1.一种面部识别系统，其特征在于，所述面部识别系统包括：图像采集模块，与图像分割模块连接，用于通过高清摄像头进行图像采集以获得高清图像；

图像分割模块，与图像采集模块、主控模块连接，用于接收高清图像，并从高清图像处识别并分割出脸部图像；

建立脸部图像中两图形的数学模型，由描述图形的完备向量组建立与图形对应的特征矩阵，计算出相邻两边的夹角；计算两图形间的最近距离；对计算结果的增强性处理；

所述建立的数学模型用多边形的边长和邻角按逆时针构造一个向量S1表示多边形：S1＝(l1,α1,l2，α2…lN‑1,αN‑1,lN,αN)；

S1和该多边形有一一映射关系，其表示与边角初始顺序无关；

所述完备向量组，按逆时针方向，有2N个向量S1、S2……S2N－1、S2N和多边形均有一一映射关系，构成了该多边形的一个完备向量组，表示如下：S1＝(l1,α1,l2，α2…lN‑1,αN‑1,lN,αN)；

S2＝(α1,l2，α2…lN‑1,αN‑1,lN,αN,l1)；

……

S2N－1＝(lN,αN,l1,α1,l2，α2…lN‑1,αN‑1)；

S2N＝(αN,l1,α1,l2，α2…lN‑1,αN‑1,lN)；

用矩阵SE表示完备向量，并定义SE为该多边形的特征矩阵，SE表示如下：

主控模块，与图像采集模块、图像分割模块、图像处理模块、特征生成模块、人脸特征库模块、特征匹配模块、显示模块连接，用于调度各个模块正常工作；

图像处理模块，与主控模块连接，用于对分割模块分割的人脸图像进行处理；

特征生成模块，与主控模块连接，用于对处理后人脸图像进行生成人脸细节特点的待识别的特征向量；

人脸特征库模块，与主控模块连接，用于预存储有已知人脸的特征向量；

特征匹配模块，与主控模块连接，用于将所述特征生成模块输出的待识别的特征向量与所述特征库中的所有特征向量进行匹配计算，输出所述待识别的特征向量对应的身份结果；

匹配计算方法包括：

步骤一、采集到N个样本用作训练集X，采用下式求出样本平均值m：其中，xi∈样本训练集X＝(x1，x2，…，xN)；

步骤二、求出散布矩阵S：

求出散布矩阵的特征值λi和对应的特征向量ei，其中，ei便是主分量，将特征值从大到小依次排列λ1，λ2，…；

取出p个值，λ1，λ2，…，λp确定出脸空间E＝(e1，e2，…，eP)，在此脸空间上，训练样本X中，每个元素投影到该空间的点由下式得到：x'i＝Etxi，t＝1，2，…，N；

由上式得到的是将原向量经过PCA降维后的p维向量；

采用SRC人脸识别算法进行多人脸识别，包括：对当前帧人脸检测并按坐标排序得出当前帧各个人脸的识别结果；根据当前帧各个人脸的识别结果计算对应的各个人脸各自相邻n帧识别结果；统计各个人脸的身份，由超过半数n/2的统一身份决定目标的最终身份；

其中，计算待识别图片与人脸库各类别间的重建误差{r1，r2……rn}，r1

显示模块，与主控模块连接，用于显示采集图像信息及匹配结果信息。

2.如权利要求1所述的面部识别系统，其特征在于，所述图形中源图形和目标图形作预处理包括:

根据图形最小包容矩形长宽比设置适当域值，进行过滤；

根据源图形中各边长与周长比的最小值设置域值，去除目标图形中的奇化部分；

对目标图形边数作化简处理，使和源图形具有相同边数；

化简处理包括：

1)对去除目标图形中的奇化部分的源信号 进行去低能量预处理，即在每一采样时刻p，将 幅值小于门限ε的值置0，得到门限ε的设定根据接收信号的平均能量来确定；

2)找出p时刻(p＝0,1,2,…P‑1)非零的时频域数据，用表示，其中 表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到T

预处理后的向量b(p,q)＝[b1(p,q),b2(p,q),…,bM(p,q)]，其中

3)利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率；在p(p＝0，1，2，…P‑1)时刻，对 表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数， 个聚类中心则表示载频的大小，分别用表示；对每一采样时刻p(p＝0，1，2，…P‑1)，利用聚类算法对 进行聚类，同样可得到个聚类中心，用 表示；对所有 求均值并取整，得到源信号个数的估计即：

找出 的时刻，用ph表示，对每一段连续取值的ph求中值，用 表示第l段相连ph的中值，则 表示第l个频率跳变时刻的估计；根据估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的 个混合矩阵列向量 具体公式为：这里 表示第l跳对应的 个混合矩阵列向量估计值；估计每一跳对应的载频频率，用 表示第l跳对应的个频率估计值，计算公式如下：

4)根据估计得到的归一化混合矩阵列向量估计时频域跳频源信号；

5)对不同跳频点之间的时频域跳频源信号进行拼接；估计第l跳对应的 个入射角度，用 表示第l跳第n个源信号对应的入射角度， 的计算公式如下：表示第l跳估计得到的第n个混合矩阵列向量 的第m个元素，c表示光速，即vc8

＝3×10米/秒；判断第l(l＝2，3，…)跳估计的源信号与第一跳估计的源信号之间的对应关系，判断公式如下：

(l) (l)

其中mn 表示第l跳估计的第mn 个信号与第一跳估计的第n个信号属于同一个源信号；将不同跳频点估计到的属于同一个源信号的信号拼接在一起，作为最终的时频域源信号估计，用Yn(p,q)表示第n个源信号在时频点(p,q)上的时频域估计值，p＝0,1,2,....,P，q＝0,1,2,...,Nfft‑1，即：

6)根据源信号时频域估计值，恢复时域跳频源信号；对每一采样时刻p(p＝0，1，2，…)的频域数据Yn(p,q),q＝0,1,2,…,Nfft‑1做Nfft点的IFFT变换，得到p采样时刻对应的时域跳频源信号，用yn(p,qt)(qt＝0,1,2,…,Nfft‑1)表示；对上述所有时刻得到的时域跳频源信号yn(p,qt)进行合并处理，得到最终的时域跳频源信号估计，具体公式如下：这里Kc＝Nfft/C，C为短时傅里叶变换加窗间隔的采样点数，Nfft为FFT变换的长度。

3.如权利要求2所述的面部识别系统，其特征在于，获取源图形和目标图形特征矩阵中最相似向量的欧式距离和最大相和系数具体包括：首先，按逆时针方向分别建立源图形P和目标图形Q的特征矩阵PE和QE：T T T T

PE＝[P1 P2…P2N－1 P2N]；

T T T T

QE＝[Q1 Q2…Q2N－1 Q2N]；

欧式距离公式d(x,y)和夹角余弦公式sim(x,y)如下：以d(x,y)和为sim(x,y)基础，重新定义两个矩阵D和S,使:求出D和S中的最小值；

分别令Eue＝min{Dij},1≤i≤j＝2N；Sime＝max{Sij},1≤i≤j＝2N；

然后再按顺序针方向构造图形P和Q的特征矩阵，重复上述计算方法，求出两特征矩阵中最完备向量间的最小值Euc和Simc；

最后令Eu＝min{Eue，Euc}；

Sim＝min{Sime，Simc}；

Eu和Sim即为P、Q两图形对应最相似向量的欧式距离和最大相和系数。

4.一种如权利要求1所述的面部识别系统的面部识别方法，其特征在于，所述面部识别方法包括以下步骤：

步骤一，通过图像采集模块进行图像采集以获得高清图像；通过图像分割模块从高清图像处识别并分割出脸部图像；

步骤二，主控模块调度图像处理模块对分割模块分割的人脸图像进行处理；

步骤三，通过特征生成模块生成人脸细节特点的待识别的特征向量；通过人脸特征库模块预存储有已知人脸的特征向量；

步骤四，通过特征匹配模块将所述特征生成模块输出的待识别的特征向量与所述特征库中的所有特征向量进行匹配计算，输出所述待识别的特征向量对应的身份结果；

步骤五，通过显示模块显示采集图像信息及匹配结果信息。

5.如权利要求4所述的面部识别方法，其特征在于，所述图像处理模块处理方法如下：首先，通过分割模块将待处理图像进行图像分割，得到人像图像；

其次，对所述人像图像进行人脸检测，得到人脸的下巴轮廓部分的N个特征点；

然后，根据所述N个特征点以及所述待处理图像中的多个预设关键点形成一个闭合区域；

最后，根据所述闭合区域对所述人像图像进行抠图处理，得到人脸区域图像。