1.一种基于人脸图像的性别识别方法，其特征在于，包括：
通过预置的深度卷积神经网络中先验模型，对目标人脸图像进行性别分类判别，得到所述目标人脸图像对应的性别判别结果，其中所述目标人脸图像是由人脸图像中各关键部位区域组成的图像；
通过比对所述目标人脸图像的特征与图像样本的特征之间的余弦相似度，得到所述目标人脸图像对应的余弦比对结果；
将所述性别判别结果和所述余弦比对结果进行贝叶斯分类器运算，得到所述人脸图像中对象的性别。
2.根据权利要求1所述的方法，其特征在于，所述人脸图像中各关键部位区域包括：头发区域、眉毛区域、眼睛区域、鼻子区域、嘴巴区域。
3.根据权利要求2所述的方法，其特征在于，所述通过预置的深度卷积神经网络中先验模型，对目标人脸图像进行性别分类判别，得到所述目标人脸图像对应的性别判别结果，具体包括：
通过所述深度卷积神经网络中先验模型，对所述目标人脸图像进行分类判别，得到所述目标人脸图像对应的最大概率值以及所述最大概率值对应的第一目标性别类别；
将所述最大概率值和所述第一目标性别类别作为所述性别判别结果。
4.根据权利要求2所述的方法，其特征在于，所述图像样本为由整体人脸图像样本中各关键部位区域组成的图像样本，其中所述整体人脸图像样本中关键部位区域包括：头发区域、眉毛区域、眼睛区域、鼻子区域、嘴巴区域。
5.根据权利要求4所述的方法，其特征在于，所述通过比对所述目标人脸图像的特征与图像样本的特征之间的余弦相似度，得到所述目标人脸图像对应的余弦比对结果，具体包括：
通过将所述目标人脸图像的特征与图像样本的特征之间进行余弦相似度比对，得到多个余弦相似度值；
按照所述余弦相似度值由高到低的顺序，选取预置数目的目标人脸图像样本；
对所述目标人脸图像样本的性别类别进行数量统计，并将数量最多的性别类别作为第二目标性别类别；
在所述目标人脸图像样本中选取性别类别为所述第二目标性别类别的相似人脸图像样本，并提取所述相似人脸图像样本与所述目标人脸图像之间的余弦相似度值作为目标余弦相似度值；
计算所述目标余弦相似度值的平均值；
将所述第二目标性别类别和所述平均值作为所述余弦比对结果。
6.一种基于人脸图像的性别识别装置，其特征在于，包括：
性别判别模块，用于通过预置的深度卷积神经网络中先验模型，对目标人脸图像进行性别分类判别，得到所述目标人脸图像对应的性别判别结果，其中所述目标人脸图像是由人脸图像中各关键部位区域组成的图像；
比对处理模块，用于通过比对所述目标人脸图像的特征与图像样本的特征之间的余弦相似度，得到所述目标人脸图像对应的余弦比对结果；
识别模块，用于将所述性别判别结果和所述余弦比对结果进行贝叶斯分类器运算，得到所述人脸图像中对象的性别。
7.根据权利要求6所述的装置，其特征在于，所述人脸图像中各关键部位区域包括：头发区域、眉毛区域、眼睛区域、鼻子区域、嘴巴区域。
8.根据权利要求7所述的装置，其特征在于，所述性别判别模块包括：
判别模块，用于通过所述深度卷积神经网络中先验模型，对所述目标人脸图像进行分类判别，得到所述目标人脸图像对应的最大概率值以及所述最大概率值对应的第一目标性别类别；
设定模块，用于将所述最大概率值和所述第一目标性别类别作为所述性别判别结果。
9.根据权利要求7所述的装置，其特征在于，所述图像样本为由整体人脸图像样本中各关键部位区域组成的图像样本，其中所述整体人脸图像样本中关键部位区域包括：头发区域、眉毛区域、眼睛区域、鼻子区域、嘴巴区域。
10.根据权利要求8所述的装置，其特征在于，所述比对处理模块包括：
比对模块，用于通过将所述目标人脸图像的特征与图像样本的特征之间进行余弦相似度比对，得到多个余弦相似度值；
选取模块，用于按照所述余弦相似度值由高到低的顺序，选取预置数目的目标人脸图像样本；
统计模块，用于对所述目标人脸图像样本的性别类别进行数量统计，并将数量最多的性别类别作为第二目标性别类别；
所述选取模块，还用于在所述目标人脸图像样本中选取性别类别为所述第二目标性别类别的相似人脸图像样本，并提取所述相似人脸图像样本与所述目标人脸图像之间的余弦相似度值作为目标余弦相似度值；
计算模块，用于计算所述目标余弦相似度值的平均值；
设置模块，用于将所述第二目标性别类别和所述平均值作为所述余弦比对结果。