1.一种非约束人脸识别系统，其特征在于，包括图片输入模块、人脸检测模块、人脸特征提取模块、判别结果输出模块，
图片输入模块：输入人脸图片；
人脸检测模块：利用视觉注意机制获取输入人脸图片的视觉显著图，根据视觉显著图检测人脸目标区域；
人脸特征提取模块：利用HOG算子对检测出的人脸目标区域进行特征提取；选取训练样本的HOG特征向量构建字典，剩余样本作为测试样本；根据稀疏表示的人脸识别算法对测试样本进行分类识别；
判别结果输出模块：对识别结果进行输出并显示。
2.如权利要求1所述的非约束人脸识别系统，其特征在于：人脸检测模块中，利用视觉注意机制获取输入人脸图片的视觉显著图，具体为：对输入的灰度图片I(x,y)利用GBVS算法提取视觉显著图，记为S(x,y)。
3.如权利要求2所述的非约束人脸识别系统，其特征在于：人脸检测模块中，根据视觉显著图检测人脸目标区域，具体为：
选择合适的阈值对视觉显著图S(x,y)进行阈值分割得到模板M1(x,y)；对M1(x,y)进行形态学操作得到精细模板M2(x,y)；定位M2(x,y)的质心p，利用边缘函数提取M2(x,y)的边缘；
求出质心p到模板边缘的最小距离d；以p为中心，d为边长得到正方区域，将输入图像I(x,y)与正方形区域作匹配得到人脸目标检测区域Dete(x,y)。
4.如权利要求3所述的非约束人脸识别系统，其特征在于：人脸检测模块检测到的人脸目标区域Dete(x,y)后，人脸特征提取模块利用HOG算子提取Dete(x,y)的梯度方向特征，得到特征矩阵HOG_feature，其中每一行的列向量表示一幅图片的HOG特征。
5.如权利要求4所述的非约束人脸识别系统，其特征在于：从所得特征矩阵HOG_feature中随机取出m行特征向量用于构建特征字典，剩余特征向量留作测试；
利用稀疏表示分类方法对测试样本进行识别与分类，正确分类的记作1，错误分类的记作0，根据1的个数计算识别率，并记录系统结束时所消耗的总时间。
6.一种非约束人脸识别方法，其特征在于，包括以下步骤：
基于视觉注意机制的人脸目标区域检测：利用视觉注意机制获取输入图片的视觉显著图，根据视觉显著图检测人脸目标区域；
基于HOG特征稀疏表示的人脸识别：利用HOG算子对检测出的人脸目标区域进行特征提取；选取训练样本的HOG特征向量构建字典，剩余样本作为测试样本；最后根据稀疏表示的人脸识别算法对测试样本进行分类识别。
7.如权利要求6所述的非约束人脸识别方法，其特征在于：基于视觉注意机制的人脸目标区域检测，具体为：
输入图像一幅250×250的灰度图片I(x,y)，利用GBVS算法提取视觉显著图，记为S(x,y)；
选择合适的阈值对视觉显著图S(x,y)进行阈值分割得到模板M1(x,y)；对M1(x,y)进行形态学操作得到精细模板M2(x,y)；定位M2(x,y)的质心p，利用边缘函数提取M2(x,y)的边缘；
求出质心p到模板边缘的最小距离d。以p为中心，d为边长得到正方区域，将输入图像I(x,y)与正方形区域作匹配得到人脸目标检测区域Dete(x,y)。
8.如权利要求7所述的非约束人脸识别方法，其特征在于：基于HOG特征稀疏表示的人脸识别，具体为：
利用HOG算子提取Det(e,x)y的梯度方向特征，得到特征矩阵HOG_feat，ur其e中列向量表示HOG特征；
从特征矩阵HOG_feature中随机取出m行特征向量用于构建特征字典，剩余特征向量留作测试；
利用稀疏表示分类方法对测试样本进行识别与分类，正确分类的记作1，错误分类的记作0，根据1的个数计算识别率，并记录系统结束时所消耗的总时间。