1.一种基于主动防御图像对抗攻击的人脸识别方法，包括以下步骤：(1)将人脸视频截取成帧图像，经IS-FDC方法分割后添加人脸标签，以建立人脸库；

(2)利用FaceNet模型提取静态帧图像的脸部特征；

(3)利用LSTM网络提取人脸视频的行为特征后，将行为特征输入至AlexNet模型中，经提取获得微表情特征；

(4)将脸部特征与微表情特征拼接获得最终脸部特征，根据人脸库中存储的人脸标签确定该最终脸部特征对应的人脸标签。

2.如权利要求1所述的基于主动防御图像对抗攻击的人脸识别方法，其特征在于，步骤(1)包括：(1-1)按照每秒51帧的频率将人脸视频截取成帧图像；

(1-2)采用IS-FDC方法将帧图像分割成区域图和轮廓图；

(1-3)并对每个区域图和轮廓图添加人脸标签，该人脸标签与对应的帧图像、区域图以及轮廓图形成一个链表，构成人脸库。

3.如权利要求1所述的基于主动防御图像对抗攻击的人脸识别方法，其特征在于，所述人脸识别方法还包括：在将帧图像输入到FaceNet模型前，对帧图像进行尺寸归一化处理。

4.如权利要求1所述的基于主动防御图像对抗攻击的人脸识别方法，其特征在于，所述将脸部特征与微表情特征拼接获得最终脸部特征包括：比较脸部特征与微表情特征的差值；

若差值大于等于阈值，表明脸部特征已经被攻击，则舍弃脸部特征，将微表情特征作为最终脸部特征；

若差值小于阈值，表明脸部特征被攻击的可能性小，将脸部特征矩阵与微表情特征矩阵相同位置元素值的均值作为该位置的新元素值，构成最终脸部特征。

5.如权利要求1所述的基于主动防御图像对抗攻击的人脸识别方法，其特征在于，所述根据人脸库中存储的人脸标签确定该最终脸部特征对应的人脸标签包括：采用K-means聚类算法计算最终脸部特征向量与人脸库中每个人脸向量之间的距离，以距离最近的人脸向量对应的人脸标签作为最终脸部特征的人脸标签。

6.一种基于主动防御图像对抗攻击的人脸识别方法，包括以下步骤：(1)’将人脸视频截取成帧图像，经IS-FDC分割后添加人脸标签，以建立人脸库；

(2)’利用FaceNet模型提取静态帧图像的脸部特征；

(3)’利用LSTM网络提取人脸视频的行为特征；

(4)’利用AlexNet模型提取静态帧图像的微表情特征；

(5)’将脸部特征、行为特征以及微表情特征进行拼接后获得最终脸部特征，根据人脸库中存储的人脸标签确定该最终脸部特征对应的人脸标签。

7.如权利要求6所述的基于主动防御图像对抗攻击的人脸识别方法，其特征在于，步骤(1)’包括：(1-1)’按照每秒51帧的频率将人脸视频截取成帧图像；

(1-2)’采用IS-FDC将帧图像分割成区域图和轮廓图；

(1-3)’并对每个区域图和轮廓图添加人脸标签，该人脸标签与对应的帧图像、区域图以及轮廓图形成一个链表，构成人脸库。

8.如权利要求6所述的基于主动防御图像对抗攻击的人脸识别方法，其特征在于，步骤(5)’包括：(5-1)’将脸部特征矩阵、行为特征矩阵以及微表情特征矩阵相同位置元素值的均值作为该位置的新元素值，构成最终脸部特征；

(5-2)’采用K-means聚类算法计算最终脸部特征向量与人脸库中每个人脸向量之间的距离，以距离最近的人脸向量对应的人脸标签作为最终脸部特征的人脸标签。