1.一种人脸静默活体检测方法，其特征在于，所述方法包括：
训练预先构建的分类模型，其中：
所述分类模型包括若干层的卷积神经网络，前一层的每一个卷积神经网络在后一层都对应有两个卷积神经网络，前一层的一个卷积神经网络能够将输入该卷积神经网络的人脸图像分类为活体和假体两类，后一层的与前一层该神经网络对应的两个神经网络中的第一个能够将被前一层卷积神经网络分类为假体的人脸图像继续分类为活体和假体两类，后一层的与前一层该神经网络对应的两个神经网络中的第二个能够将被前一层卷积神经网络分类为活体的人脸图像继续分类为活体和假体两类；
获取待检测人脸图像并对所述待检测人脸图像进行预处理；
将预处理后的人脸图像输入所述分类模型，得到活体检测结果；
其中，所述分类模型通过如下方法训练得到：
使用第一样本集训练分类模型的第一层卷积神经网络，所述第一样本集包括假体图像和活体图像；
使用第二样本集训练第二层中与第一层卷积神经网络对应的两个卷积神经网络中的第一个，所述第二样本集包括假体图像和活体图像，所述假体图像包括被所述第一层卷积神经网络分类为活体的假体图像；
使用第三样本集训练第二层中与第一层卷积神经网络对应的两个卷积神经网络中的第二个，所述第三样本集包括假体图像和活体图像，所述活体图像包括被所述第一层卷积神经网络分类为假体的活体图像；
以此类推，直至训练完最后一层的卷积神经网络。
2.根据权利要求1所述的人脸静默活体检测方法，其特征在于，所述预处理包括：
通过人脸检测算法检测出代表人脸区域的人脸检测框；
通过人脸定位算法定位出包括左右眼睛的人脸关键点；
根据左右眼睛坐标进行人脸对齐；
将对齐后的人脸图像进行归一化处理，得到预处理后的人脸图像。
3.根据权利要求2所述的人脸静默活体检测方法，其特征在于，所述预处理还包括：
获取人脸的俯仰姿态角、摇头姿态角和转头姿态角；
所述将预处理后的人脸图像输入所述分类模型之前还包括人脸大小检测和/或人脸姿态检测，若所述人脸大小检测通过和/或人脸姿态检测通过，则继续执行下一步，否则，判断人脸图像为假体，结束；
所述人脸大小检测包括：判断所述人脸检测框的宽度和高度是否分别均在预设的宽度范围和高度范围内，若是，则人脸大小检测通过；
所述人脸姿态检测包括：判断所述人脸的俯仰姿态角、摇头姿态角和转头姿态角是否分别均在预设的俯仰姿态角范围、摇头姿态角范围和转头姿态角范围内，若是，则人脸姿态检测通过。
4.根据权利要求1-3任一所述的人脸静默活体检测方法，其特征在于，每个卷积神经网络的结构相同或不同，其中一个或多个卷积神经网络的结构包括依次相连的第一卷积层、第一池化层、第一rnorm层、第二卷积层、第三卷积层、第二rnorm层、第二池化层、第一inception模块、第二inception模块、第三池化层、第三inception模块、第四inception模块、第五inception模块、第六inception模块、第七inception模块、第四池化层、第八inception模块、第九inception模块、第五池化层。
5.一种人脸静默活体检测装置，其特征在于，所述装置包括：
训练模块，用于训练预先构建的分类模型，其中：
所述分类模型包括若干层的卷积神经网络，前一层的每一个卷积神经网络在后一层都对应有两个卷积神经网络，前一层的一个卷积神经网络能够将输入该卷积神经网络的人脸图像分类为活体和假体两类，后一层的与前一层该神经网络对应的两个神经网络中的第一个能够将被前一层卷积神经网络分类为假体的人脸图像继续分类为活体和假体两类，后一层的与前一层该神经网络对应的两个神经网络中的第二个能够将被前一层卷积神经网络分类为活体的人脸图像继续分类为活体和假体两类；
预处理模块，用于获取待检测人脸图像并对所述待检测人脸图像进行预处理；
分类模块，用于将预处理后的人脸图像输入所述分类模型，得到活体检测结果；
其中，所述分类模型通过如下单元训练得到：
第一训练单元，用于使用第一样本集训练分类模型的第一层卷积神经网络，所述第一样本集包括假体图像和活体图像；
第二训练单元，用于使用第二样本集训练第二层中与第一层卷积神经网络对应的两个卷积神经网络中的第一个，所述第二样本集包括假体图像和活体图像，所述假体图像包括被所述第一层卷积神经网络分类为活体的假体图像；
第三训练单元，用于使用第三样本集训练第二层中与第一层卷积神经网络对应的两个卷积神经网络中的第二个，所述第三样本集包括假体图像和活体图像，所述活体图像包括被所述第一层卷积神经网络分类为假体的活体图像；
以此类推，直至使用第n训练单元训练完最后一层的卷积神经网络，其中n为卷积神经网络的个数。
6.根据权利要求5所述的人脸静默活体检测装置，其特征在于，所述预处理模块包括：
人脸检测单元，用于通过人脸检测算法检测出代表人脸区域的人脸检测框；
人脸定位单元，用于通过人脸定位算法定位出包括左右眼睛的人脸关键点；
人脸对齐单元，用于根据左右眼睛坐标进行人脸对齐；
归一化单元，用于将对齐后的人脸图像进行归一化处理，得到预处理后的人脸图像。
7.根据权利要求6所述的人脸静默活体检测方法，其特征在于，所述预处理模块还包括：
姿态角获取单元，用于获取人脸的俯仰姿态角、摇头姿态角和转头姿态角；
所述预处理模块和分类模块之间还连接有人脸大小检测模块和/或人脸姿态检测模块，若所述人脸大小检测通过和/或人脸姿态检测通过，则继续执行所述分类模块，否则，判断人脸图像为假体，结束；
所述人脸大小检测模块包括：判断所述人脸检测框的宽度和高度是否分别均在预设的宽度范围和高度范围内，若是，则人脸大小检测通过；
所述人脸姿态检测模块包括：判断所述人脸的俯仰姿态角、摇头姿态角和转头姿态角是否分别均在预设的俯仰姿态角范围、摇头姿态角范围和转头姿态角范围内，若是，则人脸姿态检测通过。
8.根据权利要求5-7任一所述的人脸静默活体检测装置，其特征在于，每个卷积神经网络的结构相同或不同，其中一个或多个卷积神经网络的结构包括依次相连的第一卷积层、第一池化层、第一rnorm层、第二卷积层、第三卷积层、第二rnorm层、第二池化层、第一inception模块、第二inception模块、第三池化层、第三inception模块、第四inception模块、第五inception模块、第六inception模块、第七inception模块、第四池化层、第八inception模块、第九inception模块、第五池化层。
9.一种用于人脸静默活体检测的计算机可读存储介质，其特征在于，包括用于存储处理器可执行指令的存储器，所述指令被所述处理器执行时实现包括权利要求1-4任一所述人脸静默活体检测方法的步骤。
10.一种用于人脸静默活体检测的设备，其特征在于，包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现权利要求1-4中任意一项所述人脸静默活体检测方法的步骤。