脸窗口概率值越大，下一帧图像的缩放尺度范围的中心值越靠近与该第一人脸窗口概率值对应的缩放图像的缩放尺度。
[0050]在该步骤中，在判断生成的检测窗口是否含有人脸之后，还对判断出含有人脸的检测窗口对应的检测窗口尺寸下的所有检测窗口进行合并，并将合并后的图像恢复到所述当前帧图像的初始尺寸，将恢复尺寸后的图像上人脸对应的位置在所述未经缩放处理的原始当前帧图像上标出。
[0051]此外，可以理解，缩放图像的第一人脸窗口概率值是表示每张缩放图像在其缩放尺度下能够检测出人脸的概率值，用于对后续帧图像的缩放尺度范围产生影响，其能够检测出人脸的概率值高的缩放图像对应的缩放尺度对后一帧图像的缩放尺度范围影响较大。第一人脸窗口概率值可以是缩放图像含有人脸的检测窗口的数目与不含人脸的检测窗口数目的比值，也可以是缩放图像含有人脸的检测窗口数目与该图像检测窗口总数的比值。
[0052]此后，结束本流程。
[0053]此外，在一优选例中，在上述步骤104中，采用级联分类器判断检测窗口是否含有人脸。
[0054]级联分类器的原理如图3所示，各级分类器依次对人脸的检测窗口进行检测，只有检测窗口通过所有级别的分类器，才会被认为含有人脸。每一级分类器都由若干类Haar特征组成，每一个类Haar特征都有一个特征值和两个正负影响因子。类Haar特征的例子如图4所示，包括边缘特征、线特征和特定方向特征。在使用单级分类器检测时，类Haar特征白色矩形区域的像素和减去黑色矩形区域的像素和，计算结果与它的特征值进行比较，如果结果大于特征值，则该类Haar特征就具有正的影响因子，否则具有负的影响因子(值得注意的是，实际的影响因子并不分正负，只是它们的大小不同，它们被称为left value (左边的值)和right value (右边的值)，计算得到的特征值大于阈值，就取left value,反之则取right value) ο最终该单级分类器中所有类Haar特征的影响因子取值的和与该级分类器的阈值进行比较，如果影响因子之和大于该级阈值，那么检测窗口通过该级分类器，进入下一级分类器的检测阶段。否则，被检测的窗口被认为不含有人脸，对该窗口的检测终止。
[0055]图像积分图加快了矩形区域像素和的计算，如图5所示，计算窗口 ABCD中矩形区域EFGH内像素的和。在图像积分图已知的情况下，计算EFGH内的像素和，只需将积分图F、G和H点处的值相加，再减去E点的值即可，这样就避免了对检测窗口中对应区域像素值的逐点累加。
[0056]此外，在另一优选例中，在上述步骤104中，当第一人脸窗口概率值都不为零时，下一帧图像缩放尺度范围的中心值为与当前帧图像对应的第一人脸窗口概率值中的最大值对应的缩放图像的缩放尺度。
[0057]此外，可以理解，在本发明的其他实施方式中，也可以将靠近第一人脸窗口概率值最大值的对应的缩放图像的缩放尺度的某个数值作为缩放尺度范围的中心值，在此不做限定。
[0058]此外，在另一优选例中，在上述步骤104中，当第一人脸窗口概率值都为零时，下一帧图像的缩放尺度范围为AdaBoost算法的默认缩放尺度范围。即如果当前帧图像中没有检测到人脸，那么下一帧图像会在全部可能的缩放尺度上进行缩放。此外，可以理解，默认缩放尺度范围包含任何含有人脸的检测窗口的数目不为零的图像对应的缩放尺度范围。
[0059]由于在AdaBoost算法中，图像中的人脸区域大小与检测窗口相当时，才能检测出人脸，在检测窗口尺寸固定时，需要对待检测图像进行不同缩放尺度的缩放处理生成图像金字塔后，才可进行后续的检测窗口检测。在视频图像中，由于视频的连续性，相邻帧间人脸变化较小，在新一帧图像中，人脸很有可能出现在上一帧图像人脸出现最多的缩放尺寸前后的几个缩放尺寸内，因而本发明通过对是否含有人脸的检测窗口的数目进行统计，可根据统计值减小图像缩放尺度范围，降低图像检测计算量，提高人脸检测速度，节省系统的计算资源。
[0060]本发明第二实施方式涉及一种视频流人脸检测方法。图6是该视频流人脸检测方法的流程示意图。
[0061]具体地说，如图6所示，该视频流人脸检测方法包括以下步骤:
[0062]在步骤601中，获取当前帧图像。
[0063]此后进入步骤602，根据前一帧图像的第二人脸窗口概率值确定当前帧图像的检测窗口尺寸范围，并在该尺寸范围内生成当前帧图像的不同尺寸的检测窗口。
[0064]此后进入步骤603，判断生成的检测窗口是否含有人脸，并统计每个检测窗口尺寸下具有人脸的检测窗口的数目，得到当前帧的每个检测窗口尺寸的第二人脸窗口概率值，供下一帧图像生成检测窗口时使用，其中，第二人脸窗口概率值中的最大值越大，下一帧图像的检测窗口尺寸范围越小，且第二人脸窗口概率值越大，下一帧图像的检测窗口尺寸范围的中心值越靠近该第二人脸窗口概率值对应的检测窗口尺寸。
[0065]在该步骤中，在判断生成的检测窗口是否含有人脸之后，对判断出含有人脸的检测窗口对应的检测窗口尺寸下的所有检测窗口进行合并，并将合并后的图像恢复到当前帧图像的初始尺寸，将恢复尺寸后的图像上人脸对应的位置在所述未经缩放处理的原始当前帧图像上标出。
[0066]此外，可以理解，第二人脸窗口概率值是表示每一尺寸的检测窗口在其大小尺寸下能够从图像中检测出人脸的概率值，用于对后续帧图像要生成的检测窗口的尺寸范围产生影响，其能够检测出人脸的概率值高的检测窗口尺寸对应的大小对后一帧图像的检测窗口尺寸范围的影响较大。第二人脸窗口概率值可以是每个检测窗口尺寸下含有人脸的检测窗口的数目与不含人脸的检测窗口数目的比值，也可以是该检测窗口尺寸下含有人脸的检测窗口数目与检测窗口总数的比值。
[0067]此后结束本流程。
[0068]在一优选例中，上述步骤603中，当第二人脸窗口概率值都不为零时，下一帧图像的检测窗口尺寸范围的中心值为当前帧图像对应的第二人脸窗口概率值中的最大值对应的检测窗口尺寸。
[0069]此外，可以理解，在本发明的其他实施方式中，也可以采用其他相关数值作为尺寸范围的中心值，在此不做限定，例如，将靠近第二人脸窗口概率值最大值对应的检测窗口尺寸的某个数值作为尺寸范围的中心值。
[0070]此外，在一优选例中，在上述步骤603中，采用级联分类器判断检测窗口是否含有人脸。
[0071]此外，在另一优选例中，在上述步骤603中，当对应各检测窗口尺寸的第二人脸窗口概率值都为零时，检测窗口的尺寸范围为AdaBoost算法的默认尺寸范围。即如果当前帧图像中没有检测到人脸，那么会对下一帧图像生成所有默认尺寸范围内的检测窗口，然后进行检测。
[0072]由于在AdaBoost算法中，图像中的人脸区域大小与检测窗口的大小相当时才能检测出人脸，如果不对图像进行缩放处理，则需要针对图像生成各个尺寸下的检测窗口，才有可能检测出人脸。由于视频的连续性，相邻帧间人脸变化较小，在新一帧图像中，人脸很可能出现在上一帧图像人脸出现最多的检测窗口尺寸附件的几个尺寸内，因此，通过对是否含有人脸的检测窗口的尺寸和对应的数目进行统计，可根据统计值减小检测窗口尺寸范围，减少检测窗口数目，降低图像检测计算量，提高人脸检测速度，节省系统的计算资源。
[0073]本发明第三实施方式涉及一种视频流人脸检测方法。具体地，在该实施方式中，以320x240的视频流为例。
[0074]对于分辨率为320X240的视频流，按照尺度缩放因子为0.8对图像进行缩小。当检测窗口大小固定为24X24时，图像金字塔最多可以由11级图像构成，各个缩放级别的图像分辨率分别为 320X240,256X 192,204X 154,164X 124,132X 100,106X80,84X64,68X52、54X42、42X34、34X24，它们对应的缩放尺度编号分别为O到10。在缩放过程中对图像长宽像素数目进行了取整。各个缩放尺度对应的遍历步进长度分别为2、2、2、2、2、1、1、
1、1、1、1，单位是像素。对图像遍历是按照“Z”字形的方式进行的，即先进行水平遍历，再竖直换行进行下一个水平方向的遍历。这11个缩放级别的图像总共能够产生47304个大小为24 X 24的检测窗口。
[0075]在当前帧图像获取阶段:获得新的一帧320X240分辨率的图像(即获取当前帧图像)；
[0076]在图像缩放阶段:按照尺度缩放因子为0.8对图像进行缩放，在最初开始对第一帧图像进行检测时，原图像被缩放到图像金字塔中的所有缩放尺度的图像尺寸。对于第一帧图像之后的每一帧图像，原图像的缩放尺度的选取方法是:
[0077](I)如果前一帧图像检测完毕之后，在第s缩放尺度的金字塔图像中检测出人脸的窗口最多，那么新一帧图像中原图像的缩放尺度只会选取第s缩放尺度前后各两个缩放尺度，总共五个缩放尺度的金字塔图像进行检测，也就是缩放尺度在[s-2，s+2]区间内；如果s大于8，则缩放尺度区间是[s-2，10];如果s小于2，则缩放尺度区间是[