1.一種眼底身份識別模型訓練方法，其特征在于，包括以下步驟：

步驟一、對眼底圖像進行預處理：

對每個眼底圖像進行裁邊處理，移除背景中大片的黑色像素，眼底圖像均被裁剪到最小的能夠包含整個圓形眼底的矩形，使用旋轉，平移，放大和主成分變換顏色增強來對眼底圖像進行數據增強；

步驟二、獲取訓練數據，利用計算機視覺算法或機器學習算法對眼底特征進行提取：

所述訓練數據包括基于眼底圖像進行特征提取而得到的第一眼底特征圖像、第二眼底特征圖像以及第三眼底特征圖像，其中所述第二眼底特征圖像與所述第一眼底特征圖像為同眼眼底圖像，所述第三眼底特征圖像與所述第一眼底特征圖像為不同眼眼底圖像；所述眼底特征圖像為視盤圖像、黃斑圖像、眼底血管圖像中的一種圖像，或者包括血管分叉點位置和方向、血管交叉點位置和方向、血管向量圖；

獲取所述眼底特征圖像包括利用具有語義分割能力的分割神經網絡將眼底圖像樣本劃分為多個圖像塊，并利用分割模型得到包含眼底特征置信度的概率圖或二值化圖像，所述分割神經網絡是FCN、SegNet或DeepLab神經網絡，采用兩種像素值分別表達背景和血管影像，將所述二值圖像塊拼接成所述眼底血管圖像，作為訓練數據；

或者直接從眼底圖像中直接提取血管分叉點位置和方向、血管交叉點位置和方向、血管向量圖作為訓練數據；

步驟三、利用眼底身份識別模型對所述第一眼底特征圖像、第二眼底特征圖像和所述第三眼底特征圖像進行識別得到損失值；

步驟四、根據所述損失值調整所述眼底身份識別模型的參數。