1.一种多人脸快速识别方法，其特征在于，包括如下步骤：
步骤1：获得原始图像，将原始图像缩放至不同大小的若干张图像，得到缩放图像；
步骤2：采用第一预设截图窗口分别对每张缩放图像进行滑动截取，直至将缩放图像的所有区域均截取完成，每张缩放图像经过截取后得到若干张截取图像；
步骤3：分别将各张截取后的截取图像输入至神经网络进行分类处理，每一张截取图像对应得到一张分类图像，每一张分类图像均包含三个结果：有无人脸、人脸边框在截取图像中的相对坐标a和人脸关键点在截取图像中的坐标b，根据相对坐标a和坐标b最终确定人脸在原始图像中坐标，得到人脸坐标，
若同一张缩放图像下至少有一张截取图像存在人脸，则该缩放图像保留，否则，舍弃该缩放图像，保留后的缩放图像记为有效缩放图像，
对包括人脸的多张截取图像进行判定为是否同属于同一张人脸，从而确定出每一张缩放图像的人脸数量；
步骤4：采用第二预设截图窗口对有效缩放图像重新依次按步骤2和步骤3进行处理，得到新的有效缩放图像；
步骤5：采用第三预设截图窗口对步骤4得到的新的有效缩放图像再次按步骤2和步骤3进行处理，得到最终的有效缩放图像，
最终的有效缩放图像中，若各张缩放图像的人脸数量不相同，则取最多人脸数量作为最终识别出的人脸数量，并确定出每个人脸的人脸坐标，
其中，第一预设截图窗口、第二预设截图窗口和第三预设截图窗口的窗口尺寸依次递增；
步骤6：根据人脸坐标，将原始图像中的每个单独的人脸裁剪下来，得到对应的单人脸图像，并将所有的单人脸图像转换为统一格式，转换为统一格式后的单人脸图像作为训练数据，输入至卷积神经网络进行训练，得到训练后的卷积神经网络，训练后的卷积神经网络作为人脸分类神经网络，
其中，按如下步骤对卷积神经网络进行训练，以得到训练后的卷积神经网络，即得到人脸分类神经网络：
对原始图像上的各个人脸进行标定，作为训练用的训练数据，
卷积神经网络对训练按步骤2-步骤5进行训练，得到训练结果，并根据训练结果和训练数据进行比较，根据比较结果进行重复训练，以不断校正比较结果，直至训练结果达标；
步骤7：将待测人脸图像作为原始图像按步骤1-步骤5进行处理，得到待测的人脸图像，然后将待测的单人脸图像输入至人脸分类神经网络进行识别，完成多人脸识别。
2.根据权利要求1所述的多人脸快速识别方法，其特征在于，所述步骤6中，采用opencv将原始图像中的每个单独的人脸裁剪下来。
3.根据权利要求1所述的多人脸快速识别方法，其特征在于，所述步骤3中，对包括人脸的多张截取图像进行判定为是否同属于同一张人脸，从而确定出每一张缩放图像的人脸数量，其具体实现过程包括如下步骤：
根据相对坐标a和坐标b计算出任意两张截取图像的距离，记为相距距离，若相距距离在预设距离范围内，判定当前两张截取图像属于同一张人脸，否则，判定当前两张截取图像分属于不同人脸。
4.根据权利要求1所述的多人脸快速识别方法，其特征在于，所述步骤6中，所述第一预设截图窗口的大小为12*12。
5.根据权利要求1所述的多人脸快速识别方法，其特征在于，所述步骤2中，采用第一预设截图窗口分别对每张缩放图像进行滑动截取的实现过程按如下步骤进行：
第一预设截图窗口从缩放图像的某个位置依次向相邻区域进行滑动，以使得当前第一预设截图窗口当前所占区域和下一个所占区域不重叠且紧相贴，第一预设截图窗口在缩放图像上的区域形成截取后的图像，相邻区域是指，第一预设截图窗口所占位置的紧邻的下一个第一预设截图窗口所占区域，相邻的两个所占位置不重叠且紧相贴。
6.一种处理终端，其特征在于，其包括：
存储器，用于存储程序指令；
处理器，用于运行所述程序指令，以执行如权利要求1-5任一项所述的多人脸快速识别方法的步骤。