1.一种人脸识别方法，其特征在于，所述方法包括：通过立体摄像组件对目标人脸进行拍摄，以得到所述目标人脸的m个人脸图像，m≥2；

基于所述m个人脸图像，确定所述目标人脸的n个人脸特征点的深度，n≥2；

基于所述n个人脸特征点的深度，判断所述目标人脸是否为立体人脸；

当所述目标人脸为立体人脸时，确定所述m个人脸图像为真实人脸图像。

2.根据权利要求1所述的方法，其特征在于，所述通过立体摄像组件对目标人脸进行拍摄，以得到所述目标人脸的m个人脸图像，包括：通过双目摄像机对所述目标人脸进行拍摄，以得到同一时刻拍摄的两个人脸图像；

所述基于所述m个人脸图像，确定所述目标人脸的n个人脸特征点的深度，包括：基于所述两个人脸图像，采用双目立体视觉技术计算所述n个人脸特征点的深度。

3.根据权利要求2所述的方法，其特征在于，所述基于所述两个人脸图像，采用双目立体视觉技术计算所述n个人脸特征点的深度，包括：确定第一人脸特征点在所述两个人脸图像中的位置，所述第一人脸特征点为所述n个人脸特征点中的任一特征点；

根据第一人脸特征点在所述两个人脸图像中的位置，结合相机参数，计算所述第一人脸特征点的三维坐标；

基于所述三维坐标，确定所述第一人脸特征点的深度。

4.根据权利要求2或3所述的方法，其特征在于，所述双目摄像机包括一可见光摄像头和一近红外摄像头，所述两个人脸图像包括所述可见光摄像头拍摄的可见光图像以及所述近红外摄像头拍摄的近红外图像。

5.根据权利要求1所述的方法，其特征在于，所述基于所述n个人脸特征点的深度，判断所述目标人脸是否为立体人脸，包括：基于所述n个人脸特征点的深度，计算所述人脸特征点的立体度评分；

比较所述n个人脸特征点的立体度评分与预设的立体度分值的大小；

当所述n个人脸特征点的立体度评分大于或等于所述预设的立体度分值时，确定所述目标人脸为立体人脸；

当所述n个人脸特征点的立体度评分小于所述预设的立体度分值时，确定所述目标人脸不为立体人脸。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于所述m个人脸图像中的至少一个人脸图像确定目标特征矩阵；

将所述目标特征矩阵与信息库中的人脸图像所对应的特征矩阵进行匹配；

当所述目标特征矩阵与所述信息库中的某一人脸图像所对应的特征矩阵的相似度大于或等于预设的相似度阈值时，获取所述某一人脸图像所对应的身份信息；

将所述身份信息确定为所述目标人脸对应的身份信息。

7.根据权利要求6所述的方法，其特征在于，所述基于所述m个人脸图像中的至少一个人脸图像确定目标特征矩阵，包括：对所述m个人脸图像中的每个图像进行特征提取，以得到m个特征矩阵；

将所述m个特征矩阵进行特征融合，得到所述目标特征矩阵。

8.根据权利要求7所述的方法，其特征在于，所述将所述m个特征矩阵进行特征融合，得到所述目标特征矩阵，包括：采用加权求和归一化公式，将所述m个特征矩阵进行特征融合，得到所述目标特征矩阵；

其中，所述加权求和归一化公式为： V为所述目标特征矩阵，Vi为所述m个特征矩阵中的第i个特征矩阵，ai为所述第i个特征矩阵的权重系数，且0≤ai≤1，norm()表示对向量取模。

9.根据权利要求8所述的方法，其特征在于，在所述采用加权求和归一化公式，将所述m个特征矩阵进行特征融合，得到所述目标特征矩阵之前，所述方法还包括：选取所述立体摄像组件采集的多组人脸图像，每组人脸图像包括m个人脸图像；

将所述多组人脸图像输入预设模型进行数据训练，以确定所述权重系数。

10.根据权利要求1所述的方法，其特征在于，所述n个人脸特征点包括鼻尖、鼻根、左眼角、右眼角、左嘴角、右嘴角、下巴中心点、左耳垂、右耳垂、左脸颊和右脸颊中的至少两个。

11.一种人脸识别装置，其特征在于，所述装置包括：立体摄像组件，用于对目标人脸进行拍摄，以得到所述目标人脸的m个人脸图像，m≥2；

第一确定模块，用于基于所述m个人脸图像，确定所述目标人脸的n个人脸特征点的深度，n≥2；

判断模块，用于基于所述n个人脸特征点的深度，判断所述目标人脸是否为立体人脸；

第二确定模块，用于当所述目标人脸为立体人脸时，确定所述m个人脸图像为真实人脸图像。

12.根据权利要求11所述的装置，其特征在于，所述立体摄像组件为双目摄像机，所述双目摄像机用于：对所述目标人脸进行拍摄，以得到同一时刻拍摄的两个人脸图像；

所述第一确定模块，用于：

基于所述两个人脸图像，采用双目立体视觉技术计算所述n个人脸特征点的深度。

13.根据权利要求12所述的装置，其特征在于，所述第一确定模块，还用于：确定第一人脸特征点在所述两个人脸图像中的位置，所述第一人脸特征点为所述n个人脸特征点中的任一特征点；

根据第一人脸特征点在所述两个人脸图像中的位置，结合相机参数，计算所述第一人脸特征点的三维坐标；

基于所述三维坐标，确定所述第一人脸特征点的深度。

14.根据权利要求12或13所述的装置，其特征在于，所述双目摄像机包括一可见光摄像头和一近红外摄像头，所述两个人脸图像包括所述可见光摄像头拍摄的可见光图像以及所述近红外摄像头拍摄的近红外图像。

15.根据权利要求11所述的装置，其特征在于，所述判断模块，包括：计算子模块，用于基于所述n个人脸特征点的深度，计算所述人脸特征点的立体度评分；

比较子模块，用于比较所述n个人脸特征点的立体度评分与预设的立体度分值的大小；

第二确定子模块，用于当所述n个人脸特征点的立体度评分大于或等于所述预设的立体度分值时，确定所述目标人脸为立体人脸；

第三确定子模块，用于当所述n个人脸特征点的立体度评分小于所述预设的立体度分值时，确定所述目标人脸不为立体人脸。

16.根据权利要求11所述的装置，其特征在于，所述装置还包括：第三确定模块，用于基于所述m个人脸图像中的至少一个人脸图像确定目标特征矩阵；

匹配模块，用于将所述目标特征矩阵与信息库中的人脸图像所对应的特征矩阵进行匹配；

获取模块，用于当所述目标特征矩阵与所述信息库中的某一人脸图像所对应的特征矩阵的相似度大于或等于预设的相似度阈值时，获取所述某一人脸图像所对应的身份信息；

第四确定模块，用于将所述身份信息确定为所述目标人脸对应的身份信息。

17.根据权利要求16所述的装置，其特征在于，所述第三确定模块，包括：特征提取子模块，用于对所述m个人脸图像中的每个图像进行特征提取，以得到m个特征矩阵；

特征融合子模块，用于将所述m个特征矩阵进行特征融合，得到所述目标特征矩阵。

18.根据权利要求17所述的装置，其特征在于，所述特征融合子模块，用于：采用加权求和归一化公式，将所述m个特征矩阵进行特征融合，得到所述目标特征矩阵；

其中，所述加权求和归一化公式为： V为所述目标特征矩阵，Vi为所述m个特征矩阵中的第i个特征矩阵，ai为所述第i个特征矩阵的权重系数，且0≤ai≤1，norm()表示对向量取模。

19.根据权利要求18所述的装置，其特征在于，所述装置还包括：选取模块，用于选取所述立体摄像组件采集的多组人脸图像，每组人脸图像包括m个人脸图像；

第五确定模块，用于将所述多组人脸图像输入预设模型进行数据训练，以确定所述权重系数。

20.根据权利要求11所述的装置，其特征在于，所述n个人脸特征点包括鼻尖、鼻根、左眼角、右眼角、左嘴角、右嘴角、下巴中心点、左耳垂、右耳垂、左脸颊和右脸颊中的至少两个。

21.一种计算机设备，其特征在于，包括处理器和存储器，其中，

所述存储器，用于存放计算机程序；

所述处理器，用于执行所述存储器上所存放的程序，实现权利要求1至10任一所述的人脸识别方法。