1.一种基于多任务渐进配准网络的旋转不变人脸检测方法，其特征在于，包括以下步骤：
s1、图像预处理，构建并训练级联的多层卷积神经网络；
s2、输入测试图像，使用图像金字塔的方式产生不同分辨率的图像集合，然后送入所述级联的多层卷积神经网络开始检测；
s3、每一层卷积神经网络过滤掉部分非人脸窗口，根据边框回归结果调整候选框位置，同时预测出人脸的旋转角度；
s4、根据预测出的旋转角度通过翻转图像操作进行配准，并将配准图像判断为人脸图像。
2.根据权利要求1所述一种基于多任务渐进配准网络的旋转不变人脸检测方法，其特征在于：所述图像预处理包括：
a1、将人脸图像随机旋转至任意角度，产生大量包含平面内旋转角度变化的人脸图像，其人脸位置信息也进行相应旋转变化；
a2、将人脸关键点图像随机旋转至任意角度，产生大量包含平面内旋转角度变化的人脸关键点图像，其人脸关键点位置信息也进行相应旋转变化。
3.根据权利要求1或2所述一种基于多任务渐进配准网络的旋转不变人脸检测方法，其特征在于：所述级联的多层卷积神经网络采用三层级联架构，第一层包括4个卷积层和1个最大池化层，第二层包括3个卷积层、2个最大池化层和2个全连接层，第三层包括4个卷积层、3个最大池化层和2个全连接层。
4.根据权利要求3所述一种基于多任务渐进配准网络的旋转不变人脸检测方法，其特征在于：所述三层级联的多层卷积神经网络中，
训练第一层网络角度识别中使用样本的标注值
令所述标注值f1为0和1的样本参与训练第一层网络角度识别；
训练第二层网络角度识别中使用样本的标注值
令所述标注值f2为0、1和2的样本参与训练第二层网络角度识别任务。
5.根据权利要求1或2或4所述一种基于多任务渐进配准网络的旋转不变人脸检测方法，其特征在于：所述边框回归结果通过人脸关键点回归损失体现；
人脸关键点回归损失为