1.一种基于宽度学习网络特征提取的人脸识别方法，其特征在于，所述人脸识别方法包括：获取数据库中的人脸图像；

对所述人脸图像进行预处理，生成预处理后的人脸图像；

对所述预处理后的人脸图像进行人脸检测，定位人脸特征所在的图像区域；

基于宽度学习网络提取所述图像区域的人脸特征向量；

采用所述人脸特征向量及对应的数据标签训练支持向量机分类器，生成训练好的人脸识别模型；

获取待检测人脸图像的待识别人脸特征向量；

将所述待识别人脸特征向量输入所述人脸识别模型，输出人脸识别结果。

2.根据权利要求1所述的人脸识别方法，其特征在于，所述对所述人脸图像进行预处理，生成预处理后的人脸图像，具体包括：将所述人脸图像裁剪为预设尺寸，生成裁剪后人脸图像；

将所述裁剪后人脸图像由RGB图像转换为灰度图像，生成预处理后的人脸图像。

3.根据权利要求2所述的人脸识别方法，其特征在于，所述对所述预处理后的人脸图像进行人脸检测，定位人脸特征所在的图像区域，具体包括：采用空间几何变化算法对所述预处理后的人脸图像进行人脸检测，定位出人脸轮廓区域作为人脸特征所在的图像区域。

4.根据权利要求3所述的人脸识别方法，其特征在于，所述基于宽度学习网络提取所述图像区域的人脸特征向量，具体包括：根据所述图像区域的人脸特征，采用公式 生成宽度学习网络输入层的特征节点；其中Zi表示第i个特征节点；i＝1,...n；n为输入层特征节点的数量；

为特征节点的激活函数；X表示人脸图像中人脸特征所在的图像区域；Wei为第i个特征节点的权重矩阵；βei为第i个特征节点的偏差；

根据所述特征节点，采用公式Hj＝ε(ZnWhj+βhj)生成所述特征节点的增强节点；其中Hj表示第j个增强节点；j＝1,...m；m为输入层增强节点的数量；ε为增强节点的激活函数；Zn＝[Z1,Z2,...,Zn]表示所有特征节点的集合；Whj为第j个增强节点的权重矩阵；βhj为第j个增强节点的偏差；

根据所述特征节点和所述增强节点，采用公式

求解所述宽度学习网络的连

接权重矩阵Wm；其中λ表示正则化系数，I表示单位矩阵，Zn表示所有特征节点的集合；Hm＝[H1,H2,...,Hm]表示所有增强节点的集合；

根据所述连接权重矩阵Wm，采用公式X1＝X(Wm)-1生成所述图像区域的人脸特征向量X1。

5.根据权利要求4所述的人脸识别方法，其特征在于，所述采用所述人脸特征向量及对应的数据标签训练支持向量机分类器，生成训练好的人脸识别模型，具体包括：将所述人脸特征向量X1作为支持向量机分类器的输入，将与所述人脸特征向量X1对应的数据标签Y作为所述支持向量机分类器的输出，对所述向量机分类器进行训练，生成训练好的人脸识别模型。

6.一种基于宽度学习网络特征提取的人脸识别系统，其特征在于，所述人脸识别系统包括：人脸图像获取模块，用于获取数据库中的人脸图像；

图像预处理模块，用于对所述人脸图像进行预处理，生成预处理后的人脸图像；

人脸定位模块，用于对所述预处理后的人脸图像进行人脸检测，定位人脸特征所在的图像区域；

人脸特征提取模块，用于基于宽度学习网络提取所述图像区域的人脸特征向量；

模型训练模块，用于采用所述人脸特征向量及对应的数据标签训练支持向量机分类器，生成训练好的人脸识别模型；

待识别特征获取模块，用于获取待检测人脸图像的待识别人脸特征向量；

人脸识别模块，用于将所述待识别人脸特征向量输入所述人脸识别模型，输出人脸识别结果。

7.根据权利要求6所述的人脸识别系统，其特征在于，所述图像预处理模块具体包括：尺寸裁剪单元，用于将所述人脸图像裁剪为预设尺寸，生成裁剪后人脸图像；

图像转换单元，用于将所述裁剪后人脸图像由RGB图像转换为灰度图像，生成预处理后的人脸图像。

8.根据权利要求7所述的人脸识别系统，其特征在于，所述对所述人脸定位模块具体包括：人脸定位单元，用于采用空间几何变化算法对所述预处理后的人脸图像进行人脸检测，定位出人脸轮廓区域作为人脸特征所在的图像区域。

9.根据权利要求8所述的人脸识别系统，其特征在于，所述人脸特征提取模块具体包括：特征节点生成单元，用于根据所述图像区域的人脸特征 ，采用公式生成宽度学习网络输入层的特征节点；其中Zi表示第i个特征节点；i＝1,...n；n为输入层特征节点的数量； 为特征节点的激活函数；X表示人脸图像中人脸特征所在的图像区域；Wei为第i个特征节点的权重矩阵；βei为第i个特征节点的偏差；

增强节点生成单元，用于根据所述特征节点，采用公式Hj＝ε(ZnWhj+βhj)生成所述特征节点的增强节点；其中Hj表示第j个增强节点；j＝1,...m；m为输入层增强节点的数量；ε为增强节点的激活函数；Zn＝[Z1,Z2,...,Zn]表示所有特征节点的集合；Whj为第j个增强节点的权重矩阵；βhj为第j个增强节点的偏差；

连接权重计算单元，用于根据所述特征节点和所述增强节点，采用公式求解所述宽度学习网络的连

接权重矩阵Wm；其中λ表示正则化系数，I表示单位矩阵，Zn表示所有特征节点的集合；Hm＝[H1,H2,...,Hm]表示所有增强节点的集合；

人脸特征向量生成单元，用于根据所述连接权重矩阵Wm，采用公式X1＝X(Wm)-1生成所述图像区域的人脸特征向量X1。

10.根据权利要求9所述的人脸识别系统，其特征在于，所述模型训练模块具体包括：模型训练单元，用于将所述人脸特征向量X1作为支持向量机分类器的输入，将与所述人脸特征向量X1对应的数据标签Y作为所述支持向量机分类器的输出，对所述向量机分类器进行训练，生成训练好的人脸识别模型。