1.一种分区域特征提取人脸识别方法，其特征在于，具体按照如下步骤实施：步骤1，获取待识别的人脸图像；

步骤2，对步骤1获取的人脸图像利用多任务卷积神经网络进行预处理，进行人脸检测，并对人脸的关键点进行标记；

步骤3，把经过预处理操作的人脸图像根据关键点位置信息的不同，将人脸分割为表情易变区域和不变区域；

步骤4，然后将表情易变区域和不变区域的图像分别输入到Gabor&分块LBP特征提取通道，得到包含人脸特征信息的特征直方图；

步骤5，利用线性判别法对将步骤4的包含人脸特征信息的特征直方图进行处理，然后将处理过的人脸特征信息与数据库中的人脸特征进行匹配，得到人脸识别结果。

2.根据权利要求1所述的一种分区域特征提取人脸识别方法，其特征在于，所述步骤2中对步骤1获取的人脸图像利用多任务卷积神经网络进行预处理为对输入的人脸图像进行人脸分类器判断输入图像里面是否包含人脸图像，若包含则继续进行人脸框获取把人脸部分自动截取出来，再进行关键点定位。

3.根据权利要求2所述的一种分区域特征提取人脸识别方法，其特征在于，用交叉熵损失函数计算所述人脸分类器的人脸分类结果，表达式为：其中， 表示用于人脸分类的交叉熵损失函数，pi表示人脸概率大小， 表示背景真实标签；

用欧氏距离计算人脸框的位置信息，进行人脸框获取，表达式为：其中， 表示计算人脸框的欧氏距离， 表示预测人脸框位置， 表示真实人脸框位置。

通过欧式距离损失定位关键点坐标，表达式为：

其中， 表示关键点定位的欧氏距离， 表示预测人脸关键点位置，表示真实人脸关键点位置；

在不同样本下对公式(1)、(2)、(3)加上了不同权重再求和，表达式为：其中，N表示训练样本的数量，aj表示任务的重要性，bi表示样本标签；整个预处理过程即为：使公式(4)中Y值最小化，即就是要使公式(1)、(2)、(3)值最小。

4.根据权利要求3所述的一种分区域特征提取人脸识别方法，其特征在于，所述步骤3具体为：步骤3.1，确定分割线，得到人脸分割图；

水平分割线的确定：

假设对两个眉毛的关键点标注的坐标分别为(x1,y1)、(x2,y2)，对两个眼睛的关键点标注的坐标分别为(m1,n1)、(m2,n2)，分别对左右两边眉毛和眼睛求垂直方向上的中心点坐标：并且把h1与h2的连线作为水平分割线，这条水平分割线作为模糊带处理，即就是把水平分割线当作两个不同区域的交集部分；

垂直分割线的确定：

假设两个眼睛的关键点标注的坐标分别为(m1,n1)、(m2,n2)，鼻子关键点的坐标为(a1,b1)，求左眼和右眼到鼻子的水平中心点：分别经过两个中心点作垂线，垂线即就是垂直分割线，把垂直分割线作为模糊带处理；

分别对两个相邻的关键点进行水平分割或垂直分割，若是上下相邻的两个关键点，则计算水平分割线，若是左右相邻的两个关键点，则计算它们的锤直分割线，按照分割线进行分割，得到人脸不同区域的分割图；

步骤3.2，将包含眼部、嘴巴、眉毛关键点的区域归为表情易变区域，将包含鼻子、额头、脸颊关键点的区域归为表情不变区域。

5.根据权利要求4所述的一种分区域特征提取人脸识别方法，其特征在于，所述步骤4具体为：步骤1，将表情易变区域和不变区域的图像分别输入到Gabor特征提取通道中，进行Gabor特征提取，输出的Gabor特征图，然后对Gabor特征图进行2*2分块，分成四个子块Gabor特征图，其中二维Gabor核函数如下：其中，u和v分别代表选取核函数尺度和方向的数量，||.||是2范数运算符，z是图像像素坐标点，σ表示标准差；

步骤4.2，对经步骤4.2进行分块的每个子块进行LBP特征提取，分块LBP值的公式如(10)和(11)所示：其中，中间位置像素亮度值为gc，周围的八近邻像素亮度值为gi(i＝0,1,...,7)，若gi>gc，则把gi处的值赋值为1，若gi

6.根据权利要求5所述的一种分区域特征提取人脸识别方法，其特征在于，所述步骤5中线性判别法具体为：将步骤4输出的人脸图像特征设为x＝(x1,x2,…,xn)，经过映射矩阵H后变换为z＝(z1,z2,...,zn)，即就是z＝HTx，其映射的具体步骤如下：设样本数据xi的均值为Xi，xi为一维列向量，则中心点为 其中Ni为xi样本的数目：中心点经过H变换得到 就是样本集Xi的中心点的投影：

其中类内间距JH是由样本各点到中心点距离的平方和来表示，Si表示类内散度：类间距离JB主要是由两个不同类中心点之间的距离来衡量的，其中SB表示类间散度；

设目标函数为J(H)，通过对目标函数求导，获取目标函数J(H)的最大值，最后得到的人脸特征信息具有最佳类内间距和类间间距：

7.根据权利要求6所述的一种分区域特征提取人脸识别方法，其特征在于，所述步骤5具体为：将经过线性判别法处理过的包含最小的类内间距和最大的类间间距的人脸特征，与数据库中每张人脸特征进行比对，如果最终的相似度大于提前设定的阈值，则认为使同一张人脸，否则为不同的人脸。