1.一种自适应光照干扰环境的人脸识别算法，其特征在于，包括以下步骤：步骤一：建立人脸数据向量集

将人像照片训练集中的全部训练人像照片输入至MTCNN中，所述MTCNN利用人脸特征分类器对输入的每一幅训练人像照片进行人脸位置和脸部关键点的检测，得到对应的训练人脸检测框坐标；

根据所述训练人脸检测框坐标对相应的训练人像照片进行截取，得到对应的训练人脸图片；

将全部的所述训练人脸图片分别输入FaceNet模型和LBP模型，得到对应的人脸数据向量集LIBfn和人脸数据向量集LIBlbp；

步骤二：人脸识别

将待识别人像照片输入至所述MTCNN中，所述MTCNN利用人脸特征分类器对输入的待识别人像照片进行人脸位置和脸部关键点的检测，得到待识别人脸检测框坐标和关键点坐标；

根据所述待识别人脸检测框坐标对所述待识别人像照片进行截取，得到待识别人脸图片；

将所述待识别人脸图片分别输入FaceNet模型和LBP模型，得到对应的向量 和向量分别计算向量 与人脸数据向量集LIBfn中的每一个向量的欧式距离disFN以及向量与人脸数据向量集LIBlbp中的每一个向量的欧式距离disLBP，然后对每一幅所述训练人像照片对应的欧式距离disFN和欧式距离disLBP进行加权求和计算，计算公式如下：dis＝αFN×disFN+αLBP×disLBP其中，αFN为欧式距离disFN的权重，αLBP为欧式距离disLBP的权重，且0≤αFN≤1，0≤αLBP≤

1，αFN+αLBP＝1；

以最小的dis值所对应的训练人像照片作为所述待识别人像照片的人脸识别结果。

2.根据权利要求1所述的一种自适应光照干扰环境的人脸识别算法，其特征在于，权重αFN和权重αLBP的值通过以下步骤确定：根据所述关键点坐标截取所述待识别人脸图片的中心区域，并计算所述中心区域的明度；

当所述中心区域的明度过高或者过低时，提高权重αLBP的值，当所述中心区域的明度适中时，降低权重αLBP的值。

3.根据权利要求1或2所述的一种自适应光照干扰环境的人脸识别算法，其特征在于，向量 和向量 的维度均为128维，人脸数据向量集LIBfn和人脸数据向量集LIBlbp中向量的维度均为128维，且人脸数据向量集LIBlbp中的向量通过LDA算法降维到128维。

4.根据权利要求1或2所述的一种自适应光照干扰环境的人脸识别算法，其特征在于，所述关键点坐标包括左眼坐标、右眼坐标、左嘴角坐标和右嘴角坐标。

5.根据权利要求1或2所述的一种自适应光照干扰环境的人脸识别算法，其特征在于，利用OpenCV替代所述MTCNN。

6.一种自适应光照干扰环境的人脸识别装置，其特征在于，包括：训练人脸检测模块，用于将人像照片训练集中的全部训练人像照片输入至MTCNN中，所述MTCNN利用人脸特征分类器对输入的每一幅训练人像照片进行人脸位置和脸部关键点的检测，得到对应的训练人脸检测框坐标；

训练人脸图片截取模块，用于根据所述训练人脸检测框坐标对相应的训练人像照片进行截取，得到对应的训练人脸图片；

数据集建立模块，用于将全部的所述训练人脸图片分别输入FaceNet模型和LBP模型，得到对应的人脸数据向量集LIBfn和人脸数据向量集LIBlbp；

待识别人脸检测模块，用于将待识别人像照片输入至所述MTCNN中，所述MTCNN利用人脸特征分类器对输入的待识别人像照片进行人脸位置和脸部关键点的检测，得到待识别人脸检测框坐标和关键点坐标；

待识别人脸图片截取模块，用于根据所述待识别人脸检测框坐标对所述待识别人像照片进行截取，得到待识别人脸图片；

向量模块，用于将所述待识别人脸图片分别输入FaceNet模型和LBP模型，得到对应的向量 和向量

计算模块，用于分别计算向量 与人脸数据向量集LIBfn中的每一个向量的欧式距离disFN以及向量 与人脸数据向量集LIBlbp中的每一个向量的欧式距离disLBP，然后对每一幅所述训练人像照片对应的欧式距离disFN和欧式距离disLBP进行加权求和计算，计算公式如下：

dis＝αFN×disFN+αLBP×disLBP其中，αFN为欧式距离disFN的权重，αLBP为欧式距离disLBP的权重，且0≤αFN≤1，0≤αLBP≤

1，αFN+αLBP＝1；

识别结果模块，用于以最小的dis值所对应的训练人像照片作为所述待识别人像照片的人脸识别结果。

7.根据权利要求6所述的一种自适应光照干扰环境的人脸识别装置，其特征在于，还包括：

权重确定模块，用于根据所述关键点坐标截取所述待识别人脸图片的中心区域，并计算所述中心区域的明度；当所述中心区域的明度过高或者过低时，提高权重αLBP的值，当所述中心区域的明度适中时，降低权重αLBP的值。

8.根据权利要求6或7所述的一种自适应光照干扰环境的人脸识别装置，其特征在于，向量 和向量 的维度均为128维，人脸数据向量集LIBfn和人脸数据向量集LIBlbp中向量的维度均为128维，且人脸数据向量集LIBlbp中的向量通过LDA算法降维到128维。

9.根据权利要求6或7所述的一种自适应光照干扰环境的人脸识别装置，其特征在于，所述关键点坐标包括左眼坐标、右眼坐标、左嘴角坐标和右嘴角坐标。

10.根据权利要求6或7所述的一种自适应光照干扰环境的人脸识别装置，其特征在于，利用OpenCV替代所述MTCNN。