技术特征：
1.一种人脸活体检测方法，其特征在于，所述方法包括：获取待分类影像的影像距离序列；所述影像距离序列用于表征对拍摄对象进行拍摄时，所述拍摄对象与拍摄设备之间的距离变化顺序，所述影像距离序列为根据所述待分类影像中的面部关键点发散程度所确定的序列；获取所述待分类影像在拍摄时的引导距离序列；所述引导距离序列为引导所述拍摄对象进行拍摄以形成所述待分类影像的距离变化顺序；根据所述影像距离序列和所述引导距离序列，确定所述影像距离序列和所述引导距离序列的匹配度量化值；根据所述匹配度量化值，确定与所述匹配度量化值对应的所述待分类影像的活体检测结果。2.根据权利要求1所述的方法，其特征在于，所述待分类影像包括待分类视频和/或待分类图像集；所述获取待分类影像的影像距离序列，包括：获取所述待分类影像中每个图像的面部关键点发散程度，构成关键点发散距离序列；根据所述关键点发散距离序列中的每个所述面部关键点发散程度，和预设的距离类别基准进行比对，得到所述待分类影像的距离类别序列；所述距离类别序列用于表征所述待分类影像中每个图像所属的距离类别；将所述距离类别序列进行去重处理，得到所述影像距离序列。3.根据权利要求2所述的方法，其特征在于，所述获取所述待分类影像中每个图像的面部关键点发散程度，包括：根据所述待分类影像的每个图像中的基准关键点的坐标，和所述关键点集合中每个关键点的坐标，确定所述关键点集合中每个关键点与基准关键点之间的关键点距离；将所有所述关键点距离进行均值计算，得到表征所述面部关键点发散程度的面部关键点发散距离。4.根据权利要求2或3所述的方法，其特征在于，所述根据所述关键点发散距离序列中的每个所述面部关键点发散程度，和预设的距离类别基准进行比对，得到所述待分类影像的距离类别序列之前，还包括：获取多个样本图像中面部关键点的坐标；所述样本图像为标注不同的距离类别的图像；根据每个所述样本图像中面部关键点的坐标，确定每个所述样本图像的样本面部关键点发散距离；根据所述样本面部关键点发散距离和所述样本图像所标注的距离类别，生成所述距离类别基准。5.根据权利要求1所述的方法，其特征在于，获取所述待分类影像在拍摄时的引导距离序列，包括：从预设的距离类别序列中随机选择出第一距离类别，并对所述第一距离类别执行影像匹配操作，得到与所述第一距离类别匹配的第一影像；从所述距离类别序列中选择出第二距离类别，并对所述第二距离类别执行所述影像匹配操作，得到与所述第二距离类别匹配的第二影像；所述第二距离类别与所述第一距离类别相同或相邻；
继续从所述距离类别序列中依次选择第n距离类别，并依次对所述第n距离类别执行所述影像匹配操作，分别得到与所述第n距离类别匹配的第n影像；其中，所述第n距离类别与所述第n-1距离类别相同或相邻，n依次选取大于2的自然数；根据所述第一距离类别、所述第二距离类别至所述第n距离类别的时间顺序，确定所述引导距离序列；其中，所述影像匹配操作包括：获取当前影像中的面部宽度；判断所述当前影像中的面部宽度和所述当前影像中当前人脸提示框的宽度之差，是否小于或等于预设的宽度差阈值；若是，则将所述当前影像作为与距离类别匹配的影像；若否，则继续获取所述当前影像的下一时刻影像中的面部宽度，并判断所述下一时刻影像中的面部宽度和所述当前人脸提示框的宽度之差，是否小于或等于所述宽度差阈值，若是，则将所述下一时刻影像作为与距离类别匹配的影像，若否，则继续获取再下一个时刻影像中的面部宽度，直至获取到与距离类别匹配的影像为止。6.根据权利要求5所述的方法，其特征在于，所述根据所述第一距离类别、所述第二距离类别至所述第n距离类别的时间顺序，确定所述引导距离序列，包括：将所述第一距离类别到所述第n距离类别按照时间顺序进行排列，得到初始引导距离序列；将所述初始引导距离序列进行去重处理，生成所述引导距离序列。7.根据权利要求1所述的方法，其特征在于，所述根据所述匹配度量化值，确定所述待分类影像的活体检测结果，包括：判断所述匹配度量化值是否大于或等于预设的第一匹配度阈值；若是，则确定所述待分类影像的活体检测结果为真实活体；若否，则确定所述待分类影像的活体检测结果为虚假活体。8.根据权利要求1所述的方法，其特征在于，所述根据所述匹配度量化值，确定所述待分类影像的活体检测结果，包括：判断所述匹配度量化值是否大于或等于预设的第一匹配度阈值；当所述匹配度量化值大于或等于预设的第一匹配度阈值时，获取静默活体检测量化值；判断所述静默活体检测量化值是否大于或等于预设的第二匹配度阈值；若是，则确定所述待分类影像的活体检测结果为真实活体；若否，则确定所述待分类影像的活体检测结果为虚假活体。9.根据权利要求8所述的方法，其特征在于，所述获取静默活体检测量化值，包括：将所述待分类影像输入预设的静默活体检测模型中，得到所述待分类影像的所述静默活体检测量化值；所述静默活体检测模型为经过深度学习的神经网络模型。10.一种图像分类方法，其特征在于，所述方法包括：获取待分类图像中的面部关键点发散距离；所述面部关键点发散距离为预设的关键点集合中，每个关键点与基准关键点之间的距离的平均值；根据所述关键点发散距离和预设的距离类别基准进行比对，得到所述待分类图像的距
离类别。11.根据权利要求10所述的方法，其特征在于，所述根据所述关键点发散距离和预设的距离类别基准进行比对，得到所述待分类图像的距离类别之前，还包括：获取多个样本图像中面部关键点的坐标；所述样本图像为标注不同的距离类别的图像；根据每个所述样本图像中面部关键点的坐标，确定每个所述样本图像的样本面部关键点发散距离；根据所述样本面部关键点发散距离和所述样本图像所标注的距离类别，生成所述距离类别基准。12.根据权利要求10或11所述的方法，其特征在于，所述距离类别包括远距离、中距离和近距离。13.一种人脸活体检测装置，其特征在于，所述装置包括：处理模块，用于获取待分类影像的影像距离序列；所述影像距离序列用于表征对拍摄对象进行拍摄时，所述拍摄对象与拍摄设备之间的距离变化顺序，所述影像距离序列为根据所述待分类影像中的面部关键点发散程度所确定的序列；获取模块，用于获取所述待分类影像在拍摄时的引导距离序列；所述引导距离序列为引导所述拍摄对象进行拍摄以形成所述待分类影像的距离变化顺序；确定模块，用于根据所述影像距离序列和所述引导距离序列，确定所述影像距离序列和所述引导距离序列的匹配度量化值；分类模块，用于根据所述匹配度量化值，确定与所述匹配度量化值对应的所述待分类影像的活体检测结果。14.一种图像分类装置，其特征在于，所述装置包括：获取模块，用于获取待分类图像中的面部关键点发散距离；所述面部关键点发散距离为预设的关键点集合中，每个关键点与基准关键点之间的距离的平均值；处理模块，用于根据所述关键点发散距离和预设的距离类别基准进行比对，得到所述待分类图像的距离类别。15.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至12中任一项所述方法的步骤。16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至12中任一项所述的方法的步骤。