1.一种基于多视角特征学习的人脸活体检测方法，其特征在于，包括如下步骤：(1)挑选训练样本并标注：采集用于训练的非活体人脸样本，按攻击类型进行标注；采集活体人脸样本，标注为真实人脸类；

(2)基于“真实+给定攻击类型vs.其余攻击类型”视角的组级分类训练：以真实人脸样本和某一给定类型攻击样本为正样本组、其余类型攻击样本为负样本组，进行组级分类训练，得到基于此“真实+给定攻击类型”视角的特征提取模型；

(3)基于多视角的特征提取：基于步骤(2)的组级分类训练方法，选取多个不同视角训练并得到对应的特征提取模型，提取对应视角的检测特征；

(4)二元分类模型训练：以步骤(3)中得到的多个基于不同视角的检测特征作为二元分类模型的输入，并以真实人脸类为正样本、所有非活体人脸为负样本训练二元分类模型；

(5)基于多视角特征学习的人脸活体检测：取待检测的人脸图像，分别通过步骤(3)中得到的各个模型，得到多个基于不同视角的检测特征，然后输入步骤(4)中得到的二元分类模型，进行真伪人脸分类。

2.根据权利要求1所述的一种基于多视角特征学习的人脸活体检测方法，其特征在于：在步骤(1)中，采集用于训练的非活体人脸样本包括照片、视频、面具三种攻击类型。

3.根据权利要求1所述的一种基于多视角特征学习的人脸活体检测方法，其特征在于：在步骤(3)中，仅选取“真实+面具”、“真实+视频”两个视角的特征提取模型。

4.根据权利要求1所述的一种基于多视角特征学习的人脸活体检测方法，其特征在于：在步骤(2)与步骤(3)间补充如下步骤：以真实人脸样本为正样本、所有类型攻击样本为负样本进行分类训练，得到“真实vs.所有攻击类型”视角的特征提取模型；在步骤(3)中，选取“真实+面具”、“真实+视频”、“真实vs.所有攻击类型”三个视角的特征提取模型。

5.根据权利要求1所述的一种基于多视角特征学习的人脸活体检测方法，其特征在于：在步骤(2)中，基于“真实+面具”视角训练的特征提取模型采用CDCN模型作为骨干网络；基于“真实+视频”视角的特征提取模型采用3D‑CDCN模型作为骨干网络。

6.根据权利要求1所述的一种基于多视角特征学习的人脸活体检测方法，其特征在于：在步骤(4)中，二元分类模型为单独设计的三层卷积网络，卷积核尺寸均为3*3，stride为1，padding为1，前两层每层后接BatchNorm层和Relu层，第三层后仅接Relu层。

7.根据权利要求1所述的一种基于多视角特征学习的人脸活体检测方法，其特征在于：在步骤(5)中，人脸活体检测的判断方式为：取二元分类模型的输出作为得分图，其全部元素的均值作为分类得分，若该得分大于分类阈值，选取0.5作为分类阈值，则判定该待测的人脸图像为活体人脸。

8.根据权利要求1所述的一种基于多视角特征学习的人脸活体检测方法，其特征在于：在步骤(2)中，基于“真实vs.所有攻击类型”视角训练的特征提取模型采用CDCN模型作为骨干网络。