1.一种基于复数矩阵的人脸特征模板保护方法，其特征在于，包括以下步骤：S1，获取多幅灰度人脸图像，计算每一幅灰度人脸图像对应的局部方差图谱；

S2，根据所述多幅灰度人脸图像和多个局部方差图谱构建多个复数矩阵；

S3，根据所述多幅灰度人脸图像中的训练图像和所述多个复数矩阵计算协方差矩阵，根据所述协方差矩阵生成特征向量矩阵；

S4，对所述特征向量矩阵进行置乱生成置乱矩阵，利用所述置乱矩阵对所述多个复数矩阵进行投影生成人脸图像对应的特征；

S5，将所述多幅灰度人脸图像中的测试图像与训练图像进行比较，并通过分类器对所述人脸图像对应的特征进行识别。

2.根据权利要求1所述的方法，其特征在于，所述每一幅灰度人脸图像对应的局部方差图谱的计算公式为：其中，fiV(x,y)为灰度人脸图像的局部方差图谱，i＝1，2，…，M，M为灰度人脸图像的幅数，灰度人脸图像的尺寸为W1×W2，L表示邻域内像素点的总数， 表示邻域的平均灰度值。

3.根据权利要求1所述的方法，其特征在于，所述S2，进一步包括：将所述灰度人脸图像fi(x,y)作为实部分量、所述局部方差图谱fiV(x,y)作为虚部分c量，构建所述多个复数矩阵fi(x,y)，具体表示为：fic(x,y)＝fi(x,y)+fiV(x,y)i其中，fi(x,y)为灰度人脸图像，fiV(x,y)为灰度人脸图像的局部方差图谱。

4.根据权利要求1所述的方法，其特征在于，所述S3进一步包括：S31，计算所述多幅灰度人脸图像中的训练图像的平均值 根据所述平均值 和所述多个复数矩阵fic生成所述协方差矩阵，所述协方差矩阵为：其中， 为多幅灰度人脸图像中的训练图像的平均值，T表示矩阵的转置；

S32，对所述协方差矩阵进行特征值分解，选取前d个最大特征值对应的特征向量生成所述特征向量矩阵W＝[X1,X2,…,Xd]。

5.根据权利要求1所述的方法，其特征在于，所述对所述特征向量矩阵进行置乱生成置乱矩阵具体包括：获取尺寸为W2×W2的单位矩阵并进行行变换和/或列变换，生成新的矩阵R；

对所述特征向量矩阵W和所述新的矩阵R进行变换得到所述置乱矩阵，所述置乱矩阵W'为：W'＝RTW。

6.一种基于复数矩阵的人脸特征模板保护系统，其特征在于，包括：计算模块，用于获取多幅灰度人脸图像，计算每一幅灰度人脸图像对应的局部方差图谱；

构建模块，用于根据所述多幅灰度人脸图像和多个局部方差图谱构建多个复数矩阵；

生成模块，用于根据所述多幅灰度人脸图像中的训练图像和所述多个复数矩阵计算协方差矩阵，根据所述协方差矩阵生成特征向量矩阵；

投影模块，用于对所述特征向量矩阵进行置乱生成置乱矩阵，利用所述置乱矩阵对所述多个复数矩阵进行投影生成人脸图像对应的特征；

识别保护模块，用于将所述多幅灰度人脸图像中的测试图像与训练图像进行比较，并通过分类器对所述人脸图像对应的特征进行识别。

7.根据权利要求6所述的系统，其特征在于，所述每一幅灰度人脸图像对应的局部方差图谱的计算公式为：其中，fiV(x,y)为灰度人脸图像的局部方差图谱，i＝1，2，…，M，M为灰度人脸图像的幅数，灰度人脸图像的尺寸为W1×W2，L表示邻域内像素点的总数， 表示邻域的平均灰度值。

8.根据权利要求6所述的系统，其特征在于，所述构建模块，具体用于，将所述灰度人脸图像fi(x,y)作为实部分量、所述局部方差图谱fiV(x,y)作为虚部分c量，构建所述多个复数矩阵fi(x,y)，具体表示为：fic(x,y)＝fi(x,y)+fiV(x,y)i其中，fi(x,y)为灰度人脸图像，fiV(x,y)为灰度人脸图像的局部方差图谱。

9.根据权利要求6所述的系统，其特征在于，所述生成模块，进一步包括：第一生成单元和分解单元；

所述第一生成单元，用于计算所述多幅灰度人脸图像中的训练图像的平均值 根据c所述平均值 和所述多个复数矩阵fi生成所述协方差矩阵，所述协方差矩阵为：其中， 为多幅灰度人脸图像中的训练图像的平均值，T表示矩阵的转置；

所述分解单元，用于对所述协方差矩阵进行特征值分解，选取前d个最大特征值对应的特征向量生成所述特征向量矩阵W＝[X1,X2,…,Xd]。

10.根据权利要求6所述的系统，其特征在于，所述对所述特征向量矩阵进行置乱生成置乱矩阵具体包括：获取尺寸为W2×W2的单位矩阵并进行行变换和/或列变换，生成新的矩阵R；

对所述特征向量矩阵W和所述新的矩阵R进行变换得到所述置乱矩阵，所述置乱矩阵W'为：W'＝RTW。