1.一种多姿态多尺度的人脸验证方法，其特征在于：包括以下四个步骤：
步骤(1)、使用卷积神经网络对输入的人脸图像进行姿态估计；其中卷积层激活函数采用RELU激活函数，池化层采用最大值池化；输入的人脸图像为给定的固定尺寸大小，经过多层卷积池化操作，之后连接到三个全连接层，输出的特征在深度轴上为固定大小3，代表人脸的三种姿态角度，分别是人脸的俯仰角度Pitch，人脸左右转头的角度Yaw和人脸左右倾斜的角度Roll；
步骤(2)、根据三种姿态角度对人脸姿态进行归一化调整；首先对人脸左右倾斜的角度Roll进行调整，采用仿射变换进行图像旋转，使得Roll变为0度；之后，对于人脸左右转头的角度Yaw，使用正弦变换，通过压缩过大的半边脸和拉伸过小的半边脸使得左右两边脸的大小相同；对于人脸的俯仰角Pitch，使用正弦变换，通过压缩过大的半边脸和拉伸过小的半边脸使得上下两边脸的大小相同；人脸姿态归一化完成后，输出标准化的正面人脸图像；
步骤(3)、对步骤(2)中得到的正面人脸图像截取大、中、小三种尺度的人脸图像，分别对应带背景的人脸、完整人脸和眉毛以下部分人脸；将这三种尺度的人脸图像分别输入到人脸识别的卷积神经网络中进行特征提取，得到三个特征向量；在进行人脸验证时，对两张待测人脸图像进行特征提取，提取出三对不同尺度的特征向量，分别计算余弦距离，并归一化为相似度，最终输出两张人脸图像在三种尺度下的三个相似度；
步骤(4)、根据步骤(3)输出的两张人脸图像的相似度，组成一个三维向量，使用支持向量机SVM进行二分类，来判断两张人脸图像是否属于同一个人。
2.根据权利要求1所述的方法,其特征在于：步骤(1)所述的在使用卷积神经网络对输入的人脸图像进行姿态估计之前需要事先进行模型的训练，训练样本为带三种角度标签的人脸图像。
3.根据权利要求1所述的方法，其特征在于：步骤(2)中所述的采用仿射变换进行图像旋转是指，采用以双眼的中心为圆心，将双眼的纵坐标旋转为同一数值，以双眼平齐来保证人脸的Roll为0度。
4.根据权利要求1所述的方法，其特征在与：所述步骤(2)中在对人脸的俯仰角Pitch进行调整以及对人脸左右转头的角度Yaw进行调整过程中，被拉伸的半边脸需要使用插值的方法对空白的部分进行填补。
5.根据权利要求1所述的方法，其特征在于：步骤(3)中在对两张待测人脸图像进行特征提取之前需要事先进行模型的训练，训练样本为带身份标签的人脸图像。
6.根据权利要求1所述的方法，其特征在于：步骤(4)中所述的支持向量机SVM在进行二分类之前需要事先训练模型，训练样本为带类别标记的3维相似度向量，类别标记一共有两类，一类表示输入的向量代表的两张人脸属于同一个人，第二类表示输入的向量代表的两张人脸不属于同一个人。