1.一种用于人脸图像的校准点提取的校准多元回归网络构建方法，将人脸图像作为网络输入，即以X为输入层参数，W为非线性网络层参数，z为非线性的网络层输出，其神经元节点的激活函数采用余弦函数，这种非线性的余弦激活函数，更能体现出人脸图像特征的输入数据X和z之间的非线性关系，其特征在于，输入X和非线性的网络层输出z之间的关系如下公式所示：对于线性层，将z作为输入，Y为输出，即人脸图像校准点的位置信息，其中每一个点用横纵坐标表示，有68个特征点，则Y输出的维度为68×2；Y与z的关系如下：Y＝f(M，z)＝Mz

其中M＝UV，U、V为对M的低秩分解，这种低秩分解是为了更好挖掘人脸图像特征点的潜在的结构信息，校准多元回归网络具体构建步骤如下：S1、随机选取W、U、V参数数值，并设定迭代次数t从1开始；

S2、给定人脸图像输入数据X和人脸图像校准点的位置信息的输出数据Y，计算S3、更新U参数；

S4、给定人脸图像输入数据X和人脸图像校准点的位置信息的输出数据Y，计算S5、更新V参数；

S6、给定人脸图像输入数据X和人脸图像校准点的位置信息的输出数据Y，计算S7、更新W参数；

S8、迭代更新，直到收敛；

所述步骤S2中，根据人脸图像输入数据X和人脸图像校准点的位置信息的输出数据Y，计算公式如下：所述步骤S2中，D为实验中可调节的一个参数，G为一对角矩阵，其对角线元素为：所述步骤S4中，根据人脸图像输入数据X和人脸图像校准点的位置信息的输出数据Y，的计算公式如下：所述步骤S6中，根据人脸图像输入数据X和人脸图像校准点的位置信息的输出数据Y，的计算公式如下：其中Λ表示如下：

(A⊙B)ij＝AijBij。

2.根据权利要求1所述的用于人脸图像的校准点提取的校准多元回归网络构建方法，其特征在于：所述步骤S3中，U参数的更新公式如下：ηU为迭代速率。

3.根据权利要求1所述的用于人脸图像的校准点提取的校准多元回归网络构建方法，其特征在于：所述步骤S5中，V参数的更新公式为： 其中ηV为迭代速率。

4.根据权利要求1所述的用于人脸图像的校准点提取的校准多元回归网络构建方法，其特征在于：所述步骤S7中，W参数的更新公式如下：

ηW为迭代速率。