一种图像处理方法及装置与流程

本发明涉及图像处理技术领域，具体涉及一种图像处理方法及装置。

背景技术：

现有技术中，人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主。

目前来看，人脸检测是指在输入图像中判断是否存在人脸区域，并进一步确定人脸的位置，大小，姿态等信息。该技术已经发展了几十年，目前以采用深度学习的人工智能算法最为普及，但是，这种算法最大的瓶颈是需要大量的参数用于计算，因而，存储器的限制成为算法应用的瓶颈。

技术实现要素：

本发明实施例提供了一种图像处理方法及装置，以期以减少存储器的需求，从而降低硬件带来的限制。

本发明实施例第一方面提供了一种图像处理方法，包括：

S1、获取包含人脸图像的待处理图像中的当前扫描窗口，所述当前扫描窗口为M个扫描窗口中的任一个，所述M为大于1的整数；

S2、获取分段扫描参数P，所述P为所述当前扫描窗口的预设循环参数Q的1/N，所述P、所述Q和所述N均为大于1的整数；

S3、计算树形码在存储器中存储的第一地址，并从该第一地址获取对应的树形码数据；

S4、根据所述树形码数据计算像素在所述存储器中的第二地址，并从该第二地址获取对应的像素数据；

S5、在执行步骤S3-S4达到预设次数后，根据所述像素数据计算索引值；

S6、根据所述索引值计算门限值的第三地址和查找表在所述存储器的第四地址，并从所述第三地址获取门限值数据和从所述第四地址获取查找表数据；

S7、比较所述门限值数据和所述查找表数据；

S8、在所述查找表数据小于所述门限值数据时，退出针对所述当前扫描窗口的扫描工作，并进入步骤S10；

S9、在所述查找表数据大于所述门限值数据时，判断当前是否执行了所述Q次步骤S3-S7，若否，返回步骤S3，若是，记录所述人脸图像的图像信息；

S10、判断是否执行了步骤S2的次数达到所述N次，若是，得到所述人脸图像的目标图像信息，若否，在步骤S9中得到的所述人脸图像的图像信息中获取下一个扫描窗口，执行步骤S2。

结合本发明实施例第一方面，在第一方面的第一种可能实施方式中，所述根据所述像素数据计算索引值，包括：

通过指定人脸检测算法，对所述像素数据进行计算，得到索引值。

结合本发明实施例第一方面，在第一方面的第二种可能实施方式中，所述图像信息为以下至少一种：

人脸位置、人脸大小和人脸的角度。

结合本发明实施例第一方面或第一方面的第一种或第二种可能实施方式，在第一方面的第三种可能实施方式中，所述根据所述树形码数据计算像素在所述存储器中的第二地址，包括：

按照所述树形码数据与像素之间的对应的关系计算所述像素在所述存储器中的所述第二地址。

结合本发明实施例第一方面或第一方面的第一种或第二种可能实施方式，在第一方面的第四种可能实施方式中，在所述S10之后，还包含如下步骤：

S11、判断所述M个扫描窗口都已经扫描结束；若是，得到所述人脸图像的目标图像信息。

本发明实施例第二方面提供了一种图像处理装置，包括：

获取单元，用于执行S1、获取包含人脸图像的待处理图像中的当前扫描窗口，所述当前扫描窗口为M个扫描窗口中的任一个，所述M为大于1的整数；

所述获取单元，还具体用于执行S2、获取分段扫描参数P，所述P为所述当前扫描窗口的预设循环参数Q的1/N，所述P、所述Q和所述N均为大于1的整数；

计算单元，用于执行S3、计算树形码在存储器中存储的第一地址，并从该第一地址获取对应的树形码数据；

所述计算单元，还具体用于执行S4、根据所述树形码数据计算像素在所述存储器中的第二地址，并从该第二地址获取对应的像素数据；S5、在执行步骤S3-S4达到预设次数后，根据所述像素数据计算索引值；S6、根据所述索引值计算门限值的第三地址和查找表在所述存储器的第四地址，并从所述第三地址获取门限值数据和从所述第四地址获取查找表数据；

比较单元，用于执行S7、比较所述门限值数据和所述查找表数据；

处理单元，用于执行S8、在所述查找表数据小于所述门限值数据时，退出针对所述当前扫描窗口的扫描工作，并进入步骤S10；

所述处理单元，还具体用于执行S9、在所述查找表数据大于所述门限值数据时，判断当前是否执行了所述Q次步骤S3-S7，若否，返回步骤S3，若是，记录所述人脸图像的图像信息；

判断单元，用于执行S10、判断是否执行了步骤S2的次数达到所述N次，若是，由所述获取单元得到所述人脸图像的目标图像信息，若否，由所述获取单元在步骤S9中得到的所述人脸图像的图像信息中获取下一个扫描窗口，执行步骤S2。

结合本发明实施例第二方面，在第二方面的第一种可能实施方式中，所述计算单元根据所述像素数据计算索引值的具体实现方式为：

通过指定人脸检测算法，对所述像素数据进行计算，得到索引值。

结合本发明实施例第二方面，在第二方面的第二种可能实施方式中，所述图像信息为以下至少一种：

人脸位置、人脸大小和人脸的角度。

结合本发明实施例第二方面或第二方面的第一种或第二种可能实施方式，在第二方面的第三种可能实施方式中，所述计算单元根据所述树形码数据计算像素在所述存储器中的第二地址的具体实现方式为：

按照所述树形码数据与像素之间的对应的关系计算所述像素在所述存储器中的所述第二地址。

结合本发明实施例第二方面或第二方面的第一种或第二种可能实施方式，在第二方面的第四种可能实施方式中，所述判断单元还具体用于：在所述S10执行完之后，判断所述M个扫描窗口都已经扫描结束；若所述判断单元的判断结果为是，得到所述人脸图像的目标图像信息。

实施本发明实施例，具有如下有益效果：

通过本发明实施例，S1、获取包含人脸图像的待处理图像中的当前扫描窗口，当前扫描窗口为M个扫描窗口中的任一个，M为大于1的整数，S2、获取分段扫描参数P，P为当前扫描窗口的预设循环参数Q的1/N，P、Q和N均为大于1的整数，S3、计算树形码在存储器中存储的第一地址，并从该第一地址获取对应的树形码数据，S4、根据树形码数据计算像素在存储器中的第二地址，并从该第二地址获取对应的像素数据，S5、在执行步骤S3-S4达到预设次数后，根据像素数据计算索引值，S6、根据索引值计算门限值的第三地址和查找表在存储器的第四地址，并从第三地址获取门限值数据和从第四地址获取查找表数据，S7、比较门限值数据和查找表数据，S8、在查找表数据小于门限值数据时，退出针对当前扫描窗口的扫描工作，并进入步骤S10，S9、在查找表数据大于门限值数据时，判断当前是否执行了Q次步骤S3-S7，若否，返回步骤S3，若是，记录人脸图像的图像信息，S10、判断是否执行了步骤S2的次数达到N次，若是，得到人脸图像的目标图像信息，若否，在步骤S9中得到的人脸图像的图像信息中获取下一个扫描窗口，执行步骤S2。如此，可实现对待处理图像进行人脸识别，从而，以减少存储器的需求，从而降低硬件带来的限制。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种图像处理方法的实施例流程示意图；

图2是本发明实施例提供的一种图像处理装置的第一实施例结构示意图；

图3是本发明实施例提供的一种图像处理装置的第二实施例结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置展示该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

本发明实施例所描述图像处理装置可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备(MID，Mobile Internet Devices)或穿戴式设备等，上述仅是举例，而非穷举，包含但不限于上述图像处理装置。

需要说明的是，通常情况下，人脸抓拍系统包括图像摄取、人脸定位、图像预处理、以及人脸跟踪(身份确认或者身份查找)。系统输入一般是一张图像，而其输出则是人脸图像的位置信息，大小信息，以及人脸信息的得分值(表示该人脸与真实人脸的接近度)。本发明实施例中可采用的是改进型的级联分类算法(cascade classifier algorithm)

现有技术中，已经的实施方式，均采用纯软件实现和现场可编程门阵列Field-Programmable Gate Array，FPGA)加速。软件实现都很慢。如果是640*480的图片size，一般耗时需要一两秒左右很常见。

现有的FPGA加速，一般速度很慢(<10fps)。能达到实时的FPGA人脸抓拍系统，都是用到很高端的FPGA芯片(如virtex FPGA)。常见的FPGA实现，是将当前帧所有的参数(树形码、门限值、查找表)和图像都载入到片内存储中，然后运行硬件加速算法，等待出结果后，载入下一帧图像继续计算。由于处理器从内存器中读取的数据量非常庞大，因而，会导致处理器符合过重。

当然，本发明实施例中所涉及到的图像处理装置的处理器不仅可以是FPGA处理器，还可以是DSP处理器，还可以是Intel处理器等等。当然，本发明实施例里中待处理图像可对其进行编码，得到对应的树形码，因而，树形码和待处理图像的像素之间存在对应关系。在内存器中可采用不同的区域存储树形码，像素，门限值，查找表等。

请参阅图1，为本发明实施例提供的一种图像处理方法的实施例流程示意图。本实施例中所描述的图像处理方法，包括以下步骤：

S1、获取包含人脸图像的待处理图像中的当前扫描窗口，所述当前扫描窗口为M个扫描窗口中的任一个，所述M为大于1的整数。

其中，待处理图像可为包含人脸图像的图像。扫描窗口的尺寸大小为X*X，X为多个像素点之间的间距。当然，待处理图像中可包含多个扫描窗口，在执行扫描过程中，可一个一个地进行扫描，直到所有的扫描窗口扫描完，可得到最后的人脸图像的图像信息。

S2、获取分段扫描参数P，所述P为所述当前扫描窗口的预设循环参数Q的1/N，所述P、所述Q和所述N均为大于1的整数。

其中，上述分段扫描参数P、上述预设循环参数Q以及上述N均可由用户指定，其均为大于1的整数。

S3、计算树形码在存储器中存储的第一地址，并从该第一地址获取对应的树形码数据。

其中，本发明实施例中的内存器中存储有树形码的地址、像素数据的地址(该像素数据为待处理图像的像素数据)，门限值的地址，索引值的地址。

进一步地，树形码存储在存储器中，每次循环中，可分配不同的树形码，如此，可按照树形码与地址之间的对应关系，可确定在本次循环中得到的树形码在存储器中的第一地址，并从该第一地址获取对应的树形码数据。

例如，第一地址与树形码之间的映射关系可按照如下方式进行表示，例如：

y＝f(x)

其中，y表示第一地址，x表示树形码，f表示用树形码与第一地址之间的映射关系。上述y＝f(x)可为线性函数或者非线性函数。

S4、根据所述树形码数据计算像素在所述存储器中的第二地址，并从该第二地址获取对应的像素数据。

可选地，上述计算单元根据所述树形码数据计算像素在所述存储器中的第二地址的具体实现方式为：

按照所述树形码数据与像素之间的对应的关系计算所述像素在所述存储器中的所述第二地址。

具体地，树形码数据与像素在内存器中的第二地址存在对应关系，因而，可在确定了树形码数据之后，可得到像素在存储器中的第二地址，并从该第二地址获取对应的像素数据。

S5、在执行步骤S3-S4达到预设次数后，根据所述像素数据计算索引值。

可选地，上述步骤S5中，根据所述像素数据计算索引值，可按照如下方式实现：

通过指定人脸检测算法，对所述像素数据进行计算，得到索引值。

当然，还可以采用如下人脸检测算法实现，上述指定人脸检测可采用如下至少一种人脸检测算法实现：NPD人脸检测算法、Boosting分类器、HAAR人脸检测器、DPM(Deformable Part Model)人脸检测器、ACF(Aggregated Channel Feature)和PICO(Pixel Intensity Comparison Object Detector)人脸检测器等等。

下面列举几种常见的人脸检测算法。

Boosting分类器，boosting可以认为是一种特征筛选算法，由于其简单和泛化能力强等特点，在很多领域都有着非常广的应用。具体来讲，boosting将原始交织在一起的特征空间，通过特征挑选和加强错分样本的权重来逐步将样本空间分开。

HAAR人脸检测器，HAAR人脸检测器是最早将人脸检测提升至应用级别的算法之一。算法主要分为三个部分，特征生成、boosting挑选弱分类器特征以及强分类器构建。特征生成主要是构建许多黑白相间的矩形块，通过比较黑白矩形的像素和的差值来生成特征，取名也是由于其计算过程和HAAR小波的计算过程类似，矩形块的像素和可以基于积分图来计算，计算速度和开销相当可观；特征挑选是通过boosting算法进行的；最后将挑选出来的弱分类器特征通过特征组合来生成许多强分类器。

DPM人脸检测器，DPM将刚性或非刚性的物体分成许多子部件，通过对各子部件进行描述来最终表达所要识别检测的物体，各部件和子部件通过HOG进行特征描述。通过优化算法来求解每个部分的响应滤波器。由于其计算相对比较复杂，限制了其在许多领域的应用。

ACF人脸检测器，ACF是ICF(Integral Channel Feature)的一种扩展，相当于在ICF的基础上做了一个子采样，这样做的好处是一方面降低特征的维度，两一方面可以增加对形变的抵御能力。ACF最早应用于行人检测领域，之后有人将其应用与人脸检测领域也取得了不错的效果。但是由于其计算开销仍然比较大，特征存在较大冗余，改进空间也很大。

PICO人脸检测器，PICO是一种基于统计特性的特征描述算法，其特征描述与Ferns比较类似，由于其计算的简单性和较强的描述能力，被应用在很多计算机视觉领域如物体检测、目标识别、目标跟踪等领域。最近有人将其应用在人脸检测领域，精度比较一般，但是计算速度非常快。究其原因还是特征表达过于简单，有比较大的提升空间。

S6、根据所述索引值计算门限值的第三地址和查找表在所述存储器的第四地址，并从所述第三地址获取门限值数据和从所述第四地址获取查找表数据。

其中，上述门限值的地址可由循环次数和索引值共同决定，即处于不同的循环次数中，得到的第三地址，同样地，可根据索引值确定对应的查找表的第四地址，进而，从第三地址获取门限值数据和第四地址获取查找表数据。

S7、比较所述门限值数据和所述查找表数据。

S8、在所述查找表数据小于所述门限值数据时，退出针对所述当前扫描窗口的扫描工作，并进入步骤S10。

S9、在所述查找表数据大于所述门限值数据时，判断当前是否执行了所述Q次步骤S3-S7，若否，返回步骤S3，若是，记录所述人脸图像的图像信息；

可选地，查找表数据大于门限值数据时，判断当前是否执行了Q次步骤S3-S7，那么，则返回步骤S3，则可重新执行S3-S7。若当前执行了Q次步骤S3-S7，则记录人脸图像的图像信息。

可选地，上述人脸图像的图像信息可包括但不仅限于：人脸位置、人脸大小和人脸的角度，上述人脸的角度可包括但不仅限于：水平转动角度、俯仰角或者倾斜度。例如，可定义人脸图像数据要求两眼间距不小于30像素，建议60像素以上。水平转动角度不超过±30°、俯仰角不超过±20°、倾斜角不超过±45°。建议水平转动角度不超过±15°、俯仰角不超过±10°、倾斜角不超过±15°。

例如，还可对人脸图像是否被其他物体遮挡进行筛选，通常情况下，饰物不应遮挡脸部主要区域，饰物如深色墨镜、口罩和夸张首饰等，当然，也有可能摄像头上面布满灰尘，导致人脸图像被遮挡。本发明实施例中的待处理图像的图片格式可包括但不仅限于：BMP，JPEG，JPEG2000，PNG等等。

S10、判断是否执行了步骤S2的次数达到所述N次，若是，得到所述人脸图像的目标图像信息，若否，在步骤S9中得到的所述人脸图像的图像信息中获取下一个扫描窗口，执行步骤S2。

可选地，在步骤S9中得到的人脸图像的图像信息中确定下一个扫描窗口，如此，可对人脸图像的图像信息进行层层筛选。

进一步可选地，在所述S10之后，还包含如下步骤：

S11、判断所述M个扫描窗口都已经扫描结束；若是，得到所述人脸图像的目标图像信息。

即在所有的扫描窗口结束后，可输入最后的人脸图像的图像信息，即人脸图像的目标图像信息。

可以看出，通过本发明实施例，S1、获取包含人脸图像的待处理图像中的当前扫描窗口，当前扫描窗口为M个扫描窗口中的任一个，M为大于1的整数，S2、获取分段扫描参数P，P为当前扫描窗口的预设循环参数Q的1/N，P、Q和N均为大于1的整数，S3、计算树形码在存储器中存储的第一地址，并从该第一地址获取对应的树形码数据，S4、根据树形码数据计算像素在存储器中的第二地址，并从该第二地址获取对应的像素数据，S5、在执行步骤S3-S4达到预设次数后，根据像素数据计算索引值，S6、根据索引值计算门限值的第三地址和查找表在存储器的第四地址，并从第三地址获取门限值数据和从第四地址获取查找表数据，S7、比较门限值数据和查找表数据，S8、在查找表数据小于门限值数据时，退出针对当前扫描窗口的扫描工作，并进入步骤S10，S9、在查找表数据大于门限值数据时，判断当前是否执行了Q次步骤S3-S7，若否，返回步骤S3，若是，记录人脸图像的图像信息，S10、判断是否执行了步骤S2的次数达到N次，若是，得到人脸图像的目标图像信息，若否，在步骤S9中得到的人脸图像的图像信息中获取下一个扫描窗口，执行步骤S2。如此，可实现对待处理图像进行人脸识别，从而，以减少存储器的需求，从而降低硬件带来的限制。

进一步地，实施本发明实施例，若在FPGA上完成本发明实施例，可大大减少了硬件资源尤其是存储资源的需求，对于FPGA选型更加便捷，不需要受限于存储资源。而且不需要受限于循环次数，可以通过拆分，达到实现的目的。

与上述一致地，以下为实施上述图像处理方法的装置，具体如下：

请参阅图2，为本发明实施例提供的一种图像处理装置的第一实施例结构示意图。本实施例中所描述的图像处理装置，包括：获取单元201、计算单元202、比较单元203、处理单元204和判断单元205，具体如下：

获取单元201，用于执行S1、获取包含人脸图像的待处理图像中的当前扫描窗口，所述当前扫描窗口为M个扫描窗口中的任一个，所述M为大于1的整数；

所述获取单元201，还具体用于执行S2、获取分段扫描参数P，所述P为所述当前扫描窗口的预设循环参数Q的1/N，所述P、所述Q和所述N均为大于1的整数；

计算单元202，用于执行S3、计算树形码在存储器中存储的第一地址，并从该第一地址获取对应的树形码数据；

所述计算单元202，还具体用于执行S4、根据所述树形码数据计算像素在所述存储器中的第二地址，并从该第二地址获取对应的像素数据；S5、在执行步骤S3-S4达到预设次数后，根据所述像素数据计算索引值；S6、根据所述索引值计算门限值的第三地址和查找表在所述存储器的第四地址，并从所述第三地址获取门限值数据和从所述第四地址获取查找表数据；

比较单元203，用于执行S7、比较所述门限值数据和所述查找表数据；

处理单元204，用于执行S8、在所述查找表数据小于所述门限值数据时，退出针对所述当前扫描窗口的扫描工作，并进入步骤S10；

所述处理单元204，还具体用于执行S9、在所述查找表数据大于所述门限值数据时，判断当前是否执行了所述Q次步骤S3-S7，若否，返回步骤S3，若是，记录所述人脸图像的图像信息；

判断单元205，用于执行S10、判断是否执行了步骤S2的次数达到所述N次，若是，由所述获取单元得到所述人脸图像的目标图像信息，若否，由所述获取单元在步骤S9中得到的所述人脸图像的图像信息中获取下一个扫描窗口，执行步骤S2。

可选地，所述计算单元202根据所述像素数据计算索引值的具体实现方式为：

通过指定人脸检测算法，对所述像素数据进行计算，得到索引值。

可选地，所述图像信息为以下至少一种：

人脸位置、人脸大小和人脸的角度。

可选地，所述计算单元202根据所述树形码数据计算像素在所述存储器中的第二地址的具体实现方式为：

按照所述树形码数据与像素之间的对应的关系计算所述像素在所述存储器中的所述第二地址。

可选地，所述判断单元205还具体用于：在所述S10执行完之后，判断所述M个扫描窗口都已经扫描结束；若所述判断单元205的判断结果为是，得到所述人脸图像的目标图像信息。

可以看出，通过本发明实施例所描述的图像处理装置，可执行如下步骤；S1、获取包含人脸图像的待处理图像中的当前扫描窗口，当前扫描窗口为M个扫描窗口中的任一个，M为大于1的整数，S2、获取分段扫描参数P，P为当前扫描窗口的预设循环参数Q的1/N，P、Q和N均为大于1的整数，S3、计算树形码在存储器中存储的第一地址，并从该第一地址获取对应的树形码数据，S4、根据树形码数据计算像素在存储器中的第二地址，并从该第二地址获取对应的像素数据，S5、在执行步骤S3-S4达到预设次数后，根据像素数据计算索引值，S6、根据索引值计算门限值的第三地址和查找表在存储器的第四地址，并从第三地址获取门限值数据和从第四地址获取查找表数据，S7、比较门限值数据和查找表数据，S8、在查找表数据小于门限值数据时，退出针对当前扫描窗口的扫描工作，并进入步骤S10，S9、在查找表数据大于门限值数据时，判断当前是否执行了Q次步骤S3-S7，若否，返回步骤S3，若是，记录人脸图像的图像信息，S10、判断是否执行了步骤S2的次数达到N次，若是，得到人脸图像的目标图像信息，若否，在步骤S9中得到的人脸图像的图像信息中获取下一个扫描窗口，执行步骤S2。如此，可实现对待处理图像进行人脸识别，从而，以减少存储器的需求，从而降低硬件带来的限制。

与上述一致地，请参阅图3，为本发明实施例提供的一种图像处理装置的第二实施例结构示意图。本实施例中所描述的图像处理装置，包括：至少一个输入设备1000；至少一个输出设备2000；至少一个处理器3000，例如CPU；和存储器4000，上述输入设备1000、输出设备2000、处理器3000和存储器4000通过总线5000连接。

其中，上述输入设备1000具体可为触控面板、物理按键或者鼠标。

上述输出设备2000具体可为显示屏。

上述存储器4000可以是高速RAM存储器，也可为非易失存储器(non-volatile memory)，例如磁盘存储器。上述存储器4000用于存储一组程序代码，上述输入设备1000、输出设备2000和处理器3000用于调用存储器4000中存储的程序代码，执行如下操作：

上述处理器3000，用于：

S1、获取包含人脸图像的待处理图像中的当前扫描窗口，所述当前扫描窗口为M个扫描窗口中的任一个，所述M为大于1的整数；

S2、获取分段扫描参数P，所述P为所述当前扫描窗口的预设循环参数Q的1/N，所述P、所述Q和所述N均为大于1的整数；

S3、计算树形码在存储器中存储的第一地址，并从该第一地址获取对应的树形码数据；

S4、根据所述树形码数据计算像素在所述存储器中的第二地址，并从该第二地址获取对应的像素数据；

S5、在执行步骤S3-S4达到预设次数后，根据所述像素数据计算索引值；

S6、根据所述索引值计算门限值的第三地址和查找表在所述存储器的第四地址，并从所述第三地址获取门限值数据和从所述第四地址获取查找表数据；

S7、比较所述门限值数据和所述查找表数据；

S8、在所述查找表数据小于所述门限值数据时，退出针对所述当前扫描窗口的扫描工作，并进入步骤S10；

S9、在所述查找表数据大于所述门限值数据时，判断当前是否执行了所述Q次步骤S3-S7，若否，返回步骤S3，若是，记录所述人脸图像的图像信息；

S10、判断是否执行了步骤S2的次数达到所述N次，若是，得到所述人脸图像的目标图像信息，若否，在步骤S9中得到的所述人脸图像的图像信息中获取下一个扫描窗口，执行步骤S2。

可选地，上述处理器3000根据所述像素数据计算索引值，包括：

通过指定人脸检测算法，对所述像素数据进行计算，得到索引值。

可选地，所述图像信息为以下至少一种：

人脸位置、人脸大小和人脸的角度。

可选地，上述处理器3000，根据所述树形码数据计算像素在所述存储器中的第二地址，包括：

按照所述树形码数据与像素之间的对应的关系计算所述像素在所述存储器中的所述第二地址。

可选地，上述处理器3000，在所述S10之后，还用于执行步骤：

S11、判断所述M个扫描窗口都已经扫描结束；若是，得到所述人脸图像的目标图像信息。

本发明实施例还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时包括上述方法实施例中记载的任何一种图像处理方法的部分或全部步骤。

尽管在此结合各实施例对本发明进行了描述，然而，在实施所要求保护的本发明过程中，本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书，可理解并实现所述公开实施例的其他变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。

本领域技术人员应明白，本发明的实施例可提供为方法、装置(设备)、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机程序存储/分布在合适的介质中，与其它硬件一起提供或作为硬件的一部分，也可以采用其他分布形式，如通过Internet或其它有线或无线电信系统。

本发明是参照本发明实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管结合具体特征及其实施例对本发明进行了描述，显而易见的，在不脱离本发明的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本发明的示例性说明，且视为已覆盖本发明范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。