1.一种基于神经网络的面部识别系统，其特征在于，包括：摄像装置，其设置在所述面部识别系统上部，用以扫描检测区域内人脸；

显示屏，其设置在所述面部识别系统上部，显示屏位于所述摄像装置的一侧并与所述摄像装置相连，用以实时显示摄像装置检测到的画面并将扫描到的人脸状态反馈至用户，用户根据反馈信息调整自身面部的位置；

中控模块，其设置在所述面部识别系统内部并与所述摄像装置相连，摄像装置将扫描到的人脸信息传送至中控模块；

在使用所述面部识别系统时，通过向所述中控模块内输入多张使用用户不同角度的照片，所述中控模块对同一用户的不同的照片进行识别，通过中控模块内设算法获取人脸静态特征数据，中控模块将人脸静态特征数据作为标准图像数据样本，每一图像数据样本用以生成对应用户的人脸图像，中控模块将多个用户的数据样本进行合并，生成数据样本矩阵组K0；

所述摄像装置采集人脸视频信息并将视频信息传递至所述中控模块，中控模块对视频的每一帧图片进行分析，获取多帧待识别人脸图像，以选取最适合人脸图像k；

所述摄像装置具有红外检测功能，能够检测人员与摄像装置之间距离L并将检测结果传递至中控模块，中控模块根据距离L将人脸图像k补偿为k’；

所述中控模块将人脸图像k’投射到平面，以像素为单位将人脸划分为n个区域，所述中控模块检测人脸图像k’内所有区域的亮度、对亮度进行调节并生成新的人脸图像k”；

所述中控模块将人脸图像k”与矩阵组K0内存有的用户人脸图像做对比，选取相似度最高的两张人脸图像做精确对比，中控模块将人脸图像k”分为脸部整体图像、眼部图像、鼻子图像和嘴部图像，其中，脸部整体图像分为n个区域，眼部图像分为n2个区域，鼻子图像分为n3个区域，嘴部图像分为n4个区域；中控模块将所有单一区域图像与选取的两张人脸图像对应部分做对比，判定单一区域是否吻合并计算各划分图像内的吻合率，各划分图像拥有不同权重，中控模块结合所述各划分图像内的吻合率和权重计算人脸图像k”是否通过，在人脸识别通过时，将识别图像并入到的数据样本中。

2.根据权利要求1所述的基于神经网络的面部识别系统，其特征在于，在所述面部识别系统进行面部识别时，所述摄像装置采集人脸视频信息并将视频信息传递至中控模块，中控模块对视频的每一帧图片进行分析，获取多帧待识别人脸图像，其中，中控模块选取最适合人脸图像k、人脸图像长为M1、宽为N1；

所述摄像装置通过红外检测功能检测人员与摄像装置之间距离L并将检测结果传递至所述中控模块，中控模块根据距离L将人脸图像k补偿为k’,补偿后的图像长为M，宽为N，M＝M1×L×m’，N＝N1×L×n’,m’为人脸图像长度补偿参数，n’为人脸图像宽度补偿参数；

所述中控模块将人脸图像k’投射到平面，以鼻尖为原点建立直角坐标系，以脸的横向作为X轴，以脸的纵向作为Y轴，以像素为单位将人脸划分为n个区域。

3.根据权利要求2所述的基于神经网络的面部识别系统，其特征在于，所述中控模块内设有亮度矩阵C0和亮度调节参数矩阵D0；

对于亮度矩阵C0，C0(C1,C2,C3,C4),其中，C1为第一预设亮度参数，C2为第二预设亮度参数，C3为第三预设亮度参数，C4为第四预设亮度参数，所述各亮度参数按照顺序依次增大；

对于亮度调节参数矩阵D0，D0(D1,D2,D3,D4),其中，D1为第一预设亮度调节参数，D2为第二预设亮度调节参数，D3为第三预设亮度调节参数，D4为第四预设亮度调节参数；

所述中控模块检测人脸图像k’第i区域的亮度Wi并将Wi与C0矩阵内参数做对比：当Wi≤C1时，中控模块判定第i区域亮度不足并从D0矩阵中选取D1作为亮度调节参数；

当C1＜Wi≤C2时，中控模块判定第i区域亮度不足并从D0矩阵中选取D2作为亮度调节参数；

当C2＜Wi≤C3时，中控模块判定第i区域亮度处于标准状态；

当C3＜Wi≤C4时，中控模块判定第i区域亮度过高并从D0矩阵中选取D3作为亮度调节参数；

当Wi＞C4时，中控模块判定亮度第i区域过高并从D0矩阵中选取D4作为亮度调节参数；

当所述中控模块判定第i区域亮度不处于标准状态时，中控模块将第i区域亮度调节至Wi’,当中控模块判定第i区域亮度不足时，Wi’＝Wi+(C3‑Wi)×Dj，j＝1,2；当中控模块判定第i区域亮度过高时，Wi’＝Wi‑(Wi‑C2)×Dr,r＝3,4；

当所述中控模块将第i区域亮度调节至Wi’时，中控模块将Wi’与C0矩阵内参数做对比，当C2＜Wi’≤C3时，中控模块判定第i区域亮度处于标准状态；当Wi’不在C2～C3时，重复上述操作，直至C2＜Wi’≤C3；

所述中控模块对人脸图像k’内所有区域进行调节并生成新的人脸图像k”，人脸图像k”区域亮度均在C2～C3范围内,中控模块根据k”生成人脸图像矩阵组H0。

4.根据权利要求3所述的基于神经网络的面部识别系统，其特征在于，所述中控模块将人脸图像k”与矩阵组K0内存有的用户人脸图像做对比，选取相似度最高的两张人脸图像做精确对比，所述两张人脸图像对应数据样本矩阵组Ku(Ku1,Ku2，Ku3……Kun)与数据样本矩阵组Kv；

所述中控模块将矩阵组Ku内人脸图像ku投射到平面，以鼻尖为原点建立直角坐标系，以脸的横向作为X轴，以脸的纵向作为Y轴，以像素为单位将人脸划分为n个区域；

设定所述数据样本矩阵组Ku(Ku1,Ku2,Ku3……Kun),对于其中的第一组Ku1(au1,bu1),au1为Ku1区域内第u人脸轮廓与该区域内相交的第一端点，bu1为Ku1区域内第u人脸轮廓与该区域内相交的第二端点，连接两点生成线段ku1；

对于其中的第二组Ku2(au2,bu2),au2为Ku2区域内第u人脸轮廓与该区域内相交的第一端点，bu2为Ku2区域内第u人脸轮廓与该区域内相交的第二端点,连接两点生成线段ku2；

对于其中的第三组Ku3(au3，bu3)，au3为Ku3区域内第u人脸轮廓与该区域内相交的第一端点，bu3为Ku3区域内第u人脸轮廓与该区域内相交的第二端点，连接两点生成线段ku3；

对于其中的第n组Kun(aun，bun)，aun为Kun区域内第u人脸轮廓与该区域内相交的第一端点，bun为Kun区域内第u人脸轮廓与该区域内相交的第二端点，连接两点生成线段kun。

5.根据权利要求4所述的基于神经网络的面部识别系统，其特征在于，所述中控模块将人脸图像k”进行数据提取并生成矩阵k0(k1，k2，k3，k4)，其中，k1为人脸图像k脸部整体图像，k2为人脸图像k眼部图像，k3为人脸图像k鼻子图像，k4为人脸图像k嘴部图像；

对于生成人脸图像矩阵组H0(H1，H2，H3，……Hn),其中，H1～Hn在k1区域，Ha～Hb在k2区域，Hc～Hd在k3区域，He～Hf在k4区域；

对于H1(p1，q1)，p1为H1区域内H人脸轮廓与该区域内相交的第一端点，q1为H1区域内H人脸轮廓与该区域内相交的第二端点，连接两点生成线段h1；

对于H2(p2，q2),p2为H2区域内H人脸轮廓与该区域内相交的第一端点，q2为H2区域内H人脸轮廓与该区域内相交的第二端点,连接两点生成线段h2；

对于H3(p3，q3)，p3为H3区域内H人脸轮廓与该区域内相交的第一端点，q3为H3区域内H人脸轮廓与该区域内相交的第二端点，连接两点生成线段h3；

对于Hn(pn,qn),pn为Hn区域内H人脸轮廓与该区域内相交的第一端点，qn为Hn区域内H人脸轮廓与该区域内相交的第二端点,连接两点生成线段hn。

6.根据权利要求5所述的基于神经网络的面部识别系统，其特征在于，所述中控模块将所述人脸图像矩阵组H0(H1,H2,H3,……Hn)与所述数据样本矩阵组Ku(Ku1,Ku2,Ku3……Kun)进行对比并生成对比矩阵M0(M1,M2,M3……Mn),对于M1(h1,ku1)其定义为：其中，∠(h1,ku1)表示线段h1和线段ku1在预设直角坐标系内的角度θ1，⊥(h1,ku1)表示线段h1和线段ku1在预设直角坐标系内的垂直距离α1，||(h1,ku1)表示线段h1和线段ku1在预设直角坐标系内的水平距离β1；

所述中控模块内设有单个区域对比度参数P和判断值Q计算公式：其中γ为θ1对判断值Q的计算权重，∈为α1对判断值Q的计算权重，η为β1对判断值Q的计算权重；

当Q＜P时，判断H1区域与Ku1区域图像相吻合；

当Q≥P时，判断H1区域与Ku1区域图像不吻合。

7.根据权利要求6所述的基于神经网络的面部识别系统，其特征在于，所述中控模块将矩阵组H0内所有区域与矩阵组Ku内所述区域做对比，其中，k1区域分为n个区域，图像相吻合区域有m个；k2区域分为n2个区域，图像相吻合区域有m2个；k3区域分为n3个区域，图像相吻合区域有m3个；k4区域分为n4个区域，图像相吻合区域有m4个；中控模块计算各区域吻合率：

k1区域吻合率为 k2区域吻合率为 k3区域吻合率为 k4区域吻合率为中控模块计算人脸图像k”与人脸图像ku吻合率Sz：其中，z1为S1对Sz的权重参数，z2为S2对Sz的权重参数，z3为S3对Sz的权重参数，z4为S4对Sz的权重参数；

所述中控模块还设有人脸图像k”与人脸图像ku吻合率参数S,中控模块将Sz与S做对比：

当Sz＞S时，中控模块判定人脸图像k”与人脸图像ku为同一用户人脸；

当Sz≤S时，中控模块判定人脸图像k”与人脸图像ku为不同人脸。

8.根据权利要求7所述的基于神经网络的面部识别系统，其特征在于，当所述中控模块判定人脸图像k”与人脸图像ku为同一用户人脸时，中控模块将人脸图像k”按照预设算法获取人脸静态特征数据，人脸静态特征数据作为标准图像并入到ku的数据样本中；

当所述中控模块判定人脸图像k”与人脸图像ku为不同人脸时，中控模块将矩阵组Kv内人脸图像kv投射到平面，重复上述操作对人脸图像kv进行识别。

9.根据权利要求8所述的基于神经网络的面部识别系统，其特征在于，当中控模块判定人脸图像k”与人脸图像ku和人脸图像kv均为不同人脸时，中控模块判定人脸不通过。