1.一种光照人脸识别方法，其特征在于：包括步骤：对人脸图像进行光照归一化预处理；利用粗粒度区化法将预处理后的人脸图像对比度连续值域区间进行划分，选择拐点T1,T2,…TN-1作为动态阈值点将对比度值域区间[minC,maxC]进行非线性划分为N层，提取每一层中包含了光照变化信息的人脸特征；计算模糊隶属函数保存每层特征隶属于各类的卡方距离，根据公式：将各层人脸特征按权重进行了融合，当t取最大

值得到的K即为识别结果，其中， 表示第N层人脸特征模糊隶属于第c类的程度，WNt表示第N层特征模糊隶属于第t类时的融合权重。

2.根据权利要求1所述的识别方法，其特征在于，所述光照归一化预处理为：将人脸图像转换到对数域，利用差分高斯滤波器对人脸图像进行平滑操作，然后进行全局对比度均衡化和直方图均衡化。

3.根据权利要求1所述的识别方法，其特征在于，根据每个分层的人脸特征，按照LMCP编码，得到N组不同纹理信息的人脸分块特征，依次对所有位于同一层的人脸分块特征级联得到一张完整的人脸特征。

4.根据权利要求1所述的识别方法，其特征在于，所述粗粒度区化法具体为：针对某一人脸分块Rj，求取该分块内所有局部区域（以gc为中心像素点，R为半径，P个邻居点的区域）内像素值对比度的最大值maxC和最小值minC，根据公式：将该局部区域的对比度值线性等距离分层，其中，L表示线性分层的数量,l表示人脸分块Rj内各局部区域的邻居点gp对应的对比度层次。

5.根据权利要求1所述的识别方法，其特征在于，计算模糊隶属函数保存每层特征隶属于各类的卡方距离的方法包括：根据公式：存储待识别样本各层特征隶属于各类的情况，其中： 表示待识别样本第N层特征的c模糊识别结果。 表示待识别样本的第N层人脸特征模糊隶属于第c类o 的程度。

6.根据权利要求1所述的识别方法，其特征在于，通过信息熵计算获取融合权重，具体为，根据公式：计算第N层特征模糊隶属于第t类时的融合权重WNt，其中，EN为某一

人脸图像第N层特征的信息熵，求其均值 为该类N层人脸特征的信息熵。