1.一种验证方法，其特征在于，所述方法包括：

获取目标对象的近红外图像和深度图像；

对所述近红外图像进行人脸检测，得到人脸轮廓信息；

将所述近红外图像输入深度学习网络的第一模块中，所述第一模块用于睁闭眼检测；

获取所述人脸轮廓信息中的眼部关键点坐标；

根据所述眼部关键点坐标在所述第一模块中提取眼部特征；

将提取的所述眼部特征与第一预存特征进行比对，以进行睁闭眼检测，其中，所述第一预存特征为人脸特征库中预存的睁眼时的眼部特征；

在所述睁闭眼检测的结果为双眼睁的情况下，根据所述人脸轮廓信息和所述深度图像进行活体检测；其中，据所述近红外图像的所述人脸轮廓信息在所述深度图像中分割出第一人脸区域图像；将第一人脸区域图像输入深度学习网络的第二模块中，通过所述第二模块提取所述第一人脸区域图像的第一人脸特征；将所述第一人脸特征与第二预存特征进行比对，以进行活体检测，其中，所述第二预存特征为所述人脸特征库中预存的活体人脸特征信息；

响应于所述活体检测通过，根据所述近红外图像对所述目标对象进行人脸验证；其中，根据所述人脸轮廓信息在所述近红外图像中分割出第二人脸区域图像；将第二人脸区域图像输入第三模块中，通过所述第三模块提取所述第二人脸区域图像的第二人脸特征；将所述第二人脸特征与第三预存特征进行比对，判断是否为同一人，其中，所述第三预存特征为所述人脸特征库中预存的所述目标对象的人脸特征；

响应于所述人脸验证通过，执行解锁操作。

2.根据权利要求1所述的方法，其特征在于，所述对所述近红外图像进行人脸检测，得到人脸轮廓信息包括：调整所述近红外图像的大小，得到图像金字塔；

对所述图像金字塔进行人脸特征提取并标定边框；

对所述边框进行优化，得到所述人脸轮廓信息。

3.根据权利要求1所述的方法，其特征在于，所述深度学习网络是经过训练得到的，所述训练包括：建立深度学习网络，其中，所述深度学习网络包括所述第一模块，所述第二模块，所述第三模块；

选取训练样本，所述训练样本包括睁闭眼检测样本，活体检测样本和人脸验证样本；

通过所述第一模块对所述睁闭眼检测样本提取所述第一预存特征，通过所述第二模块对所述活体检测样本提取所述第二预存特征，通过所述第三模块对所述人脸验证样本提取所述第三预存特征，将所述第一预存特征，所述第二预存特征和所述第三预存特征存入所述人脸特征库；

根据所述第一预存特征对所述第一模块进行训练，根据所述第二预存特征对所述第二模块进行训练，根据所述第三预存特征对所述第三模块进行训练；

根据训练结果调整所述深度学习网络的超参数，得到训练后的深度学习网络。

4.一种验证装置，其特征在于，所述验证装置包括：

第一获取单元，用于获取目标对象的近红外图像和深度图像；

人脸检测单元，用于对所述近红外图像进行人脸检测，得到人脸轮廓信息；

睁闭眼检测单元具体用于：

将所述近红外图像输入深度学习网络的第一模块中，所述第一模块用于睁闭眼检测；

获取所述人脸轮廓信息中的眼部关键点坐标；

根据所述眼部关键点坐标在所述第一模块中提取眼部特征；

将提取的所述眼部特征与第一预存特征进行比对，以进行睁闭眼检测，其中，所述第一预存特征为人脸特征库中预存的睁眼时的眼部特征；

活体检测单元，用于在所述睁闭眼检测的结果为双眼睁的情况下，根据所述人脸轮廓信息和所述深度图像进行活体检测；其中，据所述近红外图像的所述人脸轮廓信息在所述深度图像中分割出第一人脸区域图像；将第一人脸区域图像输入深度学习网络的第二模块中，通过所述第二模块提取所述第一人脸区域图像的第一人脸特征；

将所述第一人脸特征与第二预存特征进行比对，以进行活体检测，其中，所述第二预存特征为所述人脸特征库中预存的活体人脸特征信息；

人脸验证单元，用于响应于所述活体检测通过，根据所述近红外图像对所述目标对象进行人脸验证；其中，根据所述人脸轮廓信息在所述近红外图像中分割出第二人脸区域图像；将第二人脸区域图像输入第三模块中，通过所述第三模块提取所述第二人脸区域图像的第二人脸特征；将所述第二人脸特征与第三预存特征进行比对，判断是否为同一人，其中，所述第三预存特征为所述人脸特征库中预存的所述目标对象的人脸特征；

解锁单元，用于响应于所述人脸验证通过，执行解锁操作。

5.根据权利要求4所述的验证装置，其特征在于，在所述对所述近红外图像进行人脸检测，得到人脸轮廓信息方面，所述人脸检测单元具体用于：调整所述近红外图像的大小，得到图像金字塔；

对所述图像金字塔进行人脸特征提取并标定边框；

对所述边框进行优化，得到所述人脸轮廓信息。

6.根据权利要求4所述的验证装置，其特征在于，所述深度学习网络是经过训练得到的，所述验证装置还包括训练单元，用于：建立深度学习网络，其中，所述深度学习网络包括所述第一模块，所述第二模块，所述第三模块；

选取训练样本，所述训练样本包括睁闭眼检测样本，活体检测样本和人脸验证样本；

通过所述第一模块对所述睁闭眼检测样本提取所述第一预存特征，通过所述第二模块对所述活体检测样本提取所述第二预存特征，通过所述第三模块对所述人脸验证样本提取所述第三预存特征，将所述第一预存特征，所述第二预存特征和所述第三预存特征存入所述人脸特征库；

根据所述第一预存特征对所述第一模块进行训练，根据所述第二预存特征对所述第二模块进行训练，根据所述第三预存特征对所述第三模块进行训练；

根据训练结果调整所述深度学习网络的超参数，得到训练后的深度学习网络。

7.一种电子设备，其特征在于，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1‑3任一项所述的方法中的步骤的指令。

8.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1‑3任一项所述的方法。