1.一种基于相变和扩散神经网络的虹膜识别方法，其特征在于，包括：步骤S1，图像获取模块获取虹膜图像并将虹膜图像传输至图像处理模块做虹膜图像归一化处理和灰度化处理以得到灰度图像；

步骤S2，特征确定模块将所述灰度图像划分为若干区域，神经网络提取任一区域中的特征图像，所述特征确定模块确定是否将特征图像作为识别特征；

步骤S3，所述特征确定模块确定识别特征占比，并在第二占比水平确定识别特征的级别；

步骤S4，判定模块根据识别特征的级别计算任一所述区域的特征值评分并根据特征值评分将区域分类为三类特征区域，所述三类特征区域包括高特征区域、中特征区域以及低特征区域；

步骤S5，识别模块根据三类特征区域的占比确定虹膜识别方式。

2.根据权利要求1所述的基于相变和扩散神经网络的虹膜识别方法，其特征在于，在所述步骤S2中，所述特征确定模块判定特征图像是否作为识别特征的方法包括：步骤S21，计算特征图像的面积和特征图像的灰度；

步骤S22，根据特征图像的面积和特征图像的灰度计算特征值；

步骤S23，确定特征图像的特征值水平，将处于第一特征值水平的特征图像作为识别特征。

3.根据权利要求2所述的基于相变和扩散神经网络的虹膜识别方法，其特征在于，在所述步骤S3中，若识别特征占比处于第一占比水平，所述图像处理模块对虹膜图像做对比度和清晰度处理以提高虹膜图像的识别率，图像处理模块将处理后的虹膜图像传输至特征确定模块以跳转至所述步骤S2。

4.根据权利要求3所述的基于相变和扩散神经网络的虹膜识别方法，其特征在于，在所述步骤S2中，所述神经网络提取任一区域中的特征图像，所述特征确定模块计算特征图像的面积和特征图像的灰度，特征确定模块根据特征图像的面积和特征图像的灰度按照以下公式计算特征值；

所述特征确定模块根据特征值确定特征图像是否作为识别特征；

若特征值处于第一特征值水平，所述特征确定模块将对应特征图像作为识别特征；

若特征值处于第二特征值水平，所述特征确定模块不将对应特征图像作为识别特征；

所述第一特征值水平满足特征值大于等于预设特征值标准，所述第二特征值水平满足特征值小于预设特征值标准。

5.根据权利要求4所述的基于相变和扩散神经网络的虹膜识别方法，其特征在于，在所述步骤S3中，所述特征确定模块按照以下公式计算所述灰度图像中识别特征占比；

所述特征确定模块根据识别特征占比判定是否对虹膜图像做图像处理；

若识别特征占比处于第一占比水平，所述特征确定模块判定需对虹膜图像做图像处理；

若识别特征占比处于第二占比水平，所述特征确定模块判定无需对虹膜图像做图像处理；

所述第一占比水平满足识别特征占比小于预设占比标准，所述第二占比水平满足识别特征占比大于等于预设占比标准。

6.根据权利要求5所述的基于相变和扩散神经网络的虹膜识别方法，其特征在于，在所述步骤S3中，所述特征确定模块在第二占比水平下根据特征值确定识别特征的级别；

若特征值满足第一级别标准，所述特征确定模块将识别特征的级别确定为一级识别特征；

若特征值满足第二级别标准，所述特征确定模块将识别特征的级别确定为二级识别特征；

若特征值满足第三级别标准，所述特征确定模块将识别特征的级别确定为三级识别特征；

所述第一级别标准满足特征值大于等于第二预设特征值，所述第二级别标准满足特征值小于第二预设特征值且大于等于第一预设特征值，所述第三级别标准满足特征值小于第一预设特征值。

7.根据权利要求6所述的基于相变和扩散神经网络的虹膜识别方法，其特征在于，在所述步骤S4中，所述判定模块根据以下公式计算任一所述区域的特征值评分S；

S＝α×∑Di+β×∑Dj+γ×∑Dr

其中，Di为区域内任一所述一级识别特征的特征值，α为一级识别特征的权重系数，Dj为区域内任一所述二级识别特征的特征值，β为二级识别特征的权重系数，Dr为区域内任一所述三级识别特征的特征值，γ为三级识别特征的权重系数。

8.根据权利要求7所述的基于相变和扩散神经网络的虹膜识别方法，其特征在于，在所述步骤S4中，所述判定模块根据特征值评分对区域进行分类；

若特征值评分满足第一分类标准，所述判定模块将对应区域确定为高特征区域；

若特征值评分满足第二分类标准，所述判定模块将对应区域确定为中特征区域；

若特征值评分满足第三分类标准，所述判定模块将对应区域确定为低特征区域；

所述第一分类标准满足特征值评分大于等于第二预设特征值评分，所述第二分类标准满足特征值评分小于第二预设特征值评分且大于等于第一预设特征值评分，所述第三分类标准满足特征值评分小于第一预设特征值评分。

9.根据权利要求8所述的基于相变和扩散神经网络的虹膜识别方法，其特征在于，在所述步骤S5中，所述识别模块中设有虹膜识别方式；

第一虹膜识别方式为，所述识别模块仅对高特征区域内的识别特征进行识别以得出识别结果；

第二虹膜识别方式为，所述识别模块同时对高特征区域和中特征区域内的识别特征进行识别以得出识别结果；

第三虹膜识别方式为，所述识别模块同时对高特征区域、中特征区域和低特征区域内的识别特征进行识别以得出识别结果；

所述第一识别方式满足高特征区域占比大于等于预设比例，所述第二识别方式满足高特征区域占比小于预设比例，所述第三识别方式满足高特征区域和中特征区域占比小于预设比例。

10.根据权利要求9所述的基于相变和扩散神经网络的虹膜识别方法，其特征在于，所述识别模块将所述识别特征进行编码以得到特征编码，将特征编码与数据库中预存的虹膜图像特征编码逐一匹配，以判断是否为相同虹膜。