1.一种邻域自适应变化的指纹匹配方法，其特征在于，该方法包括以下步骤：

根据指纹采集装置获取模板指纹图像和待匹配指纹图像，并对模板指纹图像和待匹配指纹图像进行灰度化处理得到对应的模板灰度图像和待匹配灰度图像；

对待匹配灰度图像进行不同尺度的高斯模糊构建高斯差分金字塔，根据所述高斯差分金字塔得到关键点；获取关键点以及其预设邻域范围内的像素点对应的梯度幅值和梯度方向，根据预设邻域范围内所有像素点对应的梯度幅值和梯度方向构建梯度直方图，根据所述梯度直方图获取峰值以及方向区间，基于所述峰值以及所述方向区间得到关键点主方向的显著程度；

调整关键点的预设邻域范围的大小，获取每次预设邻域范围的大小调整时关键点主方向对应的显著程度；对所有的关键点进行聚类得到多个簇，簇内每个关键点对应多个显著程度；获取每个簇对应的主方向多样性，根据主方向多样性和多个显著程度得到每个关键点的最优邻域范围和最优主方向；

根据所述最优邻域范围以及所述最优主方向获取最优关键点描述子，获取模板指纹图像中的最优关键点描述子，基于模板指纹图像与待匹配指纹图像之间的最优关键点描述子进行SIFI匹配得到匹配度，所述匹配度大于预设阈值时，指纹匹配成功；

所述基于所述峰值以及所述方向区间得到关键点主方向的显著程度的步骤，包括：

获取与所述峰值对应的方向区间的左相邻方向区间的纵轴值和右相邻方向区间的纵轴值；计算左相邻方向区间的纵轴值与所述峰值的左差值，以及右相邻方向区间的纵轴值与所述峰值的右差值，获取所述左差值与所述右差值的求和结果；

计算所述方向区间的右边界值与左边界值的差值，以所述差值的二倍作为分母，所述求和结果作为分母得到的比值为所述显著程度；

所述获取每个簇对应的主方向多样性的步骤，包括：

获取簇内每个关键点的主方向，获取所有关键点对应的主方向的均值，基于所述均值计算方差，所述方差为簇对应的主成分多样性；

所述根据主方向多样性和多个显著程度得到每个关键点的最优邻域范围和最优主方向的步骤，包括：获取簇内每个关键点对应的显著程度构成一个邻域组合，所述簇内包括多种邻域组合；获取每个邻域组合中每个关键点对应的显著程度与所述主方向多样性的乘积并进行求和，得到求和结果最大时对应的邻域组合，根据求和结果最大时对应的邻域组合中每个关键点对应的显著程度得到最优邻域范围；

根据所述最优邻域范围得到关键点的最优主方向。

2.根据权利要求1所述的一种邻域自适应变化的指纹匹配方法，其特征在于，所述根据所述高斯差分金字塔得到关键点的步骤，包括：在高斯差分金字塔中寻找稳定性强的局部极值点作为候选关键点，基于检测到的离散候选关键点对高斯差分金字塔的函数利用泰勒级数展开式进行曲线拟合，对曲线拟合得到的曲线计算极值点得到关键点。

3.根据权利要求1所述的一种邻域自适应变化的指纹匹配方法，其特征在于，所述根据所述最优邻域范围以及所述最优主方向获取最优关键点描述子的步骤，包括：对每个关键点对应的最优邻域范围进行旋转，旋转的基准为关键点对应的所述最优主方向；

将旋转后的最优邻域范围等分为多个小块，每个小块中像素点为一个种子点，获取每个种子点对应的8邻域的梯度方向，根据所有种子点对应的8邻域的梯度方向得到多维的最优关键点描述值。