1.一种用于隐私保护的人脸特征加密匹配方法，其特征在于，包括以下步骤：

对采集到的人脸图像进行预处理和特征提取；

基于人脸特征分布特性动态确定缩放因子，对CKKS算法进行改进；包括基于人脸特征向量中特征值的集中程度构建特征集中因子，基于特征集中因子分析人脸特征值对CKKS算法中缩放因子的代表程度构建编码基准因子，基于特征集中因子和编码基准因子构建动态缩放因子；

所述基于人脸特征向量中特征值的集中程度构建特征集中因子包括将人脸特征向量中每个元素取绝对值并进行降序排列，选取前k个头部特征，基于k个头部特征均值和所有特征均值的比值构建特征集中因子；

所述基于特征集中因子分析人脸特征值对CKKS算法中缩放因子的代表程度构建编码基准因子包括确定特征集中因子的自适应阈值，基于特征集中因子与自适应阈值差值在（0,1）区间的映射，自适应分配最大特征值与头部特征均值的权重，从而构建编码基准因子其中E表示人脸特征向量的编码基准因子， 表示人脸特征向量中绝对值最大的特征值，sig()表示sigmoid函数，F表示人脸特征向量的特征集中因子， 表示特征集中因子的自适应阈值， 表示k个头部特征均值；

所述动态缩放因子的计算方法为：

其中Q表示动态缩放因子，E表示人脸特征向量的编码基准因子， 表示向上取整函数， 表示人脸特征向量的特征集中因子；

基于改进后的CKKS算法对人脸特征进行加密匹配。

2.根据权利要求1所述的用于隐私保护的人脸特征加密匹配方法，其特征在于，所述预处理和特征提取包括将采集到的人脸图像转换为灰度图像，并对灰度图像进行去噪处理，然后提取人脸图像的人脸部分输入人脸识别模型，输出人脸特征向量。

3.根据权利要求2所述的用于隐私保护的人脸特征加密匹配方法，其特征在于，所述提取人脸图像的人脸部分包括使用MTCNN网络在人脸图像中定位人脸的位置和边界，去除背景部分。

4.根据权利要求1所述的用于隐私保护的人脸特征加密匹配方法，其特征在于，采用大津阈值分割法确定特征集中因子的自适应阈值。

5.一种用于隐私保护的人脸特征加密匹配系统，用于实现权利要求1‑4任一项所述的用于隐私保护的人脸特征加密匹配方法，其特征在于，包括图像采集设备、用户端和服务器端，所述图像采集设备的输出端与用户端相连，所述用户端的输出端与服务器端相连；

所述图像采集设备用于采集人脸图像并将采集的人脸图像输出到用户端；

所述用户端用于对人脸图像进行预处理和特征向量提取；基于人脸特征分布特性动态确定CKKS算法中的缩放因子，对CKKS算法进行改进；进而采用改进后的CKKS算法对人脸特征进行加密，生成用户端密文，并将密文及对应的缩放因子传输至服务器端；

其中，所述动态确定CKKS算法中的缩放因子，对CKKS算法进行改进包括基于人脸特征向量中特征值的集中程度构建特征集中因子，基于特征集中因子分析人脸特征值对CKKS算法中缩放因子的代表程度构建编码基准因子，基于特征集中因子和编码基准因子构建动态缩放因子；

所述服务器端用于接收用户端密文及对应的缩放因子并与数据库中密文域匹配，输出人脸特征匹配结果。

6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被加载至处理器时实现根据权利要求1‑4任意一项所述的用于隐私保护的人脸特征加密匹配方法。

7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现根据权利要求1‑4任意一项所述的用于隐私保护的人脸特征加密匹配方法。