1.一种基于人脸智能识别的信息输出方法，其特征在于，所述方法包括：

步骤A：获取信息集、照片集及标准人脸集，并对所述照片集进行包括降噪的预处理操作；

步骤B：基于方向梯度直方运算对所述照片集进行计算，得到所述照片集的梯度特征集，基于提升算法和所述标准人脸集从所述梯度特征集中提取出人脸并输出人脸集，将所述信息集作为标签集以及将所述人脸集和所述标准人脸集组成训练数据，并将所述训练数据划分为训练集和测试集；

步骤C：将所述训练集及所述标签集输入至卷积神经网络中训练，使所述卷积神经网络不断更新内部的权重及偏置系数，直至所述卷积神经网络输出的训练值小于预设阈值后退出训练；

步骤D：将所述测试集和所述标签集输入至所述卷积神经网络中，并判断所述卷积神经网络对所述测试集的人脸识别率与预设准确率阈值的大小，若所述卷积神经网络对所述测试集的人脸识别准确率小于预设准确率阈值，则返回步骤C，若所述卷积神经网络的识别准确率大于预设准确率阈值，则所述卷积神经网络完成训练；

步骤E：接收用户图片或视频，基于所述方向梯度直方运算和所述提升算法从所述图片或视频中提取出用户人脸，将所述用户人脸输入至所述卷积神经网络中，所述卷积神经网络识别出所述用户人脸并输出所识别的用户人脸对应的祝福信息。

2.如权利要求1所述的基于人脸智能识别的信息输出方法，其特征在于，所述信息集包括用户信息集，所述用户信息集包括用户生日、爱好、生活习惯；

所述照片集包括个人照片集，所述个人照片集包括用户生活照、用户团体活动的个人照。

3.如权利要求1或2所述的基于人脸智能识别的信息输出方法，其特征在于，所述降噪处理采用如下自适应图像降噪滤波法：g(x，y)＝η(x，y)+f(x，y)

其中，(x，y)表示所述照片集内图像像素点坐标，f(x，y)为基于所述自适应图像降噪滤波法对所述照片集进行降噪处理后的输出数据，η(x，y)为噪声，g(x，y)为所述照片集， 为所述照片集的噪声总方差， 为所述(x，y)的像素灰度均值， 为所述(x，y)的像素灰度方差，L表示当前像素点坐标。

4.如权利要求3中的基于人脸智能识别的信息输出方法，其特征在于，基于方向梯度直方运算对所述照片集进行计算，得到所述照片集的梯度特征集，包括：计算所述照片集内的数据各像素点(x，y)的梯度幅值和梯度方向值，并将所述梯度幅值作为第一分量，所述梯度方向值作为第二分量形成梯度矩阵；

将所述梯度矩阵内数据划分为多个小块，并相加各小块的梯度幅值与梯度方向值得到相加值，并将所述相加值串联形成所述梯度特征集。

5.如权利要求2所述的基于人脸智能识别的信息输出方法，其特征在于，所述卷积神经网络识别出所述用户人脸并输出所识别的用户人脸对应的祝福信息包括：获取当前日期；

利用预设的匹配规则将当前日期与所述标签集中的日期信息进行匹配，若匹配相同，则所述卷积神经网络输出与所述当前日期匹配的标签集中的日期对应的照片集和标签集。

6.一种基于人脸智能识别的信息输出装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的基于人脸智能识别的信息输出程序，所述基于人脸智能识别的信息输出程序被所述处理器执行时实现如下步骤：步骤A：获取信息集、照片集及标准人脸集，并对所述照片集进行包括降噪的预处理操作；

步骤B：基于方向梯度直方运算对所述照片集进行计算，得到所述照片集的梯度特征集，基于提升算法和所述标准人脸集从所述梯度特征集中提取出人脸并输出人脸集，将所述信息集作为标签集以及将所述人脸集和所述标准人脸集组成训练数据，并将所述训练数据划分为训练集和测试集；

步骤C：将所述训练集及所述标签集输入至卷积神经网络中训练，使所述卷积神经网络不断更新内部的权重及偏置系数，直至所述卷积神经网络输出的训练值小于预设阈值后退出训练；

步骤D：将所述测试集和所述标签集输入至所述卷积神经网络中，并判断所述卷积神经网络对所述测试集的人脸识别率与预设准确率阈值的大小，若所述卷积神经网络对所述测试集的人脸识别准确率小于预设准确率阈值，则返回步骤C，若所述卷积神经网络的识别准确率大于预设准确率阈值，则所述卷积神经网络完成训练；

步骤E：接收用户图片或视频，基于所述方向梯度直方运算和所述提升算法从所述图片或视频中提取出用户人脸，将所述用户人脸输入至所述卷积神经网络中，所述卷积神经网络识别出所述用户人脸并输出所识别的用户人脸对应的祝福信息。

7.如权利要求6所述的基于人脸智能识别的信息输出装置，其特征在于，所述信息集包括用户信息集，所述用户信息集包括用户生日、爱好、生活习惯；

所述照片集包括个人照片集，所述个人照片集包括用户生活照、用户团体活动的个人照。

8.如权利要求6或7所述的基于人脸智能识别的信息输出装置，其特征在于，所述降噪处理采用如下自适应图像降噪滤波法：g(x，y)＝η(x，y)+f(x，y)

其中，(x，y)表示所述照片集内图像像素点坐标，f(x，y)为基于所述自适应图像降噪滤波法对所述照片集进行降噪处理后的输出数据，η(x，y)为噪声，g(x，y)为所述照片集， 为所述照片集的噪声总方差， 为所述(x，y)的像素灰度均值， 为所述(x，y)的像素灰度方差，L表示当前像素点坐标。

9.如权利要求8所述的基于人脸智能识别的信息输出装置，其特征在于，基于方向梯度直方运算计算所述照片集得到梯度特征集，包括：计算所述照片集内的数据各像素点(x，y)的梯度幅值和梯度方向值，并将所述梯度幅值作为第一分量，所述梯度方向值作为第二分量形成梯度矩阵；

将所述梯度矩阵内数据划分为多个小块，并相加各小块的梯度幅值与梯度方向值得到相加值，并将所述相加值串联形成所述梯度特征集。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于人脸智能识别的信息输出程序，所述基于人脸智能识别的信息输出程序可被一个或者多个处理器执行，以实现如权利要求1至5中任一项所述的基于人脸智能识别的信息输出方法的步骤。