本發(fā)明涉及一種人臉識別技術領域，特別是涉及一種人臉追蹤方法及裝置。

背景技術：

隨著科學技術的發(fā)展，人臉識別技術越來越成熟。人臉識別技術是基于人的臉部特征信息進行身份識別的一種生物識別技術。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和追蹤人臉，進而對檢測到的人臉進行臉部的一系列相關技術。

目前，在人臉識別中，通常會在人臉檢測時框臉，在識別之后進行人臉標記。然而，當人臉發(fā)生移動時，由于人臉識別速度是小于人臉檢測速度的，在對移動后的人臉進行識別之前，無法對移動后的人臉進行人臉標記，此時只存在人臉框但不存在人臉標記，進而無法實現對人臉進行實時追蹤。

技術實現要素：

有鑒于此，本發(fā)明實施例提供了一種人臉追蹤方法及裝置，主要目的在于可以實現對人臉進行實時追蹤。

依據本發(fā)明實施例一個方面，提供了一種人臉追蹤方法，該方法包括：

根據實時圖像的人臉檢測結果，當檢測出所述實時圖像的當前幀中存在人臉框時，檢測與所述當前幀對應的上一幀中是否存在人臉框；

若存在，則將所述當前幀中存在的人臉框與所述上一幀中存在的人臉框進行人臉特征值距離的計算；

根據計算結果，對所述當前幀中的人臉框進行人臉標記，以便實現人臉實時追蹤。

進一步地，所述將所述當前幀中存在的人臉框與所述上一幀中存在的人臉框進行人臉特征值距離的計算之前，所述方法還包括：

根據所述上一幀中存在的人臉框數量，檢測所述當前幀中是否存在新增的人臉框；

若所述當前幀中不存在新增的人臉框，則所述將所述當前幀中存在的人臉框與所述上一幀中存在的人臉框進行人臉特征值距離的計算，具體包括：

選取所述當前幀中存在的人臉框與所述上一幀中每個人臉框分別進行人臉特征值距離的計算；

所述根據計算結果，對所述當前幀中的人臉框進行人臉標記，具體包括：

根據與所述上一幀中所述人臉特征值距離最小的人臉框對應的人臉標記，對選取的所述當前幀中的人臉框進行人臉標記。

具體地，若所述當前幀中存在新增的人臉框，則所述將所述當前幀中存在的人臉框與所述上一幀中存在的人臉框進行人臉特征值距離的計算，具體包括：

選取所述上一幀中存在的人臉框與所述當前幀中每個人臉框分別進行人臉特征值距離的計算；

所述根據計算結果，對所述當前幀中的人臉框進行人臉標記，具體包括：

根據選取的所述上一幀中人臉框對應的人臉標記，對與所述當前幀中所述人臉特征值距離最小的人臉框進行人臉標記。

進一步地，所述根據選取的所述上一幀中人臉框對應的人臉標記，對與所述當前幀中所述人臉特征值距離最小的人臉框進行人臉標記之后，所述方法還包括：

將所述當前幀中未進行人臉標記的人臉框，確定為所述當前幀中存在的新增的人臉框；

根據預置新增人臉標識，對所述新增的人臉框進行人臉標記。

進一步地，所述根據所述上一幀中存在的人臉框數量，檢測所述當前幀中是否存在新增的人臉框之后，所述方法還包括：

若所述當前幀中存在新增的人臉框，則將所述當前幀中與所述上一幀中每個人臉框分別計算的人臉特征值距離都大于或等于預定閾值的人臉框，確定為新增的人臉框；

根據預置新增人臉標識，對所述新增的人臉框進行人臉標記。

進一步地，所述方法還包括：

記錄所述當前幀中已進行人臉標記的人臉框對應的人臉圖片，以便進行人臉追蹤學習。

進一步地，所述根據計算結果，對所述當前幀中的人臉框進行人臉標記之后，所述方法還包括：

根據對所述當前幀的人臉識別結果，檢測所述當前幀中是否存在錯誤人臉標記的人臉框；

若存在，則根據所述人臉識別結果對存在錯誤人臉標記的人臉框進行更正。

依據本發(fā)明實施例另一個方面，提供了一種人臉追蹤裝置，該裝置包括：

檢測單元，用于根據實時圖像的人臉檢測結果，當檢測出所述實時圖像的當前幀中存在人臉框時，檢測與所述當前幀對應的上一幀中是否存在人臉框；

計算單元，用于若所述檢測單元檢測出與所述當前幀對應的上一幀中存在人臉框，則將所述當前幀中存在的人臉框與所述上一幀中存在的人臉框進行人臉特征值距離的計算；

標記單元，用于根據所述計算單元的計算結果，對所述當前幀中的人臉框進行人臉標記，以便實現人臉實時追蹤。

進一步地，所述檢測單元，還用于根據所述上一幀中存在的人臉框數量，檢測所述當前幀中是否存在新增的人臉框；

所述計算單元，具體用于若所述檢測單元檢測出當前幀中不存在新增的人臉框，選取所述當前幀中存在的人臉框與所述上一幀中每個人臉框分別進行人臉特征值距離的計算；

所述標記單元，具體用于根據與所述上一幀中所述人臉特征值距離最小的人臉框對應的人臉標記，對選取的所述當前幀中的人臉框進行人臉標記。

具體地，所述計算單元，具體用于若所述檢測單元檢測出所述當前幀中存在新增的人臉框，則選取所述上一幀中存在的人臉框與所述當前幀中每個人臉框分別進行人臉特征值距離的計算；

所述標記單元，具體用于根據選取的所述上一幀中人臉框對應的人臉標記，對與所述當前幀中所述人臉特征值距離最小的人臉框進行人臉標記。

進一步地，所述裝置還包括：確定單元；

所述確定單元，用于將所述當前幀中未進行人臉標記的人臉框，確定為所述當前幀中存在的新增的人臉框；

所述標記單元，還用于根據預置新增人臉標識，對所述新增的人臉框進行人臉標記。

所述確定單元，用于若所述當前幀中存在新增的人臉框，則將所述當前幀中與所述上一幀中每個人臉框分別計算的人臉特征值距離都大于或等于預定閾值的人臉框，確定為新增的人臉框；

所述標記單元，還用于根據預置新增人臉標識，對所述新增的人臉框進行人臉標記。

進一步地，所述裝置還包括：記錄單元，用于記錄所述當前幀中已進行人臉標記的人臉框對應的人臉圖片，以便進行人臉追蹤學習。

進一步地，所述裝置還包括：更正單元；

所述檢測單元，還用于根據對所述當前幀的人臉識別結果，檢測所述當前幀中是否存在錯誤人臉標記的人臉框；

所述更正單元，用于若所述檢測單元檢測所述當前幀中存在錯誤人臉標記的人臉框，則根據所述人臉識別結果對存在錯誤人臉標記的人臉框進行更正。

借由上述技術方案，本發(fā)明實施例提供的技術方案至少具有下列優(yōu)點：

本發(fā)明實施例提供的一種人臉追蹤方法及裝置，首先根據實時圖像的人臉檢測結果，當檢測出所述實時圖像的當前幀中存在人臉框時，檢測與所述當前幀對應的上一幀中是否存在人臉框；若存在，則將所述當前幀中存在的人臉框與所述上一幀中存在的人臉框進行人臉特征值距離的計算；然后根據計算結果，對所述當前幀中的人臉框進行人臉標記，以便實現人臉實時追蹤。與目前在人臉識別之后再進行人臉標記相比，本發(fā)明實施例通過對實時圖像中相鄰的兩幀進行實時檢測，根據與上一幀中人臉特征值距離最小的人臉框對應的人臉標記，對當前幀中的人臉框進行人臉標記，即可以在對當前幀進行人臉識別之前，找到兩次間人臉特征最接近的人臉框進行人臉標記，通過本發(fā)明實施例的方法及裝置，可以對實時圖像中每一幀圖像內的人臉框實時進行人臉標記，進而可以實現對已經有標記的人臉進行實時追蹤，并且可以實現將人臉檢測與人臉識別的過程分開進行，可以提高框出人臉的速度，從而提升了用戶體驗。

上述說明僅是本發(fā)明技術方案的概述，為了能夠更清楚了解本發(fā)明的技術手段，而可依照說明書的內容予以實施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點能夠更明顯易懂，以下特舉本發(fā)明的具體實施方式。

附圖說明

通過閱讀下文優(yōu)選實施方式的詳細描述，各種其他的優(yōu)點和益處對于本領域普通技術人員將變得清楚明了。附圖僅用于示出優(yōu)選實施方式的目的，而并不認為是對本發(fā)明的限制。而且在整個附圖中，用相同的參考符號表示相同的部件。在附圖中：

圖1示出了本發(fā)明實施例提供的一種人臉追蹤方法流程示意圖；

圖2示出了本發(fā)明實施例提供的另一種人臉追蹤方法流程示意圖；

圖3示出了本發(fā)明實施例提供的一種人臉追蹤裝置結構示意圖；

圖4示出了本發(fā)明實施例提供的另一種人臉追蹤裝置結構示意圖。

具體實施方式

下面將參照附圖更詳細地描述本公開的示例性實施例。雖然附圖中顯示了本公開的示例性實施例，然而應當理解，可以以各種形式實現本公開而不應被這里闡述的實施例所限制。相反，提供這些實施例是為了能夠更透徹地理解本公開，并且能夠將本公開的范圍完整的傳達給本領域的技術人員。

本發(fā)明實施例提供了一種人臉追蹤方法，可以實現對人臉進行實時追蹤，如圖1所示，所述方法包括：

101、根據實時圖像的人臉檢測結果，當檢測出實時圖像的當前幀中存在人臉框時，檢測與當前幀對應的上一幀中是否存在人臉框。

其中，實時圖像可以為進行人臉識別的過程中實時采集的圖像。

對于本發(fā)明實施例的執(zhí)行主體可以為配置在人臉識別設備中用于控制人臉追蹤的裝置。在本發(fā)明實施例中，對采集到的實時圖像首先進行實時人臉檢測，即依次檢測采集到的實時圖像的每一幀圖像中是否存在人臉特征，若檢測出實時圖像的當前幀圖像中存在人臉特征，可以根據人臉特征在當前幀圖像中的位置進行框臉得到人臉框，需要說明的是，若檢測出當前幀圖像中存在多張人臉的特征，可以分別進行框臉，得到多個人臉框。

在對一幀圖像進行框臉得到人臉框后，可以記錄相應的人臉框坐標，當檢測出實時圖像的當前幀圖像中存在人臉框時，可以通過查找是否記錄了上一幀圖像中相應的人臉框坐標，判斷上一幀圖像中是否存在人臉框，若記錄了上一幀圖像中相應的人臉框坐標，則確定上一幀圖像中存在人臉框；若沒有記錄上一幀圖像中相應的人臉框坐標，則確定上一幀圖像中不存在人臉框。

102、若檢測出與當前幀對應的上一幀中存在人臉框，則將當前幀中存在的人臉框與上一幀中存在的人臉框進行人臉特征值距離的計算。

例如，檢測出當前幀圖像中水平方向存在兩個人臉框，即可以分為左人臉框和右人臉框，并且上一幀圖像中也存在兩個人臉框，分別為人臉框A和人臉框B，取左人臉框對應的人臉特征值為(21，24，1，3，12，……)和取人臉框A對應的人臉特征值為(10，21，41，13，2，……)，計算這兩個特征值的距離，即然后根據相同方式計算左人臉框對應的人臉特征值與人臉框B對應的人臉特征值的距離；另外為了對右人臉框進行人臉標記，還需要計算右人臉框與人臉框A的人臉特征值的距離，和右人臉框與人臉框B的人臉特征值的距離。

103、根據計算結果，對當前幀中的人臉框進行人臉標記。

其中，人臉標記的內容可以為人物昵稱、代號、姓名、ID(Identity，身份標識號碼)號等。

例如，檢測出當前幀圖像中豎直方向存在兩個人臉框，即可以分為上下兩個人臉框a和b，并且上一幀圖像中也存在兩個人臉框，分別為人臉框A和人臉框B，經過人臉特征值距離的計算，找到在上一幀圖像中與a的人臉特征最接近的人臉框為人臉框A，根據人臉框A的人臉標記，對a進行標記，并且根據相同方式找到與上一幀圖像中與b的人臉特征最接近的人臉框為人臉框B，根據人臉框B人臉標記，對b進行標記。最終使得a的人臉標記與人臉框A的人臉標記相同，而b的人臉標記與人臉框B的人臉標記相同，進而實現對人臉進行實時追蹤，從而可以提高用戶的體驗。

在本發(fā)明實施例中，在對當前幀圖像中的各個人臉框進行人臉標記后，可以記錄相應的人臉框坐標，以便為下一幀圖像的人臉追蹤做準備。

本發(fā)明實施例提供的一種人臉追蹤方法，與目前在人臉識別之后再進行人臉標記相比，本發(fā)明實施例通過對實時圖像中相鄰的兩幀進行實時檢測，根據與上一幀中人臉特征值距離最小的人臉框對應的人臉標記，對當前幀中的人臉框進行人臉標記，即可以在對當前幀進行人臉識別之前，找到兩次間人臉特征最接近的人臉框進行人臉標記，通過本發(fā)明實施例的方法，可以對實時圖像中每一幀圖像內的人臉框實時進行人臉標記，進而可以實現對已經有標記的人臉進行實時追蹤，并且可以實現將人臉檢測與人臉識別的過程分開進行，可以提高框出人臉的速度，從而提升了用戶體驗。

為了更好的對上述圖1所示的方法進行理解，作為對上述實施方式的細化和擴展，本發(fā)明實施例提供了另一種人臉追蹤方法，如圖2所示，所述方法包括：

201、根據實時圖像的人臉檢測結果，當檢測出實時圖像的當前幀中存在人臉框時，檢測與當前幀對應的上一幀中是否存在人臉框。

在本發(fā)明實施例中，如果上一幀圖像中不存在人臉框，說明從當前幀開始，才有人臉出現，可以進行相應的框臉操作，并且可以初步為其分配相應的人臉標記，以便減少人臉框沒有人臉標記的空白時間，進而提高用戶體驗，在人臉識別之后，根據識別結果再進行更正。

202、若上一幀中存在人臉框，則根據上一幀中存在的人臉框數量，檢測當前幀中是否存在新增的人臉框。

如果上一幀圖像中人臉框的數量小于當前幀圖像中人臉框的數量，說明此時有新增的人員進入實時圖像的有效采集范圍內，進而確定當前幀圖像中存在新增的人臉框，接下來執(zhí)行步驟203a至步驟206a，以便實現除了對原有人員的人臉框進行人臉標記外，還可以對新增人員進行人臉標記；如果上一幀圖像中人臉框的數量與當前幀圖像中人臉框的數量相同，說明當前幀圖像存在的用戶與上一幀圖像中存在的用戶相同，為同一批人，不存在新增人員，進而說明當前幀圖像中沒有新增的人臉框，接下來執(zhí)行步驟203b至步驟204b；如果上一幀圖像中人臉框的數量大于當前幀圖像中人臉框的數量時，說明此時有部分人離開了實時圖像的有效采集范圍，但并沒有新增的人員進入，進而說明當前幀圖像中沒有新增的人臉框，接下來同樣執(zhí)行步驟203b至步驟204b。

203a、若當前幀中存在新增的人臉框，則選取上一幀中存在的人臉框與當前幀中每個人臉框分別進行人臉特征值距離的計算。

204a、根據選取的上一幀中人臉框對應的人臉標記，對與當前幀中人臉特征值距離最小的人臉框進行人臉標記。

例如，上一幀圖像中存在2個人臉框A1，A2，當前幀圖像中存在3個人臉框B1，B2，B3，選取A1與B1、B2、B3分別進行人臉特征值距離的計算，以及選取A2與B1、B2、B3分別進行人臉特征值距離的計算，依據計算結果，對于A1，可以找到人臉特征最接近的B1，將A1的人臉標記配置給B1；對于A2，可以找到人臉特征最接近的B2，將A2的人臉標記配置給B2。

需要說明的是，為了加快人臉標記的速度，通過上述方式對當前幀的一個人臉框進行人臉標記后，可以將在當前幀中已標記的人臉框進行剔除處理，接著對上一幀中的下一個人臉框進行人臉特征值距離的計算時，無需再與當前幀中已經剔除掉的人臉框進行人臉特征值距離的計算，減少了計算內容，進而可以提高計算速度，從而提高人臉標記的效率。

205a、將當前幀中未進行人臉標記的人臉框，確定為當前幀中存在的新增的人臉框。

例如，上一幀圖像中存在2個人臉框A1，A2，當前幀圖像中存在3個人臉框B1，B2，B3，經過人臉特征值距離的計算，對于A1，可以找到人臉特征最接近的B1，將A1的人臉標記配置給B1；對于A2，可以找到人臉特征最接近的B2，將A2的人臉標記配置給B2；這樣只有B3未進行人臉標記，將B3確定為當前幀中存在的新增的人臉框。

在本發(fā)明實施例中，若當前幀中存在新增的人臉框，為了及時對其進行標記，提高新增人臉框的檢測效率，還可以通過如下步驟確定新增的人臉框，即將所述當前幀中與所述上一幀中每個人臉框分別計算的人臉特征值距離都大于或等于預定閾值的人臉框，確定為新增的人臉框。其中，預定閾值可以由技術人員根據經驗常數進行預先設定。

例如，當前幀圖像中豎直方向存在3個人臉框，分為上、中、下三個人臉框，而上一幀圖像中存在2個人臉框，說明當前幀圖像中存在一個新增的人臉框，經過人臉特征值距離的計算，當前幀圖像中只有最下面的人臉框與上一幀圖像中2個人臉框分別計算的人臉特征值距離都大于預定閾值，因此，確定最下面的人臉框為新增的人臉框。

再例如，當前幀圖像中存在3個人臉框B1，B2，B3，而上一幀圖像中存在2個人臉框A1，A2，說明當前幀圖像中存在一個新增的人臉框，經過人臉特征值距離的計算，B1與A1、A2分別計算的人臉特征值距離都大于預定閾值，同時B3與A1、A2分別計算的人臉特征值距離也都大于預定閾值，此時存在兩個新增人臉框的待確定對象，可以進一步檢測這兩個人臉框中哪個人臉框與上一幀圖像中A1、A2分別計算的人臉特征值距離更接近預定閾值，如果B1與A1、A2分別計算的人臉特征值距離更接近預定閾值，說明B1的人臉特征值跳躍較小，而B3的人臉特征值跳躍較大，B3很可能是新增的人臉框，進而將B3確定為新增的人臉框。

在確定新增的人臉框之后，可以根據預置新增人臉標識，對新增的人臉框進行人臉標記，并且可以記錄相應的人臉圖片以便對陌生人臉進行追蹤學習，在對當前幀圖像進行人臉識別后，可以根據人臉識別結果再進行更正。

206a、根據預置新增人臉標識，對新增的人臉框進行人臉標記。

其中，預置新增人臉標識可以由技術人員根據實際需求進行預先配置。例如，當檢測出新增1個人臉框時，可以標記為“新頭像”；當檢測出新增2個人臉框時，可以分別標記為“新頭像A”、“新頭像B”。

需要說明的是，通過對新增的人臉框進行人臉標記，可以使用戶在進行人臉識別的過程中了解新增人員，可以提高用戶的體驗。

與步驟203a并列的步驟203b、若當前幀中不存在新增的人臉框，則選取所述當前幀中存在的人臉框與所述上一幀中每個人臉框分別進行人臉特征值距離的計算。

例如，檢測出當前幀圖像中水平方向存在兩個人臉框，分為左人臉框和右人臉框，并且上一幀圖像中也存在兩個人臉框，分別為人臉框A和人臉框B，取左人臉框對應的人臉特征值為(10，20，13，17，15，……)和取人臉框A對應的人臉特征值為(5，4，14，22，30，……)，計算這兩個特征值的距離，即然后根據相同方式計算左人臉框對應的人臉特征值與人臉框B對應的人臉特征值的距離。

204b、根據與上一幀中人臉特征值距離最小的人臉框對應的人臉標記，對選取的當前幀中的人臉框進行人臉標記。

例如，在當前幀圖像中選取的一個人臉框與上一幀中每個人臉框分別計算人臉特征值距離后，根據上一幀中該距離最小的人臉框對應的人臉標記，對選取的這個人臉框進行人臉標記，使得這兩個人臉標記相同。

在本發(fā)明實施例中，為了加快人臉標記的速度，通過上述方式對當前幀的一個人臉框進行人臉標記后，可以將上一幀中與其人臉特征最接近的人臉框進行剔除處理，接著對當前幀中的下一個人臉框進行人臉特征值距離的計算時，無需再與上一幀中已經剔除掉的人臉框進行人臉特征值距離的計算。

例如，檢測出當前幀圖像中水平方向存在三個人臉框，分為‘左’、‘中’、‘右’這三個人臉框，上一幀圖像中也存在三個人臉框，分別為人臉框A、人臉框B、人臉框C，經過左人臉框分別與人臉框A、人臉框B、人臉框C的人臉特征值距離的計算，確定‘左’人臉框與人臉框A的人臉特征值距離最小，將‘左’人臉框進行與人臉框A相同的人臉標記，然后可以將人臉框A在上一幀圖像中進行剔除處理，然后當‘中’人臉框或‘右’人臉框與上一幀圖像中的人臉框進行人臉特征值距離計算時，只需與人臉框B、人臉框C分別計算人臉特征值距離即可，無需再與人臉框A進行人臉特征值距離的計算，減少了計算內容，進而可以提高計算速度，從而提高人臉標記的效率。

對于本發(fā)明實施例，在保證當前幀圖像中的每個人臉框都有人臉標記后，可以停止對當前幀圖像中的人臉框進行人臉標記。進一步地，為了滿足人臉自助學習的需求，所述方法還可以包括：記錄所述當前幀中已進行人臉標記的人臉框對應的人臉圖片，以便進行人臉追蹤學習。通過本發(fā)明實施例提供的方法，可以在實時圖像的每一幀圖像中區(qū)分多張人臉，并可以記錄相應人臉圖片，以便進行人臉追蹤學習，學習人臉的變化特征，可以為后續(xù)人臉識別過程作參考依據。

進一步地，為了保證人臉標記的準確性，以便進行準確地人臉追蹤，所述方法還可以包括：根據對所述當前幀的人臉識別結果，檢測所述當前幀中是否存在錯誤人臉標記的人臉框；若存在，則根據所述人臉識別結果對存在錯誤人臉標記的人臉框進行更正。

例如，通過計算人臉特征值距離的方法，當前幀圖像中都已經進行人臉標記，后續(xù)對這一幀圖像進行人臉識別，如果根據人臉識別結果檢測出這一幀圖像中存在錯誤人臉標記的人臉框時，可以進行相應更正，以便后續(xù)的幀圖像中能夠進行準確的人臉標記，進而可以準確地實現人臉追蹤。

本發(fā)明實施例提供的另一種人臉追蹤方法，與目前在人臉識別之后再進行人臉標記相比，本發(fā)明實施例通過對實時圖像中相鄰的兩幀進行實時檢測，根據與上一幀中人臉特征值距離最小的人臉框對應的人臉標記，對當前幀中的人臉框進行人臉標記，即可以在對當前幀進行人臉識別之前，找到兩次間人臉特征最接近的人臉框進行人臉標記，通過本發(fā)明實施例的方法，可以對實時圖像中每一幀圖像內的人臉框實時進行人臉標記，進而可以實現對已經有標記的人臉進行實時追蹤；并且可以對新增的人臉框進行人臉標記，可以使用戶在進行人臉識別的過程中了解新增人員，可以提高用戶的體驗；以及根據對當前幀的人臉識別結果，對存在錯誤人臉標記的人臉框進行及時更正，可以準確地進行人臉追蹤。

進一步地，作為圖1所述方法的具體實現，本發(fā)明實施例提供了一種人臉追蹤裝置，如圖3所示，所述裝置包括：檢測單元31、計算單元32、標記單元33。

所述檢測單元31，可以用于根據實時圖像的人臉檢測結果，當檢測出所述實時圖像的當前幀中存在人臉框時，檢測與所述當前幀對應的上一幀中是否存在人臉框。檢測單元31為本裝置中進行人臉框檢測的主要功能模塊。具體可以根據上一幀中記錄的人臉框坐標，確定上一幀中是否存在人臉框。當檢測出上一幀中存在人臉框時觸發(fā)計算單元32進行工作。

所述計算單元32，可以用于若所述檢測單元31檢測出與所述當前幀對應的上一幀中存在人臉框，則將所述當前幀中存在的人臉框與所述上一幀中存在的人臉框進行人臉特征值距離的計算。所述計算單元32為本裝置中進行人臉框之間人臉特征值距離計算的主要功能模塊。

所述標記單元33，可以用于根據所述計算單元32的計算結果，對所述當前幀中的人臉框進行人臉標記，對所述當前幀中的人臉框進行人臉標記。進一步地，以便于實現人臉實時追蹤。所述標記單元33為本裝置中對人臉框進行人臉標記的主要功能，具體可以依據計算單元32的計算結果為當前幀中的人臉框從上一幀中選擇人臉特征最接近的人臉框進行人臉標記。

需要說明的是，本發(fā)明實施例提供的一種人臉追蹤裝置所涉及各功能單元的其他相應描述，可以參考圖1中的對應描述，在此不再贅述。

本發(fā)明實施例提供的一種人臉追蹤裝置，包括：檢測單元、計算單元、標記單元，與目前在人臉識別之后再進行人臉標記相比，本發(fā)明實施例通過對實時圖像中相鄰的兩幀進行實時檢測，根據與上一幀中人臉特征值距離最小的人臉框對應的人臉標記，對當前幀中的人臉框進行人臉標記，即可以在對當前幀進行人臉識別之前，找到兩次間人臉特征最接近的人臉框進行人臉標記，通過本發(fā)明實施例的方法，可以對實時圖像中每一幀圖像內的人臉框實時進行人臉標記，進而可以實現對已經有標記的人臉進行實時追蹤，并且可以實現將人臉檢測與人臉識別的過程分開進行，可以提高框出人臉的速度，從而提升了用戶體驗。

進一步地，作為圖2所述方法的具體實現，本發(fā)明實施例提供了另一種人臉追蹤裝置，如圖4所示，所述裝置包括：檢測單元41、計算單元42、標記單元43。

所述檢測單元41，可以用于根據實時圖像的人臉檢測結果，當檢測出所述實時圖像的當前幀中存在人臉框時，檢測與所述當前幀對應的上一幀中是否存在人臉框。檢測單元41為本裝置中進行人臉框檢測的主要功能模塊。具體可以根據上一幀中記錄的人臉框坐標，確定上一幀中是否存在人臉框。當檢測出上一幀中存在人臉框時觸發(fā)計算單元42進行工作。

所述計算單元42，可以用于若所述檢測單元41檢測出與所述當前幀對應的上一幀中存在人臉框，則將所述當前幀中存在的人臉框與所述上一幀中存在的人臉框進行人臉特征值距離的計算。所述計算單元42為本裝置中進行人臉框之間人臉特征值距離計算的主要功能模塊。

所述標記單元43，可以用于根據所述計算單元42的計算結果，對所述當前幀中的人臉框進行人臉標記。進一步地，以便于實現人臉實時追蹤。所述標記單元43為本裝置中對人臉框進行人臉標記的主要功能，具體可以依據計算單元42的計算結果為當前幀中的人臉框從上一幀中選擇人臉特征最接近的人臉框進行人臉標記。

所述檢測單元41，還可以用于根據所述上一幀中存在的人臉框數量，檢測所述當前幀中是否存在新增的人臉框。

所述計算單元42，具體可以用于若所述檢測單元41檢測出當前幀中不存在新增的人臉框，選取所述當前幀中存在的人臉框與所述上一幀中每個人臉框分別進行人臉特征值距離的計算。

所述標記單元43，具體可以用于根據與所述上一幀中所述人臉特征值距離最小的人臉框對應的人臉標記，對選取的所述當前幀中的人臉框進行人臉標記。

所述計算單元42，具體可以用于若所述檢測單元41檢測出所述當前幀中存在新增的人臉框，則選取所述上一幀中存在的人臉框與所述當前幀中每個人臉框分別進行人臉特征值距離的計算。

所述標記單元43，具體可以用于根據選取的所述上一幀中人臉框對應的人臉標記，對與所述當前幀中所述人臉特征值距離最小的人臉框進行人臉標記。

進一步地，所述裝置還包括：確定單元44。

所述確定單元44，可以用于將所述當前幀中未進行人臉標記的人臉框，確定為所述當前幀中存在的新增的人臉框。

所述確定單元44，還可以用于若所述當前幀中存在新增的人臉框，則將所述當前幀中與所述上一幀中每個人臉框分別計算的人臉特征值距離都大于或等于預定閾值的人臉框，確定為新增的人臉框?？梢约皶r檢測出新增的人臉框，進而可以及時對新增人臉框進行人臉標記。

所述標記單元43，可以用于根據預置新增人臉標識，對所述新增的人臉框進行人臉標記。需要說明的是，通過對新增的人臉框進行人臉標記，可以使用戶在進行人臉識別的過程中了解新增人員，可以提高用戶的體驗。

進一步地，所述裝置還包括：記錄單元45。

所述記錄單元45，可以用于記錄所述當前幀中已進行人臉標記的人臉框對應的人臉圖片，進一步地，以便于進行人臉追蹤學習，可以滿足人臉自助學習的需求，學習人臉的變化特征，可以為后續(xù)人臉識別過程作參考依據。

進一步地，所述裝置還包括：更正單元46。

所述檢測單元41，可以用于根據對所述當前幀的人臉識別結果，檢測所述當前幀中是否存在錯誤人臉標記的人臉框。

所述更正單元46，可以用于若所述檢測單元41檢測所述當前幀中存在錯誤人臉標記的人臉框，則根據所述人臉識別結果對存在錯誤人臉標記的人臉框進行更正。以便后續(xù)的幀圖像中能夠進行準確的人臉標記，進而可以準確地實現人臉追蹤。

需要說明的是，本發(fā)明實施例提供的另一種人臉追蹤裝置所涉及各功能單元的其他相應描述，可以參考圖2中的對應描述，在此不再贅述。

本發(fā)明實施例提供的另一種人臉追蹤裝置，包括：檢測單元、計算單元、標記單元、處理單元、確定單元、記錄單元、更正單元等，與目前在人臉識別之后再進行人臉標記相比，本發(fā)明實施例通過對實時圖像中相鄰的兩幀進行實時檢測，根據與上一幀中人臉特征值距離最小的人臉框對應的人臉標記，對當前幀中的人臉框進行人臉標記，即可以在對當前幀進行人臉識別之前，找到兩次間人臉特征最接近的人臉框進行人臉標記，通過本發(fā)明實施例的方法，可以對實時圖像中每一幀圖像內的人臉框實時進行人臉標記，進而可以實現對已經有標記的人臉進行實時追蹤；并且可以對新增的人臉框進行人臉標記，可以使用戶在進行人臉識別的過程中了解新增人員，可以提高用戶的體驗；以及根據對當前幀的人臉識別結果，對存在錯誤人臉標記的人臉框進行及時更正，可以準確地進行人臉追蹤。

在上述實施例中，對各個實施例的描述都各有側重，某個實施例中沒有詳述的部分，可以參見其他實施例的相關描述。

可以理解的是，上述方法及裝置中的相關特征可以相互參考。另外，上述實施例中的“第一”、“第二”等是用于區(qū)分各實施例，而并不代表各實施例的優(yōu)劣。

所屬領域的技術人員可以清楚地了解到，為描述的方便和簡潔，上述描述的系統(tǒng)，裝置和單元的具體工作過程，可以參考前述方法實施例中的對應過程，在此不再贅述。

在此提供的算法和顯示不與任何特定計算機、虛擬系統(tǒng)或者其它設備固有相關。各種通用系統(tǒng)也可以與基于在此的示教一起使用。根據上面的描述，構造這類系統(tǒng)所要求的結構是顯而易見的。此外，本發(fā)明也不針對任何特定編程語言。應當明白，可以利用各種編程語言實現在此描述的本發(fā)明的內容，并且上面對特定語言所做的描述是為了披露本發(fā)明的最佳實施方式。

在此處所提供的說明書中，說明了大量具體細節(jié)。然而，能夠理解，本發(fā)明的實施例可以在沒有這些具體細節(jié)的情況下實踐。在一些實例中，并未詳細示出公知的方法、結構和技術，以便不模糊對本說明書的理解。

類似地，應當理解，為了精簡本公開并幫助理解各個發(fā)明方面中的一個或多個，在上面對本發(fā)明的示例性實施例的描述中，本發(fā)明的各個特征有時被一起分組到單個實施例、圖、或者對其的描述中。然而，并不應將該公開的方法解釋成反映如下意圖：即所要求保護的本發(fā)明要求比在每個權利要求中所明確記載的特征更多的特征。更確切地說，如下面的權利要求書所反映的那樣，發(fā)明方面在于少于前面公開的單個實施例的所有特征。因此，遵循具體實施方式的權利要求書由此明確地并入該具體實施方式，其中每個權利要求本身都作為本發(fā)明的單獨實施例。

本領域那些技術人員可以理解，可以對實施例中的設備中的模塊進行自適應性地改變并且把它們設置在與該實施例不同的一個或多個設備中?？梢园褜嵤├械哪K或單元或組件組合成一個模塊或單元或組件，以及此外可以把它們分成多個子模塊或子單元或子組件。除了這樣的特征和/或過程或者單元中的至少一些是相互排斥之外，可以采用任何組合對本說明書(包括伴隨的權利要求、摘要和附圖)中公開的所有特征以及如此公開的任何方法或者設備的所有過程或單元進行組合。除非另外明確陳述，本說明書(包括伴隨的權利要求、摘要和附圖)中公開的每個特征可以由提供相同、等同或相似目的的替代特征來代替。

此外，本領域的技術人員能夠理解，盡管在此所述的一些實施例包括其它實施例中所包括的某些特征而不是其它特征，但是不同實施例的特征的組合意味著處于本發(fā)明的范圍之內并且形成不同的實施例。例如，在下面的權利要求書中，所要求保護的實施例的任意之一都可以以任意的組合方式來使用。

本發(fā)明的各個部件實施例可以以硬件實現，或者以在一個或者多個處理器上運行的軟件模塊實現，或者以它們的組合實現。本領域的技術人員應當理解，可以在實踐中使用微處理器或者數字信號處理器(DSP)來實現根據本發(fā)明實施例的一種人臉追蹤方法及裝置中的一些或者全部部件的一些或者全部功能。本發(fā)明還可以實現為用于執(zhí)行這里所描述的方法的一部分或者全部的設備或者裝置程序(例如，計算機程序和計算機程序產品)。這樣的實現本發(fā)明的程序可以存儲在計算機可讀介質上，或者可以具有一個或者多個信號的形式。這樣的信號可以從因特網網站上下載得到，或者在載體信號上提供，或者以任何其他形式提供。

應該注意的是上述實施例對本發(fā)明進行說明而不是對本發(fā)明進行限制，并且本領域技術人員在不脫離所附權利要求的范圍的情況下可設計出替換實施例。在權利要求中，不應將位于括號之間的任何參考符號構造成對權利要求的限制。單詞“包含”不排除存在未列在權利要求中的元件或步驟。位于元件之前的單詞“一”或“一個”不排除存在多個這樣的元件。本發(fā)明可以借助于包括有若干不同元件的硬件以及借助于適當編程的計算機來實現。在列舉了若干裝置的單元權利要求中，這些裝置中的若干個可以是通過同一個硬件項來具體體現。單詞第一、第二、以及第三等的使用不表示任何順序?？蓪⑦@些單詞解釋為名稱。