1.一种指纹识别的方法，其特征在于，包括：获取目标按压指纹传感器的指纹图像；

通过卷积神经网络，对所述指纹图像进行处理，得到所述指纹图像的梯度信息，所述梯度信息为所述指纹图像的边缘像素点和中心像素点之间的梯度；

根据所述指纹图像的梯度信息，确定所述目标是否为真实手指；

其中，若所述指纹图像的梯度信息与真实手指的指纹图像的梯度信息匹配，确定所述目标为真实手指，或者，若所述指纹图像的梯度信息与真实手指的梯度信息不匹配，确定所述目标为假手指，真实手指的指纹图像的边缘像素点和中心像素点之间的梯度，大于假手指的指纹图像的边缘像素点和中心像素点之间的梯度，所述卷积神经网络包括第一卷积层、第一池化层、第二卷积层和第二池化层，其中，所述第一卷积层、所述第一池化层、所述第二卷积层和所述第二池化层的参数是所述卷积神经网络通过对输入至所述卷积神经网络中的多个真实手指的指纹图像和多个假手指的指纹图像进行训练得到的，

所述第一卷积层采用多个第一卷积核，所述第二卷积层采用多个第二卷积核，其中，所述多个第一卷积核采用的参数不同，所述多个第二卷积核采用的参数相同。

2.根据权利要求1所述的方法，其特征在于，所述通过卷积神经网络对所述指纹图像进行处理，得到所述指纹图像的梯度信息，包括：通过所述多个第一卷积核分别对所述指纹图像进行卷积处理，得到多个第一特征图像；

通过第一池化层对所述多个第一特征图像进行池化处理，得到多个第一采样图像，其中，所述第一池化层包括最大池化层和平均池化层；

通过所述多个第二卷积核对所述多个第一采样图像进行卷积处理，得到多个第二特征图像；

通过第二池化层对所述多个第二特征图像进行池化处理，得到多个第二采样图像，其中，所述第二池化层包括最大池化层；

根据所述多个第二采样图像，确定所述指纹图像的梯度信息。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：若所述指纹图像的边缘像素点和中心像素点之间的梯度与所述真实手指的指纹图像的边缘像素点和中心像素点之间的梯度的差值小于特定阈值，确定所述指纹图像的梯度信息与所述真实手指的指纹图像的梯度信息匹配。

4.根据权利要求1或2所述的方法，其特征在于，所述真实手指的指纹图像的梯度信息是卷积神经网络通过对多个真实手指的指纹图像进行训练得到的。

5.一种指纹识别装置，其特征在于，包括：获取模块，用于目标按压指纹传感器的指纹图像；

处理模块，用于通过卷积神经网络，对所述指纹图像进行处理，得到所述指纹图像的梯度信息，所述梯度信息为所述指纹图像的边缘像素点和中心像素点之间的梯度；

确定模块，用于根据所述指纹图像的梯度信息，确定所述目标是否为真实手指；

其中，若所述指纹图像的梯度信息与真实手指的指纹图像的梯度信息匹配，所述确定模块确定所述目标为真实手指，或者，若所述指纹图像的梯度信息与真实手指的梯度信息不匹配，所述确定模块确定所述目标为假手指；

真实手指的指纹图像的边缘像素点和中心像素点之间的梯度，大于假手指的指纹图像的边缘像素点和中心像素点之间的梯度，所述卷积神经网络包括第一卷积层、第一池化层、第二卷积层和第二池化层，其中，所述第一卷积层、所述第一池化层、所述第二卷积层和所述第二池化层的参数是所述卷积神经网络通过对输入至所述卷积神经网络中的多个真实手指的指纹图像和多个假手指的指纹图像进行训练得到的，

所述第一卷积层采用多个第一卷积核，所述第二卷积层采用多个第二卷积核，其中，所述多个第一卷积核采用的参数不同，所述多个第二卷积核采用的参数相同。

6.根据权利要求5所述的指纹识别装置，其特征在于，所述处理模块具体用于：通过所述多个第一卷积核分别对所述指纹图像进行卷积处理，得到多个第一特征图像；

通过第一池化层对所述多个第一特征图像进行池化处理，得到多个第一采样图像，其中，所述第一池化层包括最大池化层和平均池化层；

通过所述多个第二卷积核对所述多个第一采样图像进行卷积处理，得到多个第二特征图像；

通过第二池化层对所述多个第二特征图像进行池化处理，得到多个第二采样图像，其中，所述第二池化层包括最大池化层；

根据所述多个第二采样图像，确定所述指纹图像的梯度信息。

7.根据权利要求5或6所述的指纹识别装置，其特征在于，所述确定模块还用于：若所述指纹图像的边缘像素点和中心像素点之间的梯度与所述真实手指的指纹图像的边缘像素点和中心像素点之间的梯度的差值小于特定阈值，确定所述指纹图像的梯度信息与所述真实手指的指纹图像的梯度信息匹配。

8.根据权利要求5或6所述的指纹识别装置，其特征在于，所述真实手指的指纹图像的梯度信息是卷积神经网络通过对多个真实手指的指纹图像进行训练得到的。

9.一种电子设备，其特征在于，包括：如权利要求5至8中任一项所述的指纹识别装置。