1.一种户外人脸识别方法，其特征在于，包括以下步骤：A.人脸分类器训练，用于训练生成各种光照情况的人脸分类器，该步骤包括：采集至少两种光照情况下的人脸图片；

根据所述人脸图片提取人脸特征；以及

根据所述人脸特征训练生成每种光照情况的人脸分类器，并计算所述每种光照情况人脸分类器的阈值进行存储；

B.人脸识别，用于选择最佳的人脸分类器进行人脸识别，该步骤包括：采集人脸图片；

根据所述人脸图片提取人脸特征；

根据所述人脸特征计算所述采集时光照情况的阈值，与所述存储的每种光照情况人脸分类器的阈值进行比较，选择最佳的人脸分类器；以及利用所述最佳分类器进行人脸识别，并输出识别结果；

计算所述每种光照情况人脸分类器的阈值的步骤进一步包括：统计每张人脸图片的灰度值；以及

对于每种光照情况，统计所有正样本的灰度值的均方差作为每种光照情况分类器的阈值。

2.根据权利要求1所述的户外人脸识别方法，其特征在于，所述至少两种光照情况为五种光照情况。

3.根据权利要求2所述的户外人脸识别方法，其特征在于，所述五种光照情况分别包括：光线均匀非直射在人脸；

光线直射在人脸；

光线从后侧照射在人脸；

光线从左侧照射在人脸；以及

光线从右侧照射在人脸。

4.根据权利要求1所述的户外人脸识别方法，其特征在于，所述采集人脸图片时，人脸适当偏转。

5.根据权利要求1所述的户外人脸识别方法，其特征在于，所述根据所述人脸特征训练生成每种光照情况人脸分类器时，正样本的个数为50到80个，独立负样本的个数为200个。

6.根据权利要求1所述的户外人脸识别方法，其特征在于，所述根据人脸图片提取人脸特征的步骤进一步包括：进行人脸检测，提取正面人脸；

根据人眼瞳孔距离对所述人脸图片进行归一化；以及对所述人脸图片进行奇异值分解，取对角元素作为人脸特征。

7.根据权利要求1所述的户外人脸识别方法，其特征在于，所述分类器为支持向量机SVM分类器。

8.根据权利要求7所述的户外人脸识别方法，其特征在于，所述SVM分类器的类型为C-SVC，其中，C表示对个别样本不能正确分类时的重视程度。

9.根据权利要求1所述的户外人脸识别方法，其特征在于，所述统计人脸图片的灰度值的步骤进一步包括：光线均匀非直射在人脸、光线直射在人脸、以及光线从后侧照射在人脸的人脸图片，统计整个脸的灰度值；

光线从左侧照射在人脸的人脸图片，统计左脸的灰度值；以及光线从右侧照射在人脸的人脸图片，统计右脸的灰度值。

10.一种户外人脸识别系统，包括：

人脸图片采集模块，所述人脸图片采集模块用于采集人脸图片；

特征提取模块，所述特征提取模块用于根据所述人脸图片提取人脸特征；

训练模块，所述训练模块用于根据所述人脸特征训练生成每种光照情况的人脸分类器，并计算所述每种光照情况人脸分类器的阈值进行存储；

选择模块，所述选择模块用于人脸识别时选择最佳的人脸分类器；以及识别模块，所述识别模块用于利用所述选择模块选择的最佳人脸分类器进行人脸识别并输出识别结果；

所述训练模块，包括：

分类器训练模块，所述分类器训练模块用于根据所述人脸特征训练生成每种光照情况的人脸分类器；

计算模块，所述计算模块用于计算所述每种光照情况人脸分类器的阈值；以及保存模块，所述保存模块用于保存所述每种光照情况人脸分类器的阈值；

所述计算模块计算每种光照情况人脸分类器的阈值，包括：统计每张人脸图片的灰度值；以及

对于每种光照情况，统计所有正样本的灰度值的均方差作为所述每种光照情况分类器的阈值。

11.根据权利要求10所述的户外人脸识别系统，其特征在于，所述人脸图片采集模块采集人脸图片时，人脸适当偏转。

12.根据权利要求10所述的户外人脸识别系统，其特征在于，所述统计每种光照情况人脸图片的灰度值，包括：光线均匀非直射在人脸、光线直射在人脸、以及光线从后侧照射在人脸的人脸图片，统计整个脸的灰度值；

光线从左侧照射在人脸的人脸图片，统计左脸的灰度值；以及光线从右侧照射在人脸的人脸图片，统计右脸的灰度值。

13.根据权利要求10所述的户外人脸识别系统，其特征在于，所述选择模块，包括：比较模块，所述比较模块用于计算所述采集时光照情况的阈值，并将所述光照情况的阈值与所述每种光照情况分类器的阈值进行比较；以及判断模块，所述判断模块用于根据所述比较模块的比较结果，判断光照情况，确定最佳的人脸分类器。