1.一种人脸图像的年龄估计方法，其特征在于：

1)将输入的人脸图像进行预处理后，再分块，对每一个块进行去均值化，依次处理所有输入的人脸图像，从而得到一个包含所有块的大矩阵；

2)用PCA算法从大矩阵中学习得到第一层卷积操作的卷积核；

3)将第一层卷积操作后的输出特征maps进行分块和去均值化处理，得到另一大矩阵，采用PCA算法从该大矩阵中学习得到第二层卷积操作的卷积核；

4)将第二层卷积操作后输出的特征maps进行非线性处理；

5)把转换后的输出值分成若干块，对每一个块用直方图进行统计，将所有块连接成一个向量，得到输入图像的特征；

6)将输入图像的特征用非线性支持向量回归来估计年龄。

2.如权利要求1所述的一种人脸图像的年龄估计方法，其特征在于：在步骤1)中所述的预处理为二值化、平滑和规范化，得到灰度图像。

3.如权利要求1所述的一种人脸图像的年龄估计方法，其特征在于：在步骤1)中，假设输入图像经过预处理后，得到大小为m×n像素的灰度图像，将所有得到的灰度图像分别进行分块，假设每一个块的大小为p1×p2，分块过程中的步伐为s1＝s2＝1，则第i-th张输入图像的分块结果表示为 其中 对Ai里的每一个块进行去均值化后为 依次处理所有输入图像得到一个大矩阵，其表示为 其中 表示每一个块的大小

为p1p2×1， 表示矩阵A的大小为p1p2×Nm1n1，i的取值范围为1≤i≤N。

4.如权利要求1或3所述的一种人脸图像的年龄估计方法，其特征在于：在步骤2)中，所述的用PCA算法从大矩阵中学习得到第一层卷积操作的卷积核，具体如下，假设第1层的卷积核个数为L1，PCA算法是使得下列目标函数重构误差最小，其目标函数为：其中 为单位矩阵，其大小为L1×L1，求解该目标函数即为对矩阵AAT进行特征值分解，选取L1个最大的特征值所对应的特征向量作为卷积操作的卷积核其表达式如下：其中 表示把 转变成矩阵 格式，pl(XXT)表示求解矩阵AAT的主特征向量。

5.如权利要求4所述的一种人脸图像的年龄估计方法，其特征在于：在步骤3)中，假设第二个卷积层的卷积操作为 其中 表示第一个卷积层的输出值， 是卷积核。

6.如权利要求5所述的一种人脸图像的年龄估计方法，其特征在于：在步骤4)中，所述的非线性处理包括先二值化，再转换为十进制数值，表达式为 其中δ表示二值化处理， 的取值范围为

7.如权利要求1所述的一种人脸图像的年龄估计方法，其特征在于：在步骤6)中，采用非线性支持向量回归里的核函数选择径向基函数。