本发明涉及计算机技术领域，特别是涉及一种人脸图像处理方法及装置。
背景技术：
现今社会，为了给人们的工作和生活提供安全预防和保障，往往在重要位置处设置有监控摄像头，通过监控摄像头录制重要位置处的监控视频，之后，安排查看人员查看监控摄像头录制的监控视频是否存在可疑人物，例如，查看是否存在在逃人员等。
其中，查看人员在查看监控摄像头录制的监控视频是否存在可疑人物时，需要一帧一帧地查看监控视频中的每一帧视频图像，导致查看效率较低且导致查看人员的工作量较高。
为了提高查看效率以及降低查看人员的工作量，在现有技术中，采用meanshift算法或camshift算法或均值跟踪算法对视频中的人物进行粗略的跟踪，最后保存在人物离开时人物的人脸图像。
然而，发明人发现，现有技术会造成跟踪人物的部分缺失问题，而且跟踪容易产生间断问题，因此很难实现对人脸图像的精确跟踪，无法实现对人脸图像的完整采集。
技术实现要素：
为解决上述技术问题，本发明实施例示出了一种人脸图像处理方法及装置。
第一方面，本发明实施例示出了一种人脸图像处理方法，所述方法包括：
通过seetaface人脸检测算法检测当前视频图像中的当前人脸图像；
确定所述当前人脸图像在所述当前视频图像中的当前位置以及从所述当前视频图像中提取出所述当前人脸图像；
根据所述当前视频图像判断是否存在使用粒子滤波器跟踪算法正在跟踪的人脸图像；
如果存在使用粒子滤波器跟踪算法正在跟踪的人脸图像，获取所述当前人脸图像的人脸特征点的第一方向梯度直方图特征向量，以及，获取所述正在跟踪的人脸图像的人脸特征点的第二方向梯度直方图特征向量；
根据所述第一方向梯度直方图特征向量和所述第二方向梯度直方图特征向量判断所述正在跟踪的人脸图像与所述当前人脸图像是否为同一人物的人脸图像；
如果所述正在跟踪的人脸图像与所述当前人脸图像为同一人物的人脸图像，使用所述当前位置替换已缓存的所述正在跟踪的人脸图像的位置。
在一个可选的实现方式中，所述方法还包括：
如果不存在使用粒子滤波器跟踪算法正在跟踪的人脸图像，则在已缓存的所有人脸图像中判断是否存在与所述当前人脸图像为同一人物的人脸图像；
如果在已缓存的所有人脸图像中不存在与所述当前人脸图像为同一人物的人脸图像，则缓存所述当前人脸图像以及缓存所述当前位置；
使用粒子滤波器跟踪算法在所述当前位置开始跟踪所述当前人脸图像。
在一个可选的实现方式中，所述方法还包括：
如果所述正在跟踪的人脸图像与所述当前人脸图像不为同一人物的人脸图像，则在已缓存的所有人脸图像中判断是否存在与所述当前人脸图像为同一人物的人脸图像；
如果在已缓存的所有人脸图像中不存在与所述当前人脸图像为同一人物的人脸图像，则缓存所述当前人脸图像以及缓存所述当前位置；
使用粒子滤波器跟踪算法在所述当前位置开始跟踪所述当前人脸图像。
在一个可选的实现方式中，所述方法还包括：
判断所述当前人脸图像的面积是否大于已缓存的所述正在跟踪的人脸图像的面积；
如果所述当前人脸图像的面积大于已缓存的所述正在跟踪的人脸图像的面积，使用所述当前人脸图像替换已缓存的所述正在跟踪的人脸图像。
在一个可选的实现方式中，所述方法还包括：
如果在所述当前视频图像之后的预设数量的视频图像中均未出现与所述当前人脸图像属于同一人物的人脸图像，停止使用粒子滤波器跟踪算法跟踪与所述当前人脸图像属于同一人物的人脸图像；
获取已缓存的与所述当前人脸图像属于同一人物的人脸图像的地理信息；
将已缓存的与所述当前人脸图像属于同一人物的人脸图像以及已缓存的与所述当前人脸图像属于同一人物的人脸图像所在的地理信息存储在数据库中；
删除已缓存的与所述当前人脸图像属于同一人物的人脸图像以及删除已缓存的与所述当前人脸图像属于同一人物的人脸图像的位置。
第二方面，本发明实施例示出了一种人脸图像处理装置，所述装置包括：
检测模块，用于通过seetaface人脸检测算法检测当前视频图像中的当前人脸图像；
确定模块，用于确定所述当前人脸图像在所述当前视频图像中的当前位置以及从所述当前视频图像中提取出所述当前人脸图像；
第一判断模块，用于根据所述当前视频图像判断是否存在使用粒子滤波器跟踪算法正在跟踪的人脸图像；
第一获取模块，用于如果存在使用粒子滤波器跟踪算法正在跟踪的人脸图像，获取所述当前人脸图像的人脸特征点的第一方向梯度直方图特征向量，以及，获取所述正在跟踪的人脸图像的人脸特征点的第二方向梯度直方图特征向量；
第二判断模块，用于根据所述第一方向梯度直方图特征向量和所述第二方向梯度直方图特征向量判断所述正在跟踪的人脸图像与所述当前人脸图像是否为同一人物的人脸图像；
第一替换模块，用于如果所述正在跟踪的人脸图像与所述当前人脸图像为同一人物的人脸图像，使用所述当前位置替换已缓存的所述正在跟踪的人脸图像的位置。
在一个可选的实现方式中，所述装置还包括：
第三判断模块，用于如果不存在使用粒子滤波器跟踪算法正在跟踪的人脸图像，则在已缓存的所有人脸图像中判断是否存在与所述当前人脸图像为同一人物的人脸图像；
第一缓存模块，用于如果在已缓存的所有人脸图像中不存在与所述当前人脸图像为同一人物的人脸图像，则缓存所述当前人脸图像以及缓存所述当前位置；
第一跟踪模块，用于使用粒子滤波器跟踪算法在所述当前位置开始跟踪所述当前人脸图像。
在一个可选的实现方式中，所述装置还包括：
第四判断模块，用于如果所述正在跟踪的人脸图像与所述当前人脸图像不为同一人物的人脸图像，则在已缓存的所有人脸图像中判断是否存在与所述当前人脸图像为同一人物的人脸图像；
第二缓存模块，用于如果在已缓存的所有人脸图像中不存在与所述当前人脸图像为同一人物的人脸图像，则缓存所述当前人脸图像以及缓存所述当前位置；
第二跟踪模块，用于使用粒子滤波器跟踪算法在所述当前位置开始跟踪所述当前人脸图像。
在一个可选的实现方式中，所述装置还包括：
第五判断模块，用于判断所述当前人脸图像的面积是否大于已缓存的所述正在跟踪的人脸图像的面积；
第二替换模块，用于如果所述当前人脸图像的面积大于已缓存的所述正在跟踪的人脸图像的面积，使用所述当前人脸图像替换已缓存的所述正在跟踪的人脸图像。
在一个可选的实现方式中，所述装置还包括：
停止模块，用于如果在所述当前视频图像之后的预设数量的视频图像中均未出现与所述当前人脸图像属于同一人物的人脸图像，停止使用粒子滤波器跟踪算法跟踪与所述当前人脸图像属于同一人物的人脸图像；
第二获取模块，用于获取已缓存的与所述当前人脸图像属于同一人物的人脸图像的地理信息；
存储模块，用于将已缓存的与所述当前人脸图像属于同一人物的人脸图像以及已缓存的与所述当前人脸图像属于同一人物的人脸图像所在的地理信息存储在数据库中；
删除模块，用于删除已缓存的与所述当前人脸图像属于同一人物的人脸图像以及删除已缓存的与所述当前人脸图像属于同一人物的人脸图像的位置。
与现有技术相比，本发明实施例包括以下优点：
在本发明实施例中，通过seetaface人脸检测算法检测视频图像中的人脸图像可以将视频图像中出现的所有人脸图像均检测出来，避免遗漏人脸图像。方向梯度直方图特征向量对旋转、尺度缩放以及亮度具有不变性，对视角变化、光线以及噪声等因素也具有稳定性，因此受外界环境因素影响小，鲁棒性强，所以，根据方向梯度直方图特征向量来判断正在跟踪的人脸图像与当前人脸图像是否为同一人物的人脸图像，可以提高判断准确率。
附图说明
图1是本发明的一种人脸图像处理方法实施例的步骤流程图；
图2是本发明的一种人脸图像处理装置实施例的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1，示出了本发明的一种人脸图像处理方法实施例的步骤流程图，具体可以包括如下步骤：
在步骤s101中，通过seetaface人脸检测算法检测当前视频图像中的当前人脸图像；
在通过监控摄像头录制固定位置处的视频时，会通过监控摄像头不断采集视频图像，每当采集到一帧视频图像，就需要通过seetaface人脸检测算法检测采集到的视频图像中是否存在人脸图像，当存在人脸图像时，将检测到的人脸图像作为当前人脸图像，执行步骤s102。
在步骤s102中，确定当前人脸图像在当前视频图像中的当前位置以及从当前视频图像中提取出当前人脸图像；
其中，当检测到当前人脸图像时，可以根据包含当前人脸图像的矩形框的左上角的像素点的位置、长边的长度以及短边的长度确定当前人脸图像的当前位置。
在步骤s103中，根据当前视频图像判断是否存在使用粒子滤波器跟踪算法正在跟踪的人脸图像；
在本发明实施例中，在通过监控摄像头采集到位于当前视频图像之前的其他视频图像时，如果在其他视频图像中检测到第一次出现的人脸图像，就会确定第一次出现人脸图像在其他视频图像中的位置，然后缓存第一次出现人脸图像以及缓存第一次出现的人脸图像在其他视频图像中的位置，并使用粒子滤波器跟踪算法在该位置开始跟踪的第一次出现的人脸图像。当跟踪的人脸图像离开监控摄像头的采集范围时，则停止使用粒子滤波器跟踪算法跟踪与第一次出现的人脸图像属于同一人物的人脸图像。
使用粒子滤波器跟踪算法对在该位置开始跟踪的第一次出现的人脸图像时，需要预测第一次出现的人脸图像在下一帧视频图像中的预测位置区域。
在其他视频图像中可能会同时存在多个人脸图像，且不同的人脸图像的其他视频图像中的位置不同，因此，使用粒子滤波器跟踪算法预测不同的人脸图像在下一帧的视频图像中的位置区域不同。
如果在当前视频图像之前的其他视频图像中未检测到人脸图像，则此时就不存在使用粒子滤波器跟踪算法正在跟踪的人脸图像，在当前视频图像中的当前人脸图像是第一次出现的人脸图像。
在本发明实施例中，在使用粒子滤波器跟踪算法对在当前视频图像之前的前一视频图像中的每一个人脸图像分别跟踪之后，可以分别预测到在前一视频图像中的人脸图像在当前视频图像中的预测位置区域。
如此在得到前人脸图像的在当前视频图像中的当前位置之后，需要在判断当前位置位于在前一视频图像中的哪一个人脸图像在当前视频图像中的预测位置区域。
如果当前位置位于在前一视频图像中的某一人脸图像在当前视频图像中的预测位置区域，则将该人脸图像确定为使用粒子滤波器跟踪算法正在跟踪的人脸图像。
如果当前位置不位于在前一视频图像中的每一个人脸图像在当前视频图像中的预测位置区域，则确定不存在使用粒子滤波器跟踪算法正在跟踪的人脸图像。
如果不存在使用粒子滤波器跟踪算法正在跟踪的人脸图像，在步骤s104中，缓存当前人脸图像以及缓存当前位置，使用粒子滤波器跟踪算法在当前位置开始跟踪当前人脸图像；
如果不存在使用粒子滤波器跟踪算法正在跟踪的人脸图像，则需要在已缓存的所有人脸图像中判断是否存在与当前人脸图像为同一人物的人脸图像；如果在已缓存的所有人脸图像中不存在与当前人脸图像为同一人物的人脸图像，则当前人脸图像是第一次出现的人脸图像，因此，需要缓存当前人脸图像以及缓存当前位置，并使用粒子滤波器跟踪算法在该位置开始跟踪当前人脸图像。
如果存在使用粒子滤波器跟踪算法正在跟踪的人脸图像，在步骤s105中，获取当前人脸图像的人脸特征点的第一方向梯度直方图特征向量，以及，获取正在跟踪的人脸图像的人脸特征点的第二方向梯度直方图特征向量；
在步骤s106中，根据第一方向梯度直方图特征向量和第二方向梯度直方图特征向量判断正在跟踪的人脸图像与当前人脸图像是否为同一人物的人脸图像；
在本发明实施例中，可以使用dlib算法库对当前人脸图像中的人脸特征点进行定位，得到人脸图像中的人脸特征点，例如，使用像素灰度值训练回归树，再将多个回归树级联为一个级联分类器，使用级联分类器预测当前人脸图像中的人脸特征点。
本发明实施例中的人脸图像中的人脸特征点包括68个，当然，也可以包括更多的人脸特征点，例如98个或者128个等等，本发明实施例对此不加以限定。
其中，在本发明实施例中，人脸特征点包括两个眉毛轮廓的人脸特征点、两个眼睛轮廓的人脸特征点，鼻子轮廓的人脸特征点，嘴巴轮廓的人脸特征点以及脸颊轮廓的人脸特征点等等。
在在本发明实施例中，在获取人脸图像的人脸特征点时，往往需要对获取的人脸特征点编号，同一人脸图像中的不同的人脸特征点的编号不同。
如此，获取的当前人脸图像的每一个人脸特征点具有各自的编号，以及，获取的正在跟踪的人脸图像的每一个人脸特征点具有各自的编号。
在当前人脸图像和正在跟踪的人脸图像中，需要分别将同一编号的人脸特征点匹配。
在当前人脸图像中，如果与正在跟踪的人脸图像匹配成功的人脸特征点的数量大于预设阈值，则确定当前人脸图像与正在跟踪的人脸图像属于同一人物的人脸图像。
在当前人脸图像中，如果与正在跟踪的人脸图像匹配成功的人脸特征点的数量小于或等于预设阈值，则确定当前人脸图像与正在跟踪的人脸图像不属于同一人物的人脸图像。
预设阈值可以为从当前人脸图像中获取到的人脸特征点的总数量的70％、80％或90等等，本发明实施例对此不加以限定。
在将当前人脸图像中的编号a的人脸特征点与正在跟踪的人脸图像中的编号a的人脸特征点匹配时，需要计算当前人脸图像中的编号a的人脸特征点的第一方向梯度直方图特征向量，以及，计算正在跟踪的人脸图像中的编号a的人脸特征点的第二方向梯度直方图特征向量，再计算第一方向梯度直方图特征向量与第二方向梯度直方图特征向量之间的欧式距离。
如果计算得到的欧式距离小于预设欧氏距离阈值，则确定当前人脸图像中的编号a的人脸特征点与正在跟踪的人脸图像中的编号a的人脸特征点匹配成功。
如果计算得到的欧式距离大于或等于预设欧氏距离阈值，则确定当前人脸图像中的编号a的人脸特征点与正在跟踪的人脸图像中的编号a的人脸特征点未匹配成功。
其中，计算当前人脸图像中的编号a的人脸特征点的第一方向梯度直方图特征向量，包括：
以当前人脸图像中的编号a的人脸特征点为中心，选取16个像素点*16个像素点的第一像素点区域。
将第一像素点区域划分为16个不同的4个像素点*4个像素点的第二像素点区域。
对于任意一个第二像素点区域，分别计算该第二像素点区域中的16个像素点的梯度方向，梯度方向范围为0～360°，可将梯度方向范围等分为12份子范围，每份子范围为30°，从而得到16个像素点中的每一个像素点的梯度方向所在的子范围，进而确定出梯度方向分别位于每一个子范围内的像素点的数量，以得到一个12维的特征向量，将12维的特征向量确定为该第二像素点区域的特征向量。同样按照上述方法得到其他每一个第二像素点区域的特征向量。
将16个第二像素点区域的特征向量组合得到一个12*16维的特征向量，并作为当前人脸图像中的编号a的人脸特征点的第一方向梯度特征向量。
在本发明实施例中，梯度方向范围的划分方法不局限于上述划分方法，也可将梯度方向范围等分为8份子范围，每份子范围为45°，也可将梯度方向范围等分为10份子范围，每份子范围为36°等等，本发明实施例对此不加以限定。
在本发明实施例中，像素点区域的划分方法不局限于上述划分方法，也可将第一像素点区域划分为64个不同的2个像素点*2个像素点的第二像素点区域，也可将第一像素点区域划分为4个不同的8个像素点*8个像素点的第二像素点区域等等，本发明实施例对此不加以限定。
其次，计算正在跟踪的人脸图像中的编号a的人脸特征点的第二方向梯度直方图特征向量，可以参见计算当前人脸图像中的编号a的人脸特征点的第一方向梯度直方图特征向量的计算流程，在此不做详述。
将通过人脸特征点定位算法得到的人脸特征点作为方向梯度直方图特征提取的关键点，使得在对人脸图像匹配时更针对人脸面部特征匹配，如眼睛、鼻子、嘴巴、轮廓、下巴以及眉毛等，匹配精确度更高，且匹配算法速度快，从而提高跟踪效率。
如果正在跟踪的人脸图像与当前人脸图像为同一人物的人脸图像，在步骤s107中，使用当前人脸图像的当前位置替换已缓存的正在跟踪的人脸图像的位置；
以使之后可以使用粒子滤波器跟踪算法从当前位置继续跟踪正在跟踪的人脸图像。
如果正在跟踪的人脸图像与当前人脸图像不为同一人物的人脸图像，在步骤s108中，缓存当前人脸图像以及缓存当前位置，并使用粒子滤波器跟踪算法在当前位置开始跟踪当前人脸图像。
如果正在跟踪的人脸图像与当前人脸图像不为同一人物的人脸图像，则需要在已缓存的所有人脸图像中判断是否存在与当前人脸图像为同一人物的人脸图像；如果在已缓存的所有人脸图像中不存在与当前人脸图像为同一人物的人脸图像，则当前人脸图像是第一次出现的人脸图像，因此，需要缓存当前人脸图像以及缓存当前位置，并使用粒子滤波器跟踪算法在该位置开始跟踪当前人脸图像。
在本发明实施例中，通过seetaface人脸检测算法检测视频图像中的人脸图像可以将视频图像中出现的所有人脸图像均检测出来，避免遗漏人脸图像。方向梯度直方图特征向量对旋转、尺度缩放以及亮度具有不变性，对视角变化、光线以及噪声等因素也具有稳定性，因此受外界环境因素影响小，鲁棒性强，所以，根据方向梯度直方图特征向量来判断正在跟踪的人脸图像与当前人脸图像是否为同一人物的人脸图像，可以提高判断准确率。
在本发明实施例中，如果某一人物的人脸图像在监控摄像头的采集范围内出现的时间较长，则该人物的人脸图像会出现在监控摄像头采集的多帧视频图像中，如果将每一帧视频图像中的该人物的人脸图像均缓存，则会占用较多的缓存空间，因此，为了节省缓存空间且不影响查看人员之后查看在监控摄像头的采集范围内出现过哪些人物，无需将每一帧视频图像中的该人物的人脸图像均缓存，只需缓存其中一帧视频图像中的该人物的人脸图像即可。
进一步地，为了使得查看人员之后查看在监控摄像头的采集范围内出现过哪些人物时，可以更加清楚地看到人物的人脸细节在本发明另一实施例中，在缓存该人物的人脸图像时，需要缓存该人物的面积最大的人脸图像。
其中，在本发明实施例中，可以判断当前人脸图像的面积是否大于已缓存的正在跟踪的人脸图像的面积，如果当前人脸图像的面积大于已缓存的正在跟踪的人脸图像的面积，则可以使用当前人脸图像替换已缓存的正在跟踪的人脸图像。
其中，可以将当前人脸图像的面积与已缓存的正在跟踪的人脸图像的面积相减，得到面积差值；判断该面积差值是否大于0；如果该面积差值大于0，则判断该面积差值是否大于预设面积阈值，预设面积阈值大于0；如果该面积差值大于预设面积阈值，则可以使用当前人脸图像替换已缓存的正在跟踪的人脸图像。如果该面积差值小于或等于预设面积阈值，则需要计算当前人脸图像中的最左侧的人脸特征点与最右侧的人脸特征点之间的第一距离，以及计算已缓存的正在跟踪的人脸图像中的最左侧的人脸特征点与最右侧的人脸特征点之间的第二距离；然后判断第一距离是否大于第二距离；如果第一距离大于第二距离，则可以使用当前人脸图像替换已缓存的正在跟踪的人脸图像。
在本发明又一实施例中，如果在当前视频图像之后的预设数量的视频图像中均未出现与当前人脸图像属于同一人物的人脸图像，则说明当前人脸图像所对应的人物已经离开监控摄像头的采集范围，从而停止使用粒子滤波器跟踪算法跟踪与当前人脸图像属于同一人物的人脸图像，获取已缓存的与当前人脸图像属于同一人物的人脸图像的地理信息；将已缓存的与当前人脸图像属于同一人物的人脸图像以及已缓存的与当前人脸图像属于同一人物的人脸图像所在的地理信息存储在数据库中；删除已缓存的与当前人脸图像属于同一人物的人脸图像以及删除已缓存的与当前人脸图像属于同一人物的人脸图像的位置。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
参照图2，示出了本发明一种人脸图像处理装置实施例的结构框图，具体可以包括如下模块：
检测模块11，用于通过seetaface人脸检测算法检测当前视频图像中的当前人脸图像；
确定模块12，用于确定所述当前人脸图像在所述当前视频图像中的当前位置以及从所述当前视频图像中提取出所述当前人脸图像；
第一判断模块13，用于根据所述当前视频图像判断是否存在使用粒子滤波器跟踪算法正在跟踪的人脸图像；
第一获取模块14，用于如果存在使用粒子滤波器跟踪算法正在跟踪的人脸图像，获取所述当前人脸图像的人脸特征点的第一方向梯度直方图特征向量，以及，获取所述正在跟踪的人脸图像的人脸特征点的第二方向梯度直方图特征向量；
第二判断模块15，用于根据所述第一方向梯度直方图特征向量和所述第二方向梯度直方图特征向量判断所述正在跟踪的人脸图像与所述当前人脸图像是否为同一人物的人脸图像；
第一替换模块16，用于如果所述正在跟踪的人脸图像与所述当前人脸图像为同一人物的人脸图像，使用所述当前位置替换已缓存的所述正在跟踪的人脸图像的位置。
在一个可选的实现方式中，所述装置还包括：
第三判断模块，用于如果不存在使用粒子滤波器跟踪算法正在跟踪的人脸图像，则在已缓存的所有人脸图像中判断是否存在与所述当前人脸图像为同一人物的人脸图像；
第一缓存模块，用于如果在已缓存的所有人脸图像中不存在与所述当前人脸图像为同一人物的人脸图像，则缓存所述当前人脸图像以及缓存所述当前位置；
第一跟踪模块，用于使用粒子滤波器跟踪算法在所述当前位置开始跟踪所述当前人脸图像。
在一个可选的实现方式中，所述装置还包括：
第四判断模块，用于如果所述正在跟踪的人脸图像与所述当前人脸图像不为同一人物的人脸图像，则在已缓存的所有人脸图像中判断是否存在与所述当前人脸图像为同一人物的人脸图像；
第二缓存模块，用于如果在已缓存的所有人脸图像中不存在与所述当前人脸图像为同一人物的人脸图像，则缓存所述当前人脸图像以及缓存所述当前位置；
第二跟踪模块，用于使用粒子滤波器跟踪算法在所述当前位置开始跟踪所述当前人脸图像。
在一个可选的实现方式中，所述装置还包括：
第五判断模块，用于判断所述当前人脸图像的面积是否大于已缓存的所述正在跟踪的人脸图像的面积；
第二替换模块，用于如果所述当前人脸图像的面积大于已缓存的所述正在跟踪的人脸图像的面积，使用所述当前人脸图像替换已缓存的所述正在跟踪的人脸图像。
在一个可选的实现方式中，所述装置还包括：
停止模块，用于如果在所述当前视频图像之后的预设数量的视频图像中均未出现与所述当前人脸图像属于同一人物的人脸图像，停止使用粒子滤波器跟踪算法跟踪与所述当前人脸图像属于同一人物的人脸图像；
第二获取模块，用于获取已缓存的与所述当前人脸图像属于同一人物的人脸图像的地理信息；
存储模块，用于将已缓存的与所述当前人脸图像属于同一人物的人脸图像以及已缓存的与所述当前人脸图像属于同一人物的人脸图像所在的地理信息存储在数据库中；
删除模块，用于删除已缓存的与所述当前人脸图像属于同一人物的人脸图像以及删除已缓存的与所述当前人脸图像属于同一人物的人脸图像的位置。
在本发明实施例中，通过seetaface人脸检测算法检测视频图像中的人脸图像可以将视频图像中出现的所有人脸图像均检测出来，避免遗漏人脸图像。方向梯度直方图特征向量对旋转、尺度缩放以及亮度具有不变性，对视角变化、光线以及噪声等因素也具有稳定性，因此受外界环境因素影响小，鲁棒性强，所以，根据方向梯度直方图特征向量来判断正在跟踪的人脸图像与当前人脸图像是否为同一人物的人脸图像，可以提高判断准确率。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例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，本发明实施例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。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、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终端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终端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缓存在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读缓存器中，使得缓存在该计算机可读缓存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终端设备上，使得在计算机或其他可编程终端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终端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。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种人脸图像处理方法及装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。