1.一种基于多步加权的单样本部分遮挡人脸识别方法，其特征在于，包括以下步骤：

a)提取图库图像集所有图像和探针图像的关键点，并对图像进行分块处理；

b)提取具有关键点的图像块的等价旋转不变的局部二值模式SILBP描述符，计算图像块中的关键点个数，并利用L2范数对关键点个数进行归一化，将归一化的关键点个数作为权重对描述符加权；

c)通过描述符加权匹配的方式获取探针图像块与和探针图像块是匹配部位的图库图像块之间的度量距离；

d)求所有探针图像块所对应的度量距离的平均值并用匹配关键点个数的倒数对平均值加权，最终的这个加权度量距离就是探针图像和图库图像之间的匹配度量距离，与探针图像具有最小度量距离的图库图像所对应的标签就是探针图像的身份。

2.根据权利要求1所述的一种基于多步加权的单样本部分遮挡人脸识别方法，其特征在于，提取图库图像集所有图像和探针图像Pro的关键点包括：将图库图像集表示为Gal＝{Gal1,Gal2,…,GalC,…,GalL}，即图像库中包括L个类别的图像；当Pro和第C个类别的图像GalC进行匹配时，根据关键点邻域描述符之间的欧式距离找出Pro中每个关键点在第C个类别的图像GalC关键点中的最近邻点和次近邻点，在Pro中关键点与最近邻点之间的距离和与次近邻点之间的距离的比值大于关键点阈值Threshold时，表示最近邻点邻域描述符和次近邻点邻域描述符都与Pro中的关键点邻域描述符相似，不具有判别能力，因此将被视为没有作用的关键点淘汰掉，即关键点满足：

3.根据权利要求1所述的一种基于多步加权的单样本部分遮挡人脸识别方法，其特征在于，对图像进行分块处理包括：将探针图像和图库图像分为n×s个等大小无重叠的图像块。

4.根据权利要求1所述的一种基于多步加权的单样本部分遮挡人脸识别方法，其特征在于，提取具有关键点的图像块的SILBP描述符包括：采样点为P个，邻域半径为R的N个像素，其中这N个采样点使用1或者0表示，1表示采样点的灰度值比中心点大，0表示采样点的灰度值比中心点小或者相等；用P个数字组成的二进制数表示中心位置的局部二值模式LBP值；旋转邻域半径为R的圆形邻域内的LBP特征，得到多个不同的LBP特征值，用最小的LBP特征值来代表这一系列特征值；在邻域中1的个数相同时，用从0到1跳变次数为2的LBP值来代表所有其他跳变次数的LBP值。

5.根据权利要求4所述的一种基于多步加权的单样本部分遮挡人脸识别方法，其特征在于，采用4组不同的邻域采样点的个数和邻域半径，利用等价旋转不变的局部二值模式uniform rotation invariant LBP编码将4组邻域采样点的个数P和邻域半径R的描述符串联。

6.根据权利要求5所述的一种基于多步加权的单样本部分遮挡人脸识别方法，其特征在于，4组不同的邻域采样点的个数P和邻域半径R包括{P＝8,R＝1}，{P＝8,R＝2}，{P＝16,R＝2}，{P＝16,R＝3}。

7.根据权利要求1所述的一种基于多步加权的单样本部分遮挡人脸识别方法，其特征在于，利用L2范数对关键点个数进行归一化包括：

其中，Cnumi表示第i个图像块的匹配关键点个数，cwi表示归一化之后的匹配关键点个数。

8.根据权利要求1所述的一种基于多步加权的单样本部分遮挡人脸识别方法，其特征在于，将归一化的匹配关键点个数作为权重对描述符加权包括：求出探针图像的第i个图像块pi的加权描述符分别与单样本图库图像库中各个类别下的所有K'个图像块的加权描述符之间的欧式距离，将在每个类别中最小的欧式距离作为探针图像的第i个图像块pi与图库图像块中第C个类别的图像的度量距离，其中第C类单样本图库图像的图像块与探针图像的第i个图像块的加权描述符的度量距离表示为：其中，CDpi表示探针图像的第i个图像块的描述符，cwpi为CDpi的权值，i＝1,2,…,K，K为探针图像的图像块数量；CDgj表示第C类单样本图库图像的第j个图像块，cwgj表示CDgj的权值，j＝1,2,…,K'，K'是第C类单样本图库图像的图像块数量；C为单样本图库图像库中任意一个类别的图像； 为距离探针图像的第i个图像块的加权描述符最近的第C类单样本图库图像的图像块的下标；||·||2表示计算欧式距离。

9.根据权利要求8所述的一种基于多步加权的单样本部分遮挡人脸识别方法，其特征在于，求出K个探针图像块所对应的度量距离Cdistpi…CdistpK后，对这K个度量距离求平均，即将度量距离求平均值DistC，表示为：