1.一种考勤方法，其特征在于，所述方法包括下述步骤：S100、建立所有T名待考勤人员的用户特征库，所述用户特征库存储待考勤人员Ui的用户标识IDi，和用户标识IDi所对应的Mi个用户特征，其中，i的取值范围从1到T，Mi为正整数；

S200、对于待考勤人员Ui，至少通过摄像头输出的上下班出入口处的视频，服务器实时获取所述待考勤人员Ui的Ni张图像和所述Ni张图像的时间信息，并基于每张图像提取1个用户特征，以获得该待考勤人员的Ni个用户特征，其中，Ni为正整数；并将所述Ni个用户特征作为一个整体检索条件，并以此整体检索条件检索所述用户特征库；

S300、对于待考勤人员Ui，利用步骤S200中所述Ni个用户特征和所述Ni张图像的时间信息，以及步骤S100中所述用户特征库，对所述待考勤人员Ui的上下班进行考勤。

2.根据权利要求1所述的方法，其特征在于，步骤S100中：所述待考勤人员Ui的用户标识IDi是自动生成的，或被人为设置的，或基于每个待考勤人员的客户端而获得的；

所述用户标识IDi所对应的Mi个用户特征是基于预先获得的待考勤人员Ui的Mi个图像来提取的。

3.根据权利要求1所述的方法，其特征在于，步骤S200还包括下述步骤：S201、将实时获取的所述Ni张图像，和从每张图像中提取的用户特征，以及所述Ni张图像的时间信息分别进行存储；

S202、进一步对每张图像中的地点进行识别，并将所述地点进行存储。

4.根据权利要求1所述的方法，其特征在于，步骤S300包括下述步骤：S302B、从所述用户特征库中获取与该Ni个用户特征最相似的Ki个相似用户特征，以及所述Ki个相似用户特征所对应的待考勤人员的用户标识；

S303B、将Ni个用户特征和所述Ki个相似用户特征分别进行相似度比对；

S304B、若存在一次比对结果满足相似度比对的阈值要求，且步骤S200中的所述Ni张图像的时间信息满足考勤的时间要求，则：该次比对所对应的相似用户被识别为待考勤人员，且该Ni个用户特征所属用户的考勤被判定为有效；

否则，该Ni个用户特征所属用户被识别为访客。

5.根据权利要求4所述的方法，其特征在于，所述S302B包括下述步骤：S302B1、通过Ki个相似用户特征来建立KD树，其中，Ki≥Mi；

S302B2、对所述KD树进行遍历，每层选取用户特征中的一维进行比较，以确定下一层检索的分支，最后选取最相似的Ki个相似用户特征；

S302B3、进一步获取所述Ki个相似用户特征所对应的用户标识，以此作为可能的相似用户。

6.根据权利要求5所述的方法，其特征在于，所述S303B包括下述步骤：S303B1、定义相似度矩阵Si,userj，i∈[1,Ni]，j∈[1,Ki]；

S303B2、对Ni张图像，根据正脸、清晰度计算一个质量分值qi，i∈[1,Ni]；

S303B3、按照下式计算步骤S302B3中所述用户标识所对应的每个用户的Mi个用户特征与步骤S200中的Ni个用户特征的相似度得分：S303B4、基于S303B3的相似度得分，获得最大相似度及其所属该次比对所对应的用户标识，以此作为可能的相似用户。

7.根据权利要求1所述的方法，其特征在于：

所述用户特征包括人脸特征和/或步态特征。

8.根据权利要求7所述的方法，其特征在于：

所述步态特征通过步态特征矢量表示，所述步态特征矢量通过下述步骤获得：S111、获取用户步态的周期性特征矢量；

S112、基于周期性特征矢量的处理获取步态特征矢量。

9.根据权利要求8所述的方法，其特征在于，所述周期性特征矢量通过主成分分析方法获得。

10.根据权利要求8所述的方法，其特征在于，所述步骤S112中处理采用的方法是一种基于主成分分析和线性判别分析的联合处理方法。

11.一种考勤系统，其特征在于：

所述系统包括用户特征库、图像用户特征获得模块、考勤模块；其中：用户特征库，用于：存储待考勤人员Ui的用户标识IDi，和用户标识IDi所对应的Mi个用户特征，其中，i的取值范围从1到T，Mi为正整数；T为带考勤人员总数；

图像用户特征获得模块，用于：对待考勤人员Ui，至少通过摄像头输出的上下班出入口处的视频，服务器实时获取所述待考勤人员Ui的Ni张图像和所述Ni张图像的时间信息，并基于每张图像提取1个用户特征，以获得该待考勤人员的Ni个用户特征，其中，Ni为正整数；

考勤模块，用于：对待考勤人员Ui，利用所述用户特征提取模块提取的所述Ni个用户特征和所述Ni张图像的时间信息，以及所述用户特征库，对所述待考勤人员Ui的上下班进行考勤；

所述考勤模块包括下述单元对所述待考勤人员Ui的上下班进行考勤：第二检索单元，用于：将所述图像用户特征获得模块获取的Ni个用户特征作为整体检索条件，并以此整体检索条件检索所述用户特征库。