1.一种基于特征谱正则化的格拉斯曼流形判别分析图像识别方法，其特征在于，所述方法包括：确定从训练视频集合的每个训练视频中提取的多个图像帧，得到每个所述训练视频对应的图像集合，所述训练视频集合包括N个所述训练视频，N为大于等于1的整数；

通过预先确定出的分析方法提取每个所述图像集合的线性子空间，将所有所述图像集合的线性子空间组成格拉斯曼流形，所述格拉斯曼流形由每个所述图像集合的线性子空间中的一个标准正交基所形成的标准正交基集合组成；

将所述格拉斯曼流形映射到希尔伯特空间，得到所述格拉斯曼流形在所述希尔伯特空间的向量组；

依据图嵌入理论框架，通过局部拉普拉斯矩阵和所述向量组建立局部保持矩阵；

根据所述局部保持矩阵的特征谱构建权重框架函数，并根据所述权重框架函数对所述局部保持矩阵的特征空间执行正则化操作，得到新的样本空间；

对所述新的样本空间结合预先定义的权重邻接矩阵，对特征分解方程执行求解操作，得到降维投影矩阵；

组合在执行所述正则化操作过程中得到的变换矩阵与所述降维投影矩阵，得到特征提取投影矩阵；

根据所述特征提取投影矩阵分别提取每个所述图像集合以及待识别视频的目标图像集合在经过格拉斯曼流形表达以及映射后的降维特征，并通过预先定义的分类器对每个所述图像集合的降维特征与所述目标图像集合的降维特征进行相似度比较，得到针对所述待识别视频的识别结果。

2.根据权利要求1所述的基于特征谱正则化的格拉斯曼流形判别分析图像识别方法，其特征在于，所述根据所述局部保持矩阵的特征谱构建权重框架函数，并根据所述权重框架函数对所述局部保持矩阵的特征空间执行正则化操作，得到新的样本空间，包括：对所述局部保持矩阵执行特征分解操作，得到所述局部保持矩阵的特征谱以及所述局部保持矩阵的特征空间；

根据所述特征谱建立权重框架函数，并通过所述权重框架函数对格拉斯曼核特征空间执行加权操作，得到变换矩阵；

使用所述变换矩阵对所述向量组进行投影，得到新的样本空间。

3.根据权利要求2所述的基于特征谱正则化的格拉斯曼流形判别分析图像识别方法，其特征在于，所述对所述局部保持矩阵执行特征分解操作，得到所述局部保持矩阵的特征谱，包括：对所述局部保持矩阵执行特征分解操作，得到所述局部保持矩阵的所有特征值；

按照特征值由大到小的顺序对所有所述特征值执行排序操作，得到所述局部保持矩阵的特征谱。

4.根据权利要求3所述的基于特征谱正则化的格拉斯曼流形判别分析图像识别方法，其特征在于，所述局部保持矩阵的计算公式为：Φ T

S ＝ΦLlocΦ；

Φ

其中，S 为所述局部保持矩阵，Φ为所述格拉斯曼流形在所述希尔伯特空间的所述向量组且Φ＝Φ(Y)＝[φ(Y1)，φ(Y2)，......，φ(YN)]，第i个所述图像集合的线性子空间中的一个标准正交基为Yi且 D为所述图像集合中每个图像的特征维度，m为所述格Τ拉斯曼流形的维度且等于所述标准正交基的基向量个数，Φ 为Φ的转置矩阵，Lloc为所述局部拉普拉斯矩阵且其表达式为：其中，ωij是连接第i个所述图像集合和第j个所述图像集合之间的权重参数，Cc是所述训练视频集合中第c个类别的训练视频对应的图像集合，ωij等于所述训练视频集合中第c个类别的训练视频对应的图像集合个数的倒数；Xi为第i个所述训练视频对应的图像集合，Xj为第j个所述训练视频对应的图像集合。

5.根据权利要求4所述的基于特征谱正则化的格拉斯曼流形判别分析图像识别方法，其特征在于，所述对所述局部保持矩阵执行特征分解操作，得到所述局部保持矩阵的所有特征值，包括：根据格拉斯曼核特征空间对所述局部保持矩阵执行特征分解操作，得到所述局部保持矩阵的所有特征值；

所述局部保持矩阵的所有特征值的计算公式为：

Τ Τ Τ Τ Τ Τ Τ

λ1＝V ΦLlocΦ V＝αΦ ΦLlocΦ Φα＝αKLlocKα，αα＝1；

其中，V为用于表达所述格拉斯曼核特征空间的线性组合， 且vi＝Φαi，K为格Τ拉斯曼核矩阵且K＝Φ Φ且K是通过格拉斯曼核函数计算得到的，α为所述局部保持矩阵的特征向量；所述局部保持矩阵的特征谱λ2为对所述局部保持矩阵的所有特征值按照特征值由大到小排序之后得到的，且所述格拉斯曼核特征空间为满秩的特征空间。

6.根据权利要求5所述的基于特征谱正则化的格拉斯曼流形判别分析图像识别方法，其特征在于，所述变换矩阵的计算公式为：其中， 且W为所述权重框架函数， 为所述变换矩阵；

所述新的样本空间的计算公式为：

其中， 为所述新的样本空间。

7.根据权利要求6所述的基于特征谱正则化的格拉斯曼流形判别分析图像识别方法，其特征在于，所述特征分解方程为：其中，U为所述降维投影矩阵，G为所述权重邻接矩阵，所述权重邻接矩阵第i行第j列的值为：所述特征提取投影矩阵的计算公式为：

其中，Nc是所述训练视频集合中第c个类别的训练视频对应的图像集合的数量，Z为所述特征提取投影矩阵，且所述目标图像集合在经过格拉斯曼流形表达以及映射后的降维特征为：te

其中，F为所述目标图像集合在经过格拉斯曼流形表达以及映射后的降维特征，Y 为所te述目标图像集合的线性子空间中的一个标准正交基，φ 为所述目标图像集合的线性子空间中的一个标准正交基映射到所述希尔伯特空间得到的目标特征向量，Y为所述标准正交基集合且Y＝{Y1，Y2，......，YN}。

8.根据权利要求5‑7任一项所述的基于特征谱正则化的格拉斯曼流形判别分析图像识别方法，其特征在于，所述权重框架函数为：其中，a和b的计算公式分别为：

其中，r为所述局部保持矩阵的秩， 是所述局部保持矩阵的特征谱λ2中第m1个特征值，λk是所述局部保持矩阵的特征谱λ2中第k个特征值，m1为所述局部保持矩阵的特征谱λ2上的分割点。

9.根据权利要求5‑7任一项所述的基于特征谱正则化的格拉斯曼流形判别分析图像识别方法，其特征在于，所述权重框架函数为：其中， r为所述局部保持矩阵的秩，λk是所述局部保持矩阵的特征谱λ2中第k个特征值，m2为所述局部保持矩阵的特征谱λ2上的分割点。

10.根据权利要求5‑7任一项所述的基于特征谱正则化的格拉斯曼流形判别分析图像识别方法，其特征在于，所述权重框架函数为：其中，a和b的计算公式分别为：

其中，r为所述局部保持矩阵的秩， 是所述局部保持矩阵的特征谱λ2中第m1个特征值，m1为所述局部保持矩阵的特征谱λ2上的第一分割点，m2为所述局部保持矩阵的特征谱λ2上的第二分割点。