1.一种基于最小归一化距离学习的视频人脸识别方法，其特征在于，包括以下步骤：S01、读入训练数据并提取人脸特征：读入N名个体的单幅静态图像和包含Ni幅视频图像的视频Vi，对每幅静态图像提取人脸特征，将静态图像的人脸特征记为 其标签记为同样对所述视频Vi中的每幅视频图像提取人脸特征，将所述视频Vi的人脸特征记为其中 其标签记为其中， 指视频Vi中的第p幅图像的人脸特征，p＝1、2、...Ni；

S02、训练距离模型：构建损失函数并求取梯度，使用随机梯度下降法对损失函数进行优化，得到最小归一化距离度量矩阵M；

S03、进行人脸识别：在识别过程中，对于组成目标集的N′幅静态图像提取人脸特征，记为 其标签记为 记包含L幅视频图像且标签未知的视频为Vb，对其中包含的L幅视频图像提取人脸特征，并将所述标签未知的视频Vb的人脸特征记为 其中， 指所述标签未知的视频中的第m幅图像的人脸特征；利用训练得到的度量矩阵M，计算每一个目标图像的人脸特征 与所述标签未知的视频Vb的人脸特征之间的最小归一化距离 并最终得到识别结果gc，其中所述步骤S02包括：

(1)定义最小归一化距离 其中 为最小归一化约束， 是马氏距离，M是度量矩阵， 是和 之间差值的外积，K＝N÷20；其中， 是视频Vi中的第p幅图像的人脸特征，1≤p≤Ni； 表示 与其特征距离最小的K个静态图像的人脸特征之间的特征距离之和；

(2)初始化参数，令迭代次数t＝0，度量矩阵M初值为单位矩阵M0＝I，损失函数初值为f‑3(M)0＝0，步进λ0＝1×10 ；

(3)对于每段视频Vi，找到其最小的类内最小归一化距离 和最小的类间最小归一化距离 其中i、j和k满足yj＝zi且yk≠zi，1≤u≤Ni，1≤v≤Ni，1≤k≤N；

其中， 是视频Vi中的第u帧图像的人脸特征；

(4)使用 和 对应的人脸特征的索引构建触发集，当时，将(i，j，k，u，v)加入触发集其中，0≤t≤500；

(5)计算损失函数

α是权衡损失函数中两项的系数，0≤α

≤1；

(6)计算梯度

‑3

(7)更新度量矩阵Mt+1＝Mt‑λtGt，并更新步进，当f(M)t+1＞f(M)t时，令λt+1＝λt‑1×10 ，‑3否则令λt+1＝λt+2×10 ；

(8)通过在特征分解后取出负特征值的方法来保持Mt+1为半正定矩阵；

(9)如果t≥500或|f(M)t+1‑f(M)t|＜0.1，则算法中止，得到优化后的度量矩阵M＝Mt，否则返回(3)。

2.根据权利要求1所述的一种基于最小归一化距离学习的视频人脸识别方法，其特征在于，所述步骤S03包括：a、计算目标集中的静态图像的人脸特征 与所述标签未知的视频Vb的人脸特征之间的最小归一化距离 其中b、得到查询视频的识别结果gc，其中