求3所述的方法，其特征在于，所述訓練出所述關鍵點定位分支的模型和所述置信度分支的模型之前，所述方法還包括：
將所述關鍵點定位分支的模型和所述置信度分支的模型分別根據預設策略進行誤差修正，確定出修正后的所述關鍵點定位分支的模型和所述置信度分支的模型，以進行人臉關鍵點定位和置信度的確定。
7.根據權利要求1所述的方法，其特征在于，所述計算出第一人臉關鍵點的位置和第一置信度之后，所述方法還包括：
當所述第一置信度小于預設閾值時，確定所述第一人臉關鍵點的位置定位失敗，結束此次人臉關鍵點的定位。
8.一種終端，其特征在于，包括：
生成單元，用于采集單元采集目標圖像時，按照預設配置在所述目標圖像上生成用于人臉識別定位的目標檢測區(qū)域；
輸出單元，用于將所述目標檢測區(qū)域對應的第一目標圖像輸入預設的第一模型集合，計算出第一人臉關鍵點的位置和第一置信度；
獲取單元，用于當所述第一置信度大于等于預設閾值時，獲取所述目標檢測區(qū)域中的所述第一人臉關鍵點的位置對應的第二目標圖像；
所述輸出單元，還用于將所述第二目標圖像輸入所述預設的第一模型集合，計算出第二置信度，
判斷單元，用于根據所述第二置信度判定所述第一人臉關鍵點的位置的準確度；
確定單元，用于當所述第二置信度大于等于預設準確度時，確定所述第一人臉關鍵點的位置為所述目標圖像的最終人臉關鍵點的位置。
9.根據權利要求8所述的終端，其特征在于，
所述預設的第一模型集合包括：公共分支、關鍵點定位分支和置信度分支，所述關鍵點定位分支和置信度分支分別與所述公共分支級聯(lián)，所述公共分支的輸入為所述第一模型集合的輸入分支，所述關鍵點定位分支和所述置信度分支為所述第一模型集合的兩個輸出分支，所述公共分支為所述預設的第一模型集合建立過程中的圖像特征的數據模型。
10.根據權利要求9所述的終端，其特征在于，所述終端還包括：連接單元；
所述獲取單元，還用于獲取人臉關鍵點定位的第一訓練數據，所述第一訓練數據包括人臉圖像與預標定關鍵點坐標的對應關系；
所述輸出單元，還用于根據所述第一訓練數據，進行所述公共分支和所述關鍵點定位分支的模型參數的訓練，訓練出所述公共分支的模型和所述關鍵點定位分支的模型；
所述獲取單元，還用于獲取置信度的第二訓練數據，所述第二訓練數據為目標圖像的分類集合；
所述輸出單元，還用于根據所述第二訓練數據，進行所述置信度分支的模型參數的訓練，訓練出所述置信度分支的模型；
所述連接單元，用于將訓練好的所述關鍵點定位分支的模型、所述置信度分支的模型分別與所述公共分支的模型進行級聯(lián)，成為所述預設的第一模型的集合。
11.根據權利要求10所述的終端，其特征在于，
所述輸出單元，具體用于將所述第一目標圖像輸入所述公共分支的模型，提取出第一圖像特征；將所述第一圖像特征輸入所述關鍵點定位分支的模型，計算出所述第一人臉關鍵點的位置；將所述第一圖像特征輸入所述關置信度分支的模型，計算出所述第一置信度。
12.根據權利要求10所述的終端，其特征在于，
所述輸出單元，具體用于將所述第二目標圖像輸入所述公共分支的模型，提取出第二圖像特征；將所述第二圖像特征輸入所述關置信度分支的模型，計算出所述第二置信度。
13.根據權利要求10所述的終端，其特征在于，所述終端還包括：修正單元；
所述修正單元，用于所述訓練出所述關鍵點定位分支的模型和所述置信度分支的模型之前，將所述關鍵點定位分支的模型和所述置信度分支的模型分別根據預設策略進行誤差修正，確定出修正后的所述關鍵點定位分支的模型和所述置信度分支的模型，以進行人臉關鍵點定位和置信度的確定。
14.根據權利要求8所述的終端，其特征在于，
所述確定單元，還用于所述計算出第一人臉關鍵點的位置和第一置信度之后，當所述第一置信度小于預設閾值時，確定所述第一人臉關鍵點的位置定位失敗，結束此次人臉關鍵點的定位。