1.一种人脸识别方法，其特征在于，所述人脸识别方法包括：

通过摄像头采集至少三张不同状态下注册的彩色人脸图像；

将所有采集到的所有注册人脸图像转换为HSV彩色人脸图像，通过降维算法求得一维的特征向量，并贴好一维特征向量对应人脸图像名字的标签；

通过降维算法求得的X，与已知人脸的一维向量和标签通过数据库进行存储；

摄像头采集到待测人脸时，截取一帧RGB彩色图像并归一化大小；转化为HSV图像，并通过X求取一维特征向量；通过对比数据库中存储的一维向量的距离，判定待测人脸所属的标签；

识别待测人脸。

2.如权利要求1所述的人脸识别方法，其特征在于，所述人脸识别方法进一步包括：第一步，将摄像头采集到的所有彩色人脸图像提取RGB颜色并归一化图像的宽w和高h进行保存；

第二步，将所有已知的人脸图像提取RGB颜色并归一化图像的宽和高进行保存；

第三步，将第一步中所有保存后RGB彩色人脸图像{A1,A2,…Ai},图像矩阵大小为w*h*

3；将第二步中已知的所有彩色人脸图像转化成为HSV彩色人脸图像{B1,B2,…,Bj}，图像矩阵大小为(w，h，3)三维矩阵；

第四步，通过矩阵相加求取平均值，求取所有已知的所有HSV彩色人脸图像平均值第五步，求取所有已知HSV彩色人脸与平均值 的差值， 其中差值矩阵大小为(w，h，3)的三维矩阵；

第六步，将第五步中所有的差值矩阵展成(w*h，3)的二维矩阵，记为{C1,C2,…,Cj}；

第七步，取第六步中的一个差值矩阵Ck,k∈(1,j)按照0到h之间，依次提取[0,0+h,0+

2h,…,0+(w-1)*h]，[1,1+h,1+2*h,…,1+(w-1)*h]，……，[h,2*h,3*h,…,w*h]组成一维行向量，并依次记为(0,1,2,……,h)；

第八步，将第七步中所有的行向量通过转置变为列向量，并也依次记(0,1,2,……,h)；

第九步，创建一个(h,h)大小的空白二维矩阵mat，将第七步中记号为m,m∈(0,h)的行向量与第八步中记号为n,n∈(0,h)的列向量进行点乘，得到一个数。将这个数填充至mat矩阵的(m,n)位置；

第十步，依照第九步的计算，将第七步中的所有行向量与第八步中的列向量相互点乘并填充至mat,将mat填满；

第十一步，通过第七步、第八步、第九步、第十步依次计算第六步中所有的差值矩阵mat，记为Mk,k∈(1,j)；并求Mk的平均值第十二步，求 的特征值和特征矩阵，将特征值由大到小进行排序，得到排序后的索引值。将特征矩阵的列向量按照索引值求取前t(t≤h)个列向量对应的特征矩阵X，X为二维矩阵大小为(h,t)；

第十三步，将第三步中的Ai分别拆分为H,S,V三个大小一样的二维矩阵 矩阵大小为(w,h)；将 分别与12中的X进行点乘，得到三个大小相同的矩阵(w,t),将所述三个相同大小的矩阵展成一维向量并拼接在一起合成大小为(1,w*t*3)的向量；

第十四步，将第三步中所有的HSV图像按照第十三步所述的方法进行处理，得到所有的图像对应的一维向量{A′1,A′2,…,A′i}和{B′1,B′2,…,B′j}；

第十五步，计算摄像头采集到的未知人脸对应的一维向量A′p,A′p∈{A′1,A′2,…,A′i},p∈(1,i)与{B′1,B′2,…,B′j}中所有已知彩色人脸的一维向量的欧氏距离，与B′q,B′q∈{B′1,B′2,…,B′j},q∈(1,j)最近者，则p属于q,依此判定摄像头中采集到的所有人脸；

第十六步，最终识别出所有采集到的所有人脸。

3.一种实施权利要求1所述人脸识别方法的人脸识别系统，其特征在于，所述人脸识别系统包括：摄像头，用于采集至少三张不同状态下注册的彩色人脸图像；

人脸图像转换模块，将所有采集到的所有注册人脸图像转换为HSV彩色人脸图像，通过降维算法求得一维的特征向量，并贴好一维特征向量对应人脸图像名字的标签；

数据库，通过降维算法求得的X，与已知人脸的一维向量和标签通过数据库进行存储；

待测人脸所属标签判定模块，当摄像头采集到待测人脸时，截取一帧RGB彩色图像并归一化大小；转化为HSV图像，并通过X求取一维特征向量；通过对比数据库中存储的一维向量的距离，判定待测人脸所属的标签；

待测人脸识别模块，用于识别待测人脸。

4.一种实现权利要求1～2任意一项所述人脸识别方法的信息数据处理终端。

5.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-2任意一项所述的人脸识别方法。