1.一种基于深度学习的人脸云识别系统，其特征在于，包括：人脸图像采集模块：用于通过网络摄像头拍摄视频流，并在所述视频流中定位目标人脸，获取第一人脸图像；

图像处理模块：用于对所述人脸图像通过图像旋转、滤波和校正进行图像预处理，获得第二人脸图像；

人脸云识别模块：用于基于卷积神经网络，构建人脸特征提取模型，并通过人脸特征提取模型提取所述第二人脸图像的人脸特征向量，与预设的人脸数据库中的人脸图像的人脸特征向量进行对比，获得对比结果。

2.如权利要求1所述的一种基于深度学习的人脸云识别系统，其特征在于，所述人脸图像采集模块，包括：视频流拍摄单元：用于当所述网络摄像头识别到人脸时，主控端控制所述网络摄像头的云台进行角度调整，并拍摄目标人脸，生成视频流；

视频流上传单元：用于在所述网络摄像头中预设网络传输端口，将所述视频流从所述网络传输端口上传到主控端；

人脸确定单元：用于通过ASM人脸定位技术，对所述视频流中的视频图像进行筛选，定位最佳角度拍摄的人脸图像，标记为第一人脸图像。

3.如权利要求2所述的一种基于深度学习的人脸云识别系统，其特征在于，所述人脸确定单元的具体执行步骤如下：步骤一：通过预设的训练样本，对人脸模型进行训练，并对人脸模型上的特征点进行标记，并对每个特征点构建局部特征，将所述特征点的坐标串成特征向量；

步骤二：对所述视频流进行停帧识别，获取视频图像中的人脸特征向量和局部特征，并剔除人脸特征向量不全的视频图像；其中，所述人脸特征包括：眼睛、鼻子、嘴巴、眉毛，所述局部特征包括：眼睛的轮廓、嘴巴的轮廓、鼻子的轮廓、眉毛的形状；

步骤三：将剔除后的视频图像的人脸特征向量和局部特征与人脸模型中的人脸特征向量和局部特征进行匹配，确定人脸图像。

4.如权利要求1所述的一种基于深度学习的人脸云识别系统，其特征在于，所述图像处理模块，包括：图像旋转单元：用于将所述第一人脸图像放在笛卡尔坐标中，进行图像旋转，获得旋转矩阵；

图像滤波处理单元：用于通过高斯差分滤波技术获得所述旋转矩阵中的第一人脸图像，并确定所述第一人脸图像的人脸边缘值，将所述人脸边缘值作为稳定点，进行精细化人脸拟合，生成稳定图像；

图像校正单元：用于通过仿射变换伽马校正检测出所述稳定图像的深色区域和浅色区域，并通过调节伽玛曲线，增大两个区域色调比例，获得第二人脸图像。

5.如权利要求1所述的一种基于深度学习的人脸云识别系统，其特征在于，所述人脸云识别模块，包括：人脸数据库：包括永久数据库和暂存数据库，所述永久数据库用于存储系统采集的人脸图像，所述暂存数据库用于暂存IC卡的人脸图像，当IC识别端口识别出IC卡后，将所述IC卡中的人脸图像暂存至暂存数据库；

深度学习单元：用于将所述永久数据库的人脸图像作为训练数据集，并清除身份重复的人脸图像，对清除后的人脸图像通过卷积神经网络模型提取人脸特征数据，训练并构建人脸特征提取模型；

对比识别单元：用于将所述第二人脸图像的人脸特征数据与人脸数据库的人脸特征数据进行对比，获得对比结果。

6.如权利要求5所述的一种基于深度学习的人脸云识别系统，其特征在于，所述深度学习单元，包括：数据训练子单元：用于将永久数据库的人脸图像作为训练数据集，通过卷积神经网络模型中卷积层、池化层、全连接层进行人脸特征向量提取，获得训练数据结果；

参数调节子单元：用于根据所述训练数据结果，确定训练参数，并通过调节学习策略，进行新一轮网络训练，当所述训练参数达到预设的训练参数时，确定人脸特征提取模型；其中，所述训练参数包括：学习率参数、迭代参数。

7.如权利要求6所述的一种基于深度学习的人脸云识别系统，其特征在于，所述卷积神经网络模型，包括：卷积层：用于对永久数据库的人脸图像进行卷积核移动训练，并与移动位置所在区域的像素值进行相乘并累加，获取人脸特征图；

池化层：用于根据预设的区域划分机制对所述人脸特征图进行区域划分，并根据池化规则计算每个区域的人脸特征图的池化值，并生成二维人脸特征图；

全连接层：用于将所述二维人脸特征图转换成一维的人脸特征向量。

8.如权利要求5所述的一种基于深度学习的人脸云识别系统，其特征在于，所述对比识别单元，包括：人脸图像特征提取子单元：用于根据所述人脸特征提取模型提取所述第二人脸图像的一维人脸特征向量；

人脸数据库特征提取子单元：用于根据所述人脸特征提取模型提取人脸数据库的人脸图像一维人脸特征向量；

特征对比单元：用于将所述第二人脸图像一维人脸特征向量与所述人脸数据库的人脸图像一维人脸特征向量进行对比，获得对比结果。

9.如权利要求4所述的一种基于深度学习的人脸云识别系统，其特征在于，所述深度学习单元，还包括：迁移学习子单元：用于采集不同人种的人脸图像，并作为训练数据集，通过二次训练卷积神经网络模型，提取对应的人脸特征数据；

特征提取加速子单元：用于在训练卷积神经网络模型，对人脸特征数据进行提取时，通过FFT技术加速人脸特征数据的提取。

10.如权利要求7所述的一种基于深度学习的人脸云识别系统，其特征在于，所述池化层，包括：均值池化：用于对所述人脸特征图进行区域划分，并计算每个区域的均值池化值；

最大值池化：用于对所述人脸特征图进行区域划分，并计算每个区域的最大池化值；

随机值池化：用于对所述人脸特征图进行区域划分，随机获取每个区域的池化值。