1.一种训练活体人脸识别模型的方法，包括：对活体人物图像集包含的活体人物图像进行预处理，并从经所述预处理后得到的图像中提取人脸面部图像，得到活体人脸图像集；

通过预设的反光特征模拟方式，生成与所述活体人脸图像集中的活体人脸图像对应的反光人脸图像，得到反光人脸图像集；

利用编码‑解码模型从所述反光人脸图像集中的反光人脸图像中提取反光特征，并将所述反光特征作为训练样本训练得到活体人脸识别模型。

2.根据权利要求1所述的方法，其中，所述通过预设的反光特征模拟方式，生成与所述活体人脸图像集中的活体人脸图像对应的反光人脸图像，得到反光人脸图像集，包括：通过间隔透明反光材料和/或对照反光镜的方式，生成与所述活体人脸图像集中的活体人脸图像对应的反光人脸图像，得到反光人脸图像集。

3.根据权利要求2所述的方法，其中，所述通过间隔透明反光材料和/或对照反光镜的方式，生成与所述活体人脸图像集中的活体人脸图像对应的反光人脸图像，得到反光人脸图像集，包括：

通过间隔所述透明反光材料的方式，生成与所述活体人脸图像中的活体人脸图像对应的第一反光人脸图像，得到第一反光人脸图像集；

通过对照所述反光镜的方式，生成与所述活体人脸图像中的活体人脸图像对应的第二反光人脸图像，得到第二反光人脸图像集；

根据所述第一反光人脸图像集和所述第二反光人脸图像集，生成所述反光人脸图像集。

4.根据权利要求3所述的方法，其中，所述根据所述第一反光人脸图像集和所述第二反光人脸图像集，生成所述反光人脸图像集，包括：通过间隔所述透明反光材料的方式，生成与所述第二反光人脸图像集中的第二反光人脸图像对应的第三反光人脸图像，得到第三反光人脸图像集；

通过对照所述反光镜的方式，生成与所述第一反光人脸图像集中的第一反光人脸图像对应的第四反光人脸图像，得到第四反光人脸图像集；

根据所述第三反光人脸图像集和所述第四反光人脸图像集，生成所述反光人脸图像集。

5.根据权利要求1所述的方法，其中，所述利用编码‑解码模型从所述反光人脸图像集中的反光人脸图像中提取反光特征，包括：利用编码子模型对所述反光人脸图像集中的反光人脸图像进行下采样，得到下采样结果；

依次通过卷积层和全连接层，对所述下采样结果进行二分类的交叉熵损失监督，得到监督后下采样结果；

利用解码子模型对所述监督后下采样结果进行上采样，得到尺寸与所述反光人脸图像一致的反光特征图；

从所述反光特征图中提取得到所述反光特征。

6.根据权利要求1‑5任一项所述的方法，其中，所述对活体人物图像集包含的活体人物图像进行预处理，并从经所述预处理后得到的图像中提取人脸面部图像，包括：获取所述活体人物图像集；

对所述活体人物图像集包含的活体人物图像进行预处理，并从经所述预处理后得到的图像中提取人脸面部图像，得到原始人脸面部图像集；

对所述原始人脸面部图像集中的原始人脸面部图像进行归一化处理，得到所述活体人脸图像集。

7.根据权利要求1所述的方法，其中，所述对活体人物图像集包含的活体人物图像进行预处理，并从经所述预处理后得到的图像中提取人脸面部图像，包括：分别确定所述活体人物图像集中的每张活体人物图像中的人脸位置信息；

在基于所述人脸位置信息确定出的人脸区域中提取人脸关键点，得到关键点坐标；

根据所述关键点坐标对确定面部提取边框，并根据所述面部提取边框从相应的活体人物图像中提取出人脸面部图像。

8.一种识别活体人脸的方法，包括：获取待识别人脸图像；

调用活体人脸识别模型对所述待识别人脸图像进行识别；其中，所述活体人脸识别模型根据权利要求1‑7中任一项所述的训练活体人脸识别模型的方法得到。

9.一种训练活体人脸识别模型的装置，包括：活体人脸图像集获取单元，被配置成对活体人物图像集包含的活体人物图像进行预处理，并从经所述预处理后得到的图像中提取人脸面部图像，得到活体人脸图像集；

反光人脸图像集获取单元，被配置成通过预设的反光特征模拟方式，生成与所述活体人脸图像集中的活体人脸图像对应的反光人脸图像，得到反光人脸图像集；

反光特征提取及模型训练单元，被配置成利用编码‑解码模型从所述反光人脸图像集中的反光人脸图像中提取反光特征，并将所述反光特征作为训练样本训练得到活体人脸识别模型。

10.根据权利要求9所述的装置，其中，所述反光人脸图像集获取单元包括：间隔和/或对照模拟子单元，被配置成通过间隔透明反光材料和/或对照反光镜的方式，生成与所述活体人脸图像集中的活体人脸图像对应的反光人脸图像，得到反光人脸图像集。

11.根据权利要求10所述的装置，其中，所述间隔和/或对照模拟子单元包括：第一反光处理模块，被配置成通过间隔所述透明反光材料的方式，生成与所述活体人脸图像中的活体人脸图像对应的第一反光人脸图像，得到第一反光人脸图像集；

第二反光处理模块，被配置成通过对照所述反光镜的方式，生成与所述活体人脸图像中的活体人脸图像对应的第二反光人脸图像，得到第二反光人脸图像集；

反光人脸图像集生成模块，被配置成根据所述第一反光人脸图像集和所述第二反光人脸图像集，生成所述反光人脸图像集。

12.根据权利要求11所述的装置，其中，所述反光人脸图像集生成模块被进一步配置成：

通过间隔所述透明反光材料的方式，生成与所述第二反光人脸图像集中的第二反光人脸图像对应的第三反光人脸图像，得到第三反光人脸图像集；

通过对照所述反光镜的方式，生成与所述第一反光人脸图像集中的第一反光人脸图像对应的第四反光人脸图像，得到第四反光人脸图像集；

根据所述第三反光人脸图像集和所述第四反光人脸图像集，生成所述反光人脸图像集。

13.根据权利要求9所述的装置，其中，所述反光特征提取及模型训练单元包括被配置成利用编码‑解码模型从所述反光人脸图像集中的反光人脸图像中提取反光特征的反光特征提取子单元，所述反光特征提取子单元被进一步配置成：利用编码子模型对所述反光人脸图像集中的反光人脸图像进行下采样，得到下采样结果；

依次通过卷积层和全连接层，对所述下采样结果进行二分类的交叉熵损失监督，得到监督后下采样结果；

利用解码子模型对所述监督后下采样结果进行上采样，得到尺寸与所述反光人脸图像一致的反光特征图；

从所述反光特征图中提取得到所述反光特征。

14.根据权利要求9‑13任一项所述的装置，其中，所述活体人脸图像集获取单元包括：活体人物图像集获取子单元，被配置成获取所述活体人物图像集；

人脸面部提取子单元，被配置成对所述活体人物图像集包含的活体人物图像进行预处理，并从经所述预处理后得到的图像中提取人脸面部图像，得到原始人脸面部图像集；

归一化处理子单元，被配置成对所述原始人脸面部图像集中的原始人脸面部图像进行归一化处理，得到所述活体人脸图像集。

15.根据权利要求14所述的装置，其中，所述人脸面部提取子单元被进一步配置成：分别确定所述活体人物图像集中的每张活体人物图像中的人脸位置信息；

在基于所述人脸位置信息确定出的人脸区域中提取人脸关键点，得到关键点坐标；

根据所述关键点坐标对确定面部提取边框，并根据所述面部提取边框从相应的活体人物图像中提取出人脸面部图像，，得到原始人脸面部图像集。

16.一种识别活体人脸的装置，包括：待识别人脸图像获取单元，被配置成获取待识别人脸图像；

调用模型识别单元，被配置成调用活体人脸识别模型对所述待识别人脸图像进行识别；其中，所述活体人脸识别模型根据权利要求9‑15中任一项所述的训练活体人脸识别模型的装置得到。

17.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1‑7中任一项所述的训练活体人脸识别模型的方法和/或权利要求8所述的识别活体人脸的方法。

18.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1‑7中任一项所述的训练活体人脸识别模型的方法和/或权利要求8所述的识别活体人脸的方法。

19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1‑7中任一项所述的训练活体人脸识别模型的方法和/或权利要求8所述的识别活体人脸的方法。