1.一种技术信息智能筛选及推送方法，其特征在于，包括：
服务器接收由客户端发送的身份验证请求信息；其中，所述的身份验证请求信息包括：用户的人脸图像；
所述服务器根据接收到的身份验证请求信息以及预存的已授权登录用户的人脸特征数据，验证该用户的身份；
验证通过后，所述服务器接收由客户端发送的技术需求信息；
所述服务器根据接收到的技术需求信息，从所述服务器的技术成果信息库中筛选出符合所述技术需求信息的技术成果信息，其中，所述技术成果信息库中存储有已分类好的技术成果信息；
所述服务器将筛选出的技术成果信息推送至所述客户端。
2.根据权利要求1所述的一种技术信息智能筛选及推送方法，其特征在于，所述服务器包括：用户信息管理模块；
所述用户信息管理模块，用于存储已授权登录用户的人脸特征数据。
3.根据权利要求2所述的一种技术信息智能筛选及推送方法，其特征在于，所述方法进一步包括：
所述服务器接收由客户端发送的注册请求信息，所述注册请求信息包括：待注册用户的人脸图像；
所述服务器根据接收到的注册请求信息对待注册用户的人脸图像进行处理，提取表征该用户身份的人脸特征数据，并将其存储至所述用户信息管理模块中。
4.根据权利要求3所述的一种技术信息智能筛选及推送方法，其特征在于，所述服务器根据接收到的身份验证请求信息以及预存的已授权登录用户的人脸特征数据，验证该用户的身份，具体是：
所述服务器对用户的人脸图像进行处理；
所述服务器从处理后的用户的人脸图像中提取表征用户身份的人脸特征数据；
所述服务器将提取到的人脸特征数据和所述用户身份信息库中存储的各用户的人脸特征数据进行匹配，若匹配成功，则验证通过。
5.根据权利要求4所述的一种技术信息智能筛选及推送方法，其特征在于，所述服务器对用户的人脸图像进行处理，具体是：
所述服务器将用户的人脸图像由rgb颜色空间变换到lab颜色空间；
所述服务器逐一对lab颜色空间的用户的人脸图像进行噪声点检测，将所有像素点划分为两类：疑似噪声点和非噪声点；
所述服务器将用户的人脸图像作灰度化处理，之后根据得到的疑似噪声点和非噪声点，计算用户的人脸图像的噪声密度；其中，噪声密度可采用如下算式计算得到：
式中，ρ为用户的人脸图像的噪声密度值，nnoise为疑似噪声点的个数，nclean为非噪声点的个数，g(pn)、g(qc)分别为像素点pn和像素点qc的灰度值，θnoise为疑似噪声点构成的集合，θclean为非噪声点构成的集合；
若计算得到的噪声密度值大于预设的噪声密度阈值t，则采用改进的小波变换进行滤波，即可得到滤波后的用户的人脸图像；
若计算得到的噪声密度值不大于预设的噪声密度阈值t，则计算疑似噪声点的灰度值的估计值，所有疑似噪声点的灰度值的估计值和非噪声点的灰度值构成的集合即为滤波后的用户的人脸图像。
6.根据权利要求5所述的一种技术信息智能筛选及推送方法，其特征在于，所述的对lab颜色空间的用户的人脸图像进行噪声点检测，具体是：
(1)以像素点p(x，y)为中心，选取一个大小为m×m的检测窗口ωp，其中，该检测窗口ωp内除去像素点p(x，y)之外，有k个像素点，且所述的k个像素点为像素点p(x，y)的邻近像素点；
(2)利用下式计算像素点p(x，y)与其邻近像素点的关联系数；
式中，c(p)为像素点p(x，y)与其邻近像素点的关联系数，
(3)将得到的关联系数和预设的关联系数阈值进行比较，若其关联系数大于所述的预设的关联系数阈值，则该像素点为疑似噪声点，反之，该像素点为非噪声点。