本發(fā)明涉及人臉檢測(cè)領(lǐng)域，尤其涉及訓(xùn)練模型生成方法、人臉檢測(cè)方法、訓(xùn)練模型生成裝置及人臉檢測(cè)裝置。

背景技術(shù)：

人臉檢測(cè)技術(shù)是模式識(shí)別和人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)，被廣泛應(yīng)用于安全系統(tǒng)、醫(yī)學(xué)、檔案管理、視頻圖像處理、在線支付、人機(jī)交互等方面。智能手機(jī)的發(fā)展和應(yīng)用使得人們對(duì)人臉相關(guān)的交互方式漸漸有了較強(qiáng)的需求，所以具有高精度并且具有實(shí)時(shí)性的人臉檢測(cè)技術(shù)也變得至關(guān)重要。

傳統(tǒng)的基于HAAR+Adaboost的快速人臉檢測(cè)裝置在PC、數(shù)碼相機(jī)里已經(jīng)得到了廣泛的應(yīng)用，但是均是結(jié)合了跟蹤才能進(jìn)行比較實(shí)時(shí)的人臉區(qū)域定位。

當(dāng)前提取特征的方式通常較為復(fù)雜，包括HAAR特征，也需要進(jìn)行灰度區(qū)塊的統(tǒng)計(jì)計(jì)算，并且傳統(tǒng)的boost弱分類器性能較弱，僅僅具有比50％稍微好一些的分類效果，所以導(dǎo)致級(jí)聯(lián)成強(qiáng)分類器時(shí)需要較多的弱分類器。為了保持較高的精度，檢測(cè)耗時(shí)也會(huì)增加，所以精度和實(shí)時(shí)性是比較矛盾的指標(biāo)，而且基于手機(jī)等嵌入式移動(dòng)通信設(shè)備人臉檢測(cè)耗時(shí)偏大的問(wèn)題，難以應(yīng)用到實(shí)際場(chǎng)景中。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例所要解決的技術(shù)問(wèn)題在于，提供一種訓(xùn)練模型生成方法、人臉檢測(cè)方法、訓(xùn)練模型生成裝置及人臉檢測(cè)裝置，解決現(xiàn)有技術(shù)中為了保證精度和實(shí)時(shí)性，基于手機(jī)等嵌入式移動(dòng)通信設(shè)備人臉檢測(cè)耗時(shí)偏大的問(wèn)題，難以應(yīng)用到實(shí)際場(chǎng)景中的技術(shù)問(wèn)題。

為了解決上述技術(shù)問(wèn)題，本發(fā)明實(shí)施例第一方面公開了一種訓(xùn)練模型生成方法，包括：

獲取多個(gè)人臉正樣本和多個(gè)人臉負(fù)樣本；

計(jì)算每個(gè)樣本中的每個(gè)像素與所述樣本自身的其他像素之間的像素差特征；

從計(jì)算出的所有像素差特征中選取一個(gè)目標(biāo)像素差特征，并設(shè)置所述目標(biāo)像素差特征對(duì)應(yīng)的點(diǎn)坐標(biāo)和像素差值作為決策樹的判斷節(jié)點(diǎn)，用于判斷區(qū)分正負(fù)樣本；

將所述決策樹的判斷節(jié)點(diǎn)作為弱分類器進(jìn)行級(jí)聯(lián)；

迭代執(zhí)行所述從計(jì)算出的所有像素差特征中選取一個(gè)目標(biāo)像素差特征至所述將所述決策樹的判斷節(jié)點(diǎn)作為弱分類器進(jìn)行級(jí)聯(lián)的步驟，最終生成強(qiáng)分類器；

保存所述強(qiáng)分類器中決策樹的每個(gè)判斷節(jié)點(diǎn)對(duì)應(yīng)的點(diǎn)坐標(biāo)和像素差值，以生成用于人臉檢測(cè)的訓(xùn)練模型。

結(jié)合第一方面，在第一種可能的實(shí)現(xiàn)方式中，所述獲取多個(gè)人臉正樣本和多個(gè)人臉負(fù)樣本，包括：

搜集多個(gè)人臉正樣本和多個(gè)人臉負(fù)樣本；

將搜集的所有樣本的尺寸統(tǒng)一處理為預(yù)設(shè)像素尺寸大小；

其中，生成的所述訓(xùn)練模型為通過(guò)所述預(yù)設(shè)像素尺寸大小的掃描窗口進(jìn)行人臉檢測(cè)的訓(xùn)練模型。

結(jié)合第一方面的第一種可能的實(shí)現(xiàn)方式，在第二種可能的實(shí)現(xiàn)方式中，所述將搜集的所有樣本的尺寸統(tǒng)一處理為預(yù)設(shè)像素尺寸大小，包括：將搜集的所有樣本的尺寸統(tǒng)一處理為N個(gè)不同預(yù)設(shè)像素尺寸大??；所述N為大于1的正整數(shù)；

其中，對(duì)應(yīng)生成的N個(gè)所述訓(xùn)練模型中，不同的訓(xùn)練模型為不同的預(yù)設(shè)像素尺寸大小的掃描窗口進(jìn)行人臉檢測(cè)的訓(xùn)練模型。

本發(fā)明實(shí)施例第二方面公開了一種人臉檢測(cè)方法，包括：

讀取用于人臉檢測(cè)的訓(xùn)練模型；其中所述訓(xùn)練模型為上述的訓(xùn)練模型生成方法生成的訓(xùn)練模型；

通過(guò)掃描窗口，根據(jù)所述訓(xùn)練模型的強(qiáng)分類器中的當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的點(diǎn)坐標(biāo)提取待檢測(cè)圖像中的像素差特征，并根據(jù)當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的像素差值判斷是否為人臉窗口，直到按照決策樹完成所需判斷節(jié)點(diǎn)的判斷。

結(jié)合第二方面，在第一種可能的實(shí)現(xiàn)方式中，所述訓(xùn)練模型包括多個(gè)不同的預(yù)設(shè)像素尺寸大小的掃描窗口進(jìn)行人臉檢測(cè)的訓(xùn)練模型；

所述通過(guò)掃描窗口，根據(jù)所述訓(xùn)練模型的強(qiáng)分類器中的當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的點(diǎn)坐標(biāo)提取待檢測(cè)圖像中的像素差特征，并根據(jù)當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的像素差值判斷是否為人臉窗口，直到按照決策樹完成所需判斷節(jié)點(diǎn)的判斷，包括：

通過(guò)所述多個(gè)不同預(yù)設(shè)像素尺寸大小的掃描窗口，分別根據(jù)所述訓(xùn)練模型對(duì)應(yīng)的強(qiáng)分類器中的當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的點(diǎn)坐標(biāo)提取待檢測(cè)圖像中的像素差特征，并根據(jù)當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的像素差值判斷是否為人臉窗口，直到按照決策樹完成所需判斷節(jié)點(diǎn)的判斷；

對(duì)多個(gè)檢測(cè)出人臉的人臉窗口進(jìn)行融合處理。

結(jié)合第二方面，或者第二方面的第一種可能的實(shí)現(xiàn)方式，在第二種可能的實(shí)現(xiàn)方式中，所述根據(jù)當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的像素差值判斷是否為人臉窗口，包括：

檢測(cè)提取的所述像素差特征的值是否大于當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的像素差值；

若檢測(cè)為是，則判斷出為人臉窗口；若檢測(cè)為否，則判斷出不為人臉窗口。

本發(fā)明實(shí)施例第三方面公開了一種訓(xùn)練模型生成裝置，包括：

獲取模塊，用于獲取多個(gè)人臉正樣本和多個(gè)人臉負(fù)樣本；

計(jì)算模塊，用于計(jì)算每個(gè)樣本中的每個(gè)像素與所述樣本自身的其他像素之間的像素差特征；

選取設(shè)置模塊，用于從計(jì)算出的所有像素差特征中選取一個(gè)目標(biāo)像素差特征，并設(shè)置所述目標(biāo)像素差特征對(duì)應(yīng)的點(diǎn)坐標(biāo)和像素差值作為決策樹的判斷節(jié)點(diǎn)，用于判斷區(qū)分正負(fù)樣本；

級(jí)聯(lián)模塊，用于將所述決策樹的判斷節(jié)點(diǎn)作為弱分類器進(jìn)行級(jí)聯(lián)；

迭代模塊，用于迭代執(zhí)行所述從計(jì)算出的所有像素差特征中選取一個(gè)目標(biāo)像素差特征至所述將所述決策樹的判斷節(jié)點(diǎn)作為弱分類器進(jìn)行級(jí)聯(lián)的步驟，最終生成強(qiáng)分類器；

保存模塊，用于保存所述強(qiáng)分類器中決策樹的每個(gè)判斷節(jié)點(diǎn)對(duì)應(yīng)的點(diǎn)坐標(biāo)和像素差值，以生成用于人臉檢測(cè)的訓(xùn)練模型。

結(jié)合第三方面，在第一種可能的實(shí)現(xiàn)方式中，所述獲取模塊包括：

搜集單元，用于搜集多個(gè)人臉正樣本和多個(gè)人臉負(fù)樣本；

尺寸處理單元，用于將搜集的所有樣本的尺寸統(tǒng)一處理為預(yù)設(shè)像素尺寸大?。?/p>

其中，生成的所述訓(xùn)練模型為通過(guò)所述預(yù)設(shè)像素尺寸大小的掃描窗口進(jìn)行人臉檢測(cè)的訓(xùn)練模型。

結(jié)合第三方面的第一種可能的實(shí)現(xiàn)方式，在第二種可能的實(shí)現(xiàn)方式中，所述尺寸處理單元具體用于，將搜集的所有樣本的尺寸統(tǒng)一處理為N個(gè)不同預(yù)設(shè)像素尺寸大?。凰鯪為大于1的正整數(shù)；

其中，對(duì)應(yīng)生成的N個(gè)所述訓(xùn)練模型中，不同的訓(xùn)練模型為不同的預(yù)設(shè)像素尺寸大小的掃描窗口進(jìn)行人臉檢測(cè)的訓(xùn)練模型。

本發(fā)明實(shí)施例第四方面公開了一種人臉檢測(cè)裝置，包括：

讀取模塊，用于讀取用于人臉檢測(cè)的訓(xùn)練模型；其中所述訓(xùn)練模型為通過(guò)權(quán)利要求1-3任一項(xiàng)所述的訓(xùn)練模型生成方法生成的訓(xùn)練模型；

提取模塊，用于通過(guò)掃描窗口，根據(jù)所述訓(xùn)練模型的強(qiáng)分類器中的當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的點(diǎn)坐標(biāo)提取待檢測(cè)圖像中的像素差特征；

判斷模塊，用于根據(jù)當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的像素差值判斷是否為人臉窗口，直到按照決策樹完成所需判斷節(jié)點(diǎn)的判斷。

結(jié)合第四方面，在第一種可能的實(shí)現(xiàn)方式中，所述訓(xùn)練模型包括多個(gè)不同的預(yù)設(shè)像素尺寸大小的掃描窗口進(jìn)行人臉檢測(cè)的訓(xùn)練模型；

所述提取模塊具體用于，通過(guò)所述多個(gè)不同預(yù)設(shè)像素尺寸大小的掃描窗口，分別根據(jù)所述訓(xùn)練模型對(duì)應(yīng)的強(qiáng)分類器中的當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的點(diǎn)坐標(biāo)提取待檢測(cè)圖像中的像素差特征；

所述判斷模塊具體用于，根據(jù)當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的像素差值判斷是否為人臉窗口，直到按照決策樹完成所需判斷節(jié)點(diǎn)的判斷；

所述裝置還包括融合模塊，用于對(duì)多個(gè)檢測(cè)出人臉的人臉窗口進(jìn)行融合處理。

結(jié)合第四方面，或者第四方面的第一種可能的實(shí)現(xiàn)方式，在第二種可能的實(shí)現(xiàn)方式中，所述判斷模塊包括：

差值檢測(cè)單元，用于檢測(cè)提取的所述像素差特征的值是否大于當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的像素差值；

若檢測(cè)為是，則判斷出為人臉窗口；若檢測(cè)為否，則判斷出不為人臉窗口。

本發(fā)明實(shí)施例第五方面公開了一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)存儲(chǔ)介質(zhì)存儲(chǔ)有程序，所述程序執(zhí)行時(shí)包括本發(fā)明實(shí)施例第一方面，或者第一方面的第一種可能的實(shí)現(xiàn)方式，或者第一方面的第二種可能的實(shí)現(xiàn)方式中訓(xùn)練模型生成方法的全部步驟。

本發(fā)明實(shí)施例第六方面公開了一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)存儲(chǔ)介質(zhì)存儲(chǔ)有程序，所述程序執(zhí)行時(shí)包括本發(fā)明實(shí)施例第二方面，或者第二方面的第一種可能的實(shí)現(xiàn)方式，或者第二方面的第二種可能的實(shí)現(xiàn)方式中人臉檢測(cè)方法的全部步驟。

實(shí)施本發(fā)明實(shí)施例，通過(guò)獲取多個(gè)人臉正樣本和多個(gè)人臉負(fù)樣本；計(jì)算每個(gè)樣本中的每個(gè)像素與樣本自身的其他像素之間的像素差特征；從計(jì)算出的所有像素差特征中選取一個(gè)目標(biāo)像素差特征，并設(shè)置目標(biāo)像素差特征對(duì)應(yīng)的點(diǎn)坐標(biāo)和像素差值作為決策樹的判斷節(jié)點(diǎn)，用于判斷區(qū)分正負(fù)樣本；將決策樹的判斷節(jié)點(diǎn)作為弱分類器進(jìn)行級(jí)聯(lián)；迭代多次，最終生成強(qiáng)分類器；保存強(qiáng)分類器中決策樹的每個(gè)判斷節(jié)點(diǎn)對(duì)應(yīng)的點(diǎn)坐標(biāo)和像素差值，以生成用于人臉檢測(cè)的訓(xùn)練模型。實(shí)現(xiàn)了結(jié)合決策樹形成強(qiáng)分類器進(jìn)行人臉二分類，能夠保證在同樣精度下降低人臉檢測(cè)的耗時(shí)，解決現(xiàn)有技術(shù)中為了保證精度和實(shí)時(shí)性，基于手機(jī)等嵌入式移動(dòng)通信設(shè)備人臉檢測(cè)耗時(shí)偏大的問(wèn)題，難以應(yīng)用到實(shí)際場(chǎng)景中的技術(shù)問(wèn)題，達(dá)到一個(gè)能夠保持較高精度并且實(shí)時(shí)性較高的效果，保證了能夠使用在手機(jī)等嵌入式移動(dòng)平臺(tái)中進(jìn)行較高精度的人臉檢測(cè)。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明實(shí)施例提供的訓(xùn)練模型生成方法的流程示意圖；

圖2是本發(fā)明實(shí)施例提供的人臉檢測(cè)方法的流程示意圖；

圖3是本發(fā)明實(shí)施例提供的結(jié)合決策樹的強(qiáng)分類器的原理示意圖；

圖4是本發(fā)明實(shí)施例提供的訓(xùn)練模型生成裝置的結(jié)構(gòu)示意圖；

圖5是本發(fā)明實(shí)施例提供的獲取模塊的結(jié)構(gòu)示意圖；

圖6是本發(fā)明提供的訓(xùn)練模型生成裝置的另一實(shí)施例的結(jié)構(gòu)示意圖；

圖7是本發(fā)明實(shí)施例提供的人臉檢測(cè)裝置的結(jié)構(gòu)示意圖；

圖8是本發(fā)明提供的人臉檢測(cè)裝置的另一實(shí)施例的結(jié)構(gòu)示意圖；

圖9是本發(fā)明提供的人臉檢測(cè)裝置的另一實(shí)施例的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

本發(fā)明各個(gè)實(shí)施例的訓(xùn)練模型生成方法都可以基于個(gè)人計(jì)算機(jī)來(lái)實(shí)現(xiàn)，即技術(shù)人員通過(guò)操作個(gè)人計(jì)算機(jī)，編寫訓(xùn)練模型的生成運(yùn)行代碼，即可生成訓(xùn)練模型，并可以最終集成到所需的移動(dòng)app產(chǎn)品中。

本發(fā)明各個(gè)實(shí)施例的人臉檢測(cè)方法可以基于個(gè)人計(jì)算機(jī)、個(gè)人數(shù)字助理(Personal Digital Assis tant,PDA)、媒體播放器、智能移動(dòng)設(shè)備(包括移動(dòng)電話、移動(dòng)電腦、平板電腦、智能電視、智能手表、智能眼鏡和智能手環(huán)等)等設(shè)備來(lái)實(shí)現(xiàn)。也就是說(shuō)，集成有本發(fā)明實(shí)施例生成的訓(xùn)練模型的移動(dòng)app產(chǎn)品可以運(yùn)行在上述設(shè)備中。

下面我們以圖1示出的本發(fā)明實(shí)施例提供的訓(xùn)練模型生成方法的流程示意圖，來(lái)詳細(xì)說(shuō)明本發(fā)明實(shí)施例提供的訓(xùn)練模型生成方法，包括如下步驟：

步驟S100：獲取多個(gè)人臉正樣本和多個(gè)人臉負(fù)樣本；

具體地，本發(fā)明實(shí)施例中的人臉正樣本即為包含人臉的樣本圖像，人臉負(fù)樣本即為不包含人臉的樣本圖像(例如復(fù)雜的環(huán)境背景圖像、各種物品的圖像等)；步驟S100可以搜集L個(gè)人臉正樣本和R個(gè)人臉負(fù)樣本，其中L或R可以為100至1000不等，本發(fā)明不做限制。

進(jìn)一步地，步驟S100可以包括將搜集的所有樣本的尺寸統(tǒng)一處理為預(yù)設(shè)像素尺寸大小；那么后續(xù)生成的訓(xùn)練模型為通過(guò)該預(yù)設(shè)像素尺寸大小的掃描窗口進(jìn)行人臉檢測(cè)的訓(xùn)練模型。該預(yù)設(shè)像素尺寸大小可以為24×24，或者32×32等等。

步驟S102：計(jì)算每個(gè)樣本中的每個(gè)像素與所述樣本自身的其他像素之間的像素差特征；

具體地，以預(yù)設(shè)像素尺寸大小等于24×24為例，那么計(jì)算一個(gè)樣本中的其中一個(gè)像素與所述樣本自身的其他像素之間的像素差特征，即得到該個(gè)像素與其他23個(gè)像素的像素差特征，以此類推，計(jì)算出所有24個(gè)像素各自對(duì)應(yīng)的23個(gè)像素差特征。

步驟S104：從計(jì)算出的所有像素差特征中選取一個(gè)目標(biāo)像素差特征，并設(shè)置所述目標(biāo)像素差特征對(duì)應(yīng)的點(diǎn)坐標(biāo)和像素差值作為決策樹的判斷節(jié)點(diǎn)，用于判斷區(qū)分正負(fù)樣本；

具體地，同樣以預(yù)設(shè)像素尺寸大小等于24×24為例，從計(jì)算出的所有24個(gè)像素各自對(duì)應(yīng)的23個(gè)像素差特征中，選取一個(gè)目標(biāo)像素差特征，該目標(biāo)像素差特征為具有最顯著的可以區(qū)分人臉正負(fù)樣本的像素差特征，例如選取像素差值最大的兩個(gè)像素點(diǎn)(例如第1個(gè)像素與第16個(gè)像素)作為目標(biāo)像素差特征，那么該目標(biāo)像素差特征對(duì)應(yīng)的點(diǎn)坐標(biāo)即為選取的該兩個(gè)像素點(diǎn)的坐標(biāo)(例如第1個(gè)像素的坐標(biāo)與第16個(gè)像素的坐標(biāo))，以及該兩個(gè)像素點(diǎn)的像素差值，作為決策樹的判斷節(jié)點(diǎn)。

步驟S106：將所述決策樹的判斷節(jié)點(diǎn)作為弱分類器進(jìn)行級(jí)聯(lián)；

步驟S108：迭代執(zhí)行所述從計(jì)算出的所有像素差特征中選取一個(gè)目標(biāo)像素差特征至所述將所述決策樹的判斷節(jié)點(diǎn)作為弱分類器進(jìn)行級(jí)聯(lián)的步驟，最終生成強(qiáng)分類器；

具體地，迭代執(zhí)行步驟S104至步驟S106M次，本發(fā)明實(shí)施例中的M為正整數(shù)。M的值可以根據(jù)用戶自身的需求或者根據(jù)經(jīng)驗(yàn)值來(lái)設(shè)置，本發(fā)明不做限制。本發(fā)明實(shí)施例通過(guò)結(jié)合決策樹形成強(qiáng)分類器，每一個(gè)決策樹中的判斷節(jié)點(diǎn)都包含了選取的兩個(gè)像素點(diǎn)的坐標(biāo)以及該兩個(gè)像素點(diǎn)的像素差值，以用于后續(xù)進(jìn)行人臉檢測(cè)決策分類。

步驟S110：保存所述強(qiáng)分類器中決策樹的每個(gè)判斷節(jié)點(diǎn)對(duì)應(yīng)的點(diǎn)坐標(biāo)和像素差值，以生成用于人臉檢測(cè)的訓(xùn)練模型。

實(shí)施本發(fā)明實(shí)施例，實(shí)現(xiàn)了結(jié)合決策樹形成強(qiáng)分類器進(jìn)行人臉二分類，能夠保證在同樣精度下降低人臉檢測(cè)的耗時(shí)，解決現(xiàn)有技術(shù)中為了保證精度和實(shí)時(shí)性，基于手機(jī)等嵌入式移動(dòng)通信設(shè)備人臉檢測(cè)耗時(shí)偏大的問(wèn)題，難以應(yīng)用到實(shí)際場(chǎng)景中的技術(shù)問(wèn)題，達(dá)到一個(gè)能夠保持較高精度并且實(shí)時(shí)性較高的效果，保證了能夠使用在手機(jī)等嵌入式移動(dòng)平臺(tái)中進(jìn)行較高精度的人臉檢測(cè)。

進(jìn)一步地，步驟S100中將搜集的所有樣本的尺寸統(tǒng)一處理為預(yù)設(shè)像素尺寸大小，可以包括：將搜集的所有樣本的尺寸統(tǒng)一處理為N個(gè)不同預(yù)設(shè)像素尺寸大?。辉揘為大于1的正整數(shù)；那么，對(duì)應(yīng)生成的N個(gè)所述訓(xùn)練模型中，不同的訓(xùn)練模型為不同的預(yù)設(shè)像素尺寸大小的掃描窗口進(jìn)行人臉檢測(cè)的訓(xùn)練模型。

具體地，N個(gè)不同預(yù)設(shè)像素尺寸大小分別可以為20×20、24×24、32×32、48×48、100×100、200×200等，針對(duì)每個(gè)預(yù)設(shè)像素尺寸大小，都進(jìn)行圖1實(shí)施例中的訓(xùn)練模型生成方法，生成該預(yù)設(shè)像素尺寸大小對(duì)應(yīng)的訓(xùn)練模型，那么該訓(xùn)練模型用于通過(guò)該預(yù)設(shè)像素尺寸大小的掃描窗口進(jìn)行人臉檢測(cè)。

為了便于更好地實(shí)施本發(fā)明實(shí)施例的上述方案，本發(fā)明還對(duì)應(yīng)提供了一種人臉檢測(cè)方法，下面結(jié)合圖2示出的本發(fā)明實(shí)施例提供的人臉檢測(cè)方法的流程示意圖，詳細(xì)說(shuō)明本發(fā)明如何進(jìn)行人臉檢測(cè)，包括如下步驟：

步驟S200：讀取用于人臉檢測(cè)的訓(xùn)練模型；

具體地，本發(fā)明實(shí)施例讀取的該訓(xùn)練模型為通過(guò)上述圖1實(shí)施例的訓(xùn)練模型生成方法生成的訓(xùn)練模型；這里不再贅述。

步驟S202：通過(guò)掃描窗口，根據(jù)所述訓(xùn)練模型的強(qiáng)分類器中的當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的點(diǎn)坐標(biāo)提取待檢測(cè)圖像中的像素差特征，并根據(jù)當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的像素差值判斷是否為人臉窗口，直到按照決策樹完成所需判斷節(jié)點(diǎn)的判斷。

具體地，本發(fā)明實(shí)施例對(duì)待檢測(cè)的整幅圖像進(jìn)行掃描窗口檢測(cè)，該掃描窗口的大小即為訓(xùn)練模型生成方法過(guò)程中的預(yù)設(shè)像素尺寸大小。如圖3示出的本發(fā)明實(shí)施例提供的結(jié)合決策樹的強(qiáng)分類器的原理示意圖，該強(qiáng)分類器中的每個(gè)判斷節(jié)點(diǎn)都對(duì)應(yīng)兩個(gè)像素點(diǎn)的坐標(biāo)以及該兩個(gè)像素點(diǎn)的像素差值；那么在當(dāng)判斷節(jié)點(diǎn)進(jìn)行判斷時(shí)，根據(jù)該當(dāng)前判斷節(jié)點(diǎn)的兩個(gè)像素點(diǎn)的坐標(biāo)，提取待檢測(cè)的圖像中對(duì)應(yīng)的該兩個(gè)像素點(diǎn)的坐標(biāo)上的像素特征值，并計(jì)算該兩個(gè)像素特征值的像素差值，并將計(jì)算出的像素差值與該當(dāng)前判斷節(jié)點(diǎn)的像素差值進(jìn)行比較，即該當(dāng)前判斷節(jié)點(diǎn)的像素差值可以看作一個(gè)閾值，若計(jì)算出的像素差值大于該閾值，則表明通過(guò)當(dāng)前判斷節(jié)點(diǎn)判斷出為人臉，否則表明通過(guò)當(dāng)前判斷節(jié)點(diǎn)判斷出不為人臉；當(dāng)完成了當(dāng)前判斷節(jié)點(diǎn)的判斷后，按照決策樹進(jìn)行下一判斷節(jié)點(diǎn)的判斷，直到進(jìn)行完畢所需判斷節(jié)點(diǎn)的判斷，最終得到該掃描窗口下是否檢測(cè)到人臉的檢測(cè)結(jié)果。

再進(jìn)一步地，本發(fā)明實(shí)施例中的訓(xùn)練模型可以包括多個(gè)不同的預(yù)設(shè)像素尺寸大小的掃描窗口進(jìn)行人臉檢測(cè)的訓(xùn)練模型；例如包括20×20、24×24、32×32、48×48、100×100、200×200等像素尺寸大小的掃描窗口。那么上述步驟S202具體可以包括：

通過(guò)所述多個(gè)不同預(yù)設(shè)像素尺寸大小的掃描窗口，分別根據(jù)所述訓(xùn)練模型對(duì)應(yīng)的強(qiáng)分類器中的當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的點(diǎn)坐標(biāo)提取待檢測(cè)圖像中的像素差特征，并根據(jù)當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的像素差值判斷是否為人臉窗口，直到按照決策樹完成所需判斷節(jié)點(diǎn)的判斷；并最終對(duì)多個(gè)檢測(cè)出人臉的人臉窗口進(jìn)行融合處理。

具體地，例如包括24×24、32×32、100×100的像素尺寸大小的掃描窗口，那么每個(gè)掃描窗口都分別進(jìn)行掃描檢測(cè)，得到各自的檢測(cè)結(jié)果，然后分析是否存在通過(guò)多個(gè)不同的掃描窗口檢測(cè)出同一個(gè)人臉，若存在，即可以進(jìn)行人臉窗口融合處理。

實(shí)施本發(fā)明實(shí)施例，通過(guò)獲取多個(gè)人臉正樣本和多個(gè)人臉負(fù)樣本；計(jì)算每個(gè)樣本中的每個(gè)像素與樣本自身的其他像素之間的像素差特征；從計(jì)算出的所有像素差特征中選取一個(gè)目標(biāo)像素差特征，并設(shè)置目標(biāo)像素差特征對(duì)應(yīng)的點(diǎn)坐標(biāo)和像素差值作為決策樹的判斷節(jié)點(diǎn)，用于判斷區(qū)分正負(fù)樣本；將決策樹的判斷節(jié)點(diǎn)作為弱分類器進(jìn)行級(jí)聯(lián)；迭代多次，最終生成強(qiáng)分類器；保存強(qiáng)分類器中決策樹的每個(gè)判斷節(jié)點(diǎn)對(duì)應(yīng)的點(diǎn)坐標(biāo)和像素差值，以生成用于人臉檢測(cè)的訓(xùn)練模型。實(shí)現(xiàn)了結(jié)合決策樹形成強(qiáng)分類器進(jìn)行人臉二分類，能夠保證在同樣精度下降低人臉檢測(cè)的耗時(shí)，解決現(xiàn)有技術(shù)中為了保證精度和實(shí)時(shí)性，基于手機(jī)等嵌入式移動(dòng)通信設(shè)備人臉檢測(cè)耗時(shí)偏大的問(wèn)題，難以應(yīng)用到實(shí)際場(chǎng)景中的技術(shù)問(wèn)題，達(dá)到一個(gè)能夠保持較高精度并且實(shí)時(shí)性較高的效果，保證了能夠使用在手機(jī)等嵌入式移動(dòng)平臺(tái)中進(jìn)行較高精度的人臉檢測(cè)。

為了便于更好地實(shí)施本發(fā)明實(shí)施例的上述方案，本發(fā)明還對(duì)應(yīng)提供了一種訓(xùn)練模型生成裝置，如圖4示出的本發(fā)明實(shí)施例提供的訓(xùn)練模型生成裝置的結(jié)構(gòu)示意圖，訓(xùn)練模型生成裝置40可以包括：獲取模塊400、計(jì)算模塊402、選取設(shè)置模塊404、級(jí)聯(lián)模塊406、迭代模塊408和保存模塊4010，其中，

獲取模塊400用于獲取多個(gè)人臉正樣本和多個(gè)人臉負(fù)樣本；

計(jì)算模塊402用于計(jì)算每個(gè)樣本中的每個(gè)像素與所述樣本自身的其他像素之間的像素差特征；

選取設(shè)置模塊404用于從計(jì)算出的所有像素差特征中選取一個(gè)目標(biāo)像素差特征，并設(shè)置所述目標(biāo)像素差特征對(duì)應(yīng)的點(diǎn)坐標(biāo)和像素差值作為決策樹的判斷節(jié)點(diǎn)，用于判斷區(qū)分正負(fù)樣本；

級(jí)聯(lián)模塊406用于將所述決策樹的判斷節(jié)點(diǎn)作為弱分類器進(jìn)行級(jí)聯(lián)；

迭代模塊408用于迭代執(zhí)行所述從計(jì)算出的所有像素差特征中選取一個(gè)目標(biāo)像素差特征至所述將所述決策樹的判斷節(jié)點(diǎn)作為弱分類器進(jìn)行級(jí)聯(lián)的步驟，最終生成強(qiáng)分類器；

保存模塊4010用于保存所述強(qiáng)分類器中決策樹的每個(gè)判斷節(jié)點(diǎn)對(duì)應(yīng)的點(diǎn)坐標(biāo)和像素差值，以生成用于人臉檢測(cè)的訓(xùn)練模型。

具體地，如圖5示出的本發(fā)明實(shí)施例提供的獲取模塊的結(jié)構(gòu)示意圖，獲取模塊400可以包括搜集單元4000和尺寸處理單元4002，其中，

搜集單元4000用于搜集多個(gè)人臉正樣本和多個(gè)人臉負(fù)樣本；

尺寸處理單元4002用于將搜集的所有樣本的尺寸統(tǒng)一處理為預(yù)設(shè)像素尺寸大??；

其中，生成的所述訓(xùn)練模型為通過(guò)所述預(yù)設(shè)像素尺寸大小的掃描窗口進(jìn)行人臉檢測(cè)的訓(xùn)練模型。

進(jìn)一步地，尺寸處理單元4002可以具體用于，將搜集的所有樣本的尺寸統(tǒng)一處理為N個(gè)不同預(yù)設(shè)像素尺寸大?。凰鯪為大于1的正整數(shù)；

其中，對(duì)應(yīng)生成的N個(gè)所述訓(xùn)練模型中，不同的訓(xùn)練模型為不同的預(yù)設(shè)像素尺寸大小的掃描窗口進(jìn)行人臉檢測(cè)的訓(xùn)練模型。

需要說(shuō)明的是，訓(xùn)練模型生成裝置40中各模塊的功能可對(duì)應(yīng)參考上述各方法實(shí)施例中圖1實(shí)施例的具體實(shí)現(xiàn)方式，這里不再贅述。

再進(jìn)一步地，請(qǐng)參閱圖6，圖6是本發(fā)明提供的訓(xùn)練模型生成裝置的另一實(shí)施例的結(jié)構(gòu)示意圖。其中，如圖6所示，訓(xùn)練模型生成裝置60可以包括：至少一個(gè)處理器601，例如CPU，至少一個(gè)網(wǎng)絡(luò)接口604，用戶接口603，存儲(chǔ)器605，至少一個(gè)通信總線602以及顯示屏606。其中，通信總線602用于實(shí)現(xiàn)這些組件之間的連接通信。其中，用戶接口603可以包括顯示屏、鍵盤或鼠標(biāo)等等。網(wǎng)絡(luò)接口604可選的可以包括標(biāo)準(zhǔn)的有線接口、無(wú)線接口(如WI-FI接口)。存儲(chǔ)器605可以是高速RAM存儲(chǔ)器，也可以是非不穩(wěn)定的存儲(chǔ)器(non-volatile memory)，例如至少一個(gè)磁盤存儲(chǔ)器，存儲(chǔ)器605包括本發(fā)明實(shí)施例中的flash。存儲(chǔ)器605可選的還可以是至少一個(gè)位于遠(yuǎn)離前述處理器601的存儲(chǔ)系統(tǒng)。如圖6所示，作為一種計(jì)算機(jī)存儲(chǔ)介質(zhì)的存儲(chǔ)器605中可以包括操作系統(tǒng)、網(wǎng)絡(luò)通信模塊、用戶接口模塊以及訓(xùn)練模型生成程序。

處理器601可以用于調(diào)用存儲(chǔ)器605中存儲(chǔ)的訓(xùn)練模型生成程序，并執(zhí)行以下操作：

可以通過(guò)網(wǎng)絡(luò)接口604等獲取多個(gè)人臉正樣本和多個(gè)人臉負(fù)樣本；

計(jì)算每個(gè)樣本中的每個(gè)像素與所述樣本自身的其他像素之間的像素差特征；

從計(jì)算出的所有像素差特征中選取一個(gè)目標(biāo)像素差特征，并設(shè)置所述目標(biāo)像素差特征對(duì)應(yīng)的點(diǎn)坐標(biāo)和像素差值作為決策樹的判斷節(jié)點(diǎn)，用于判斷區(qū)分正負(fù)樣本；

將所述決策樹的判斷節(jié)點(diǎn)作為弱分類器進(jìn)行級(jí)聯(lián)；

迭代執(zhí)行所述從計(jì)算出的所有像素差特征中選取一個(gè)目標(biāo)像素差特征至所述將所述決策樹的判斷節(jié)點(diǎn)作為弱分類器進(jìn)行級(jí)聯(lián)的步驟，最終生成強(qiáng)分類器；

保存所述強(qiáng)分類器中決策樹的每個(gè)判斷節(jié)點(diǎn)對(duì)應(yīng)的點(diǎn)坐標(biāo)和像素差值，以生成用于人臉檢測(cè)的訓(xùn)練模型。

具體地，處理器601獲取多個(gè)人臉正樣本和多個(gè)人臉負(fù)樣本，可以包括：

搜集多個(gè)人臉正樣本和多個(gè)人臉負(fù)樣本；

將搜集的所有樣本的尺寸統(tǒng)一處理為預(yù)設(shè)像素尺寸大??；

其中，生成的所述訓(xùn)練模型為通過(guò)所述預(yù)設(shè)像素尺寸大小的掃描窗口進(jìn)行人臉檢測(cè)的訓(xùn)練模型。

具體地，處理器601將搜集的所有樣本的尺寸統(tǒng)一處理為預(yù)設(shè)像素尺寸大小，可以包括：將搜集的所有樣本的尺寸統(tǒng)一處理為N個(gè)不同預(yù)設(shè)像素尺寸大??；所述N為大于1的正整數(shù)；

其中，對(duì)應(yīng)生成的N個(gè)所述訓(xùn)練模型中，不同的訓(xùn)練模型為不同的預(yù)設(shè)像素尺寸大小的掃描窗口進(jìn)行人臉檢測(cè)的訓(xùn)練模型。

實(shí)施本發(fā)明實(shí)施例，實(shí)現(xiàn)了結(jié)合決策樹形成強(qiáng)分類器進(jìn)行人臉二分類，能夠保證在同樣精度下降低人臉檢測(cè)的耗時(shí)，解決現(xiàn)有技術(shù)中為了保證精度和實(shí)時(shí)性，基于手機(jī)等嵌入式移動(dòng)通信設(shè)備人臉檢測(cè)耗時(shí)偏大的問(wèn)題，難以應(yīng)用到實(shí)際場(chǎng)景中的技術(shù)問(wèn)題，達(dá)到一個(gè)能夠保持較高精度并且實(shí)時(shí)性較高的效果，保證了能夠使用在手機(jī)等嵌入式移動(dòng)平臺(tái)中進(jìn)行較高精度的人臉檢測(cè)。

為了便于更好地實(shí)施本發(fā)明實(shí)施例的上述方案，本發(fā)明還對(duì)應(yīng)提供了一種人臉檢測(cè)裝置，如圖7示出的本發(fā)明實(shí)施例提供的人臉檢測(cè)裝置的結(jié)構(gòu)示意圖，人臉檢測(cè)裝置70可以包括：讀取模塊700、提取模塊702和判斷模塊704，其中，

讀取模塊700用于讀取用于人臉檢測(cè)的訓(xùn)練模型；其中讀取模塊700讀取的該訓(xùn)練模型為通過(guò)上述圖1實(shí)施例的訓(xùn)練模型生成方法生成的訓(xùn)練模型；這里不再贅述。

提取模塊702用于通過(guò)掃描窗口，根據(jù)所述訓(xùn)練模型的強(qiáng)分類器中的當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的點(diǎn)坐標(biāo)提取待檢測(cè)圖像中的像素差特征；

判斷模塊704用于根據(jù)當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的像素差值判斷是否為人臉窗口，直到按照決策樹完成所需判斷節(jié)點(diǎn)的判斷。

具體地，本發(fā)明實(shí)施例中的訓(xùn)練模型包括多個(gè)不同的預(yù)設(shè)像素尺寸大小的掃描窗口進(jìn)行人臉檢測(cè)的訓(xùn)練模型；如圖8示出的本發(fā)明提供的人臉檢測(cè)裝置的另一實(shí)施例的結(jié)構(gòu)示意圖，人臉檢測(cè)裝置70包括讀取模塊700、提取模塊702和判斷模塊704外，還可以包括融合模塊706，其中，

提取模塊702可以具體用于，通過(guò)所述多個(gè)不同預(yù)設(shè)像素尺寸大小的掃描窗口，分別根據(jù)所述訓(xùn)練模型對(duì)應(yīng)的強(qiáng)分類器中的當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的點(diǎn)坐標(biāo)提取待檢測(cè)圖像中的像素差特征；

判斷模塊704可以具體用于，根據(jù)當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的像素差值判斷是否為人臉窗口，直到按照決策樹完成所需判斷節(jié)點(diǎn)的判斷；

融合模塊706，用于對(duì)多個(gè)檢測(cè)出人臉的人臉窗口進(jìn)行融合處理。

再進(jìn)一步地，判斷模塊704可以包括差值檢測(cè)單元，用于檢測(cè)提取的所述像素差特征的值是否大于當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的像素差值；

若檢測(cè)為是，則判斷出為人臉窗口；若檢測(cè)為否，則判斷出不為人臉窗口。

需要說(shuō)明的是，人臉檢測(cè)裝置70中各模塊的功能可對(duì)應(yīng)參考上述各方法實(shí)施例中圖2至圖3實(shí)施例的具體實(shí)現(xiàn)方式，這里不再贅述。

再進(jìn)一步地，請(qǐng)參閱圖9，圖9是本發(fā)明提供的人臉檢測(cè)裝置的另一實(shí)施例的結(jié)構(gòu)示意圖。其中，如圖9所示，人臉檢測(cè)裝置90可以包括：至少一個(gè)處理器901，例如CPU，至少一個(gè)網(wǎng)絡(luò)接口904，用戶接口903，存儲(chǔ)器905，至少一個(gè)通信總線902以及顯示屏906。其中，通信總線902用于實(shí)現(xiàn)這些組件之間的連接通信。其中，用戶接口903可以包括顯示屏、鍵盤或鼠標(biāo)等等。網(wǎng)絡(luò)接口904可選的可以包括標(biāo)準(zhǔn)的有線接口、無(wú)線接口(如WI-FI接口)。存儲(chǔ)器905可以是高速RAM存儲(chǔ)器，也可以是非不穩(wěn)定的存儲(chǔ)器(non-volatile memory)，例如至少一個(gè)磁盤存儲(chǔ)器，存儲(chǔ)器905包括本發(fā)明實(shí)施例中的flash。存儲(chǔ)器905可選的還可以是至少一個(gè)位于遠(yuǎn)離前述處理器901的存儲(chǔ)系統(tǒng)。如圖9所示，作為一種計(jì)算機(jī)存儲(chǔ)介質(zhì)的存儲(chǔ)器905中可以包括操作系統(tǒng)、網(wǎng)絡(luò)通信模塊、用戶接口模塊以及人臉檢測(cè)程序。

處理器901可以用于調(diào)用存儲(chǔ)器905中存儲(chǔ)的人臉檢測(cè)程序，并執(zhí)行以下操作：

讀取用于人臉檢測(cè)的訓(xùn)練模型；

通過(guò)掃描窗口，根據(jù)所述訓(xùn)練模型的強(qiáng)分類器中的當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的點(diǎn)坐標(biāo)提取待檢測(cè)圖像中的像素差特征，并根據(jù)當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的像素差值判斷是否為人臉窗口，直到按照決策樹完成所需判斷節(jié)點(diǎn)的判斷。

具體地，所述訓(xùn)練模型包括多個(gè)不同的預(yù)設(shè)像素尺寸大小的掃描窗口進(jìn)行人臉檢測(cè)的訓(xùn)練模型；

處理器901通過(guò)掃描窗口，根據(jù)所述訓(xùn)練模型的強(qiáng)分類器中的當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的點(diǎn)坐標(biāo)提取待檢測(cè)圖像中的像素差特征，并根據(jù)當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的像素差值判斷是否為人臉窗口，直到按照決策樹完成所需判斷節(jié)點(diǎn)的判斷，可以包括：

通過(guò)所述多個(gè)不同預(yù)設(shè)像素尺寸大小的掃描窗口，分別根據(jù)所述訓(xùn)練模型對(duì)應(yīng)的強(qiáng)分類器中的當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的點(diǎn)坐標(biāo)提取待檢測(cè)圖像中的像素差特征，并根據(jù)當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的像素差值判斷是否為人臉窗口，直到按照決策樹完成所需判斷節(jié)點(diǎn)的判斷；

對(duì)多個(gè)檢測(cè)出人臉的人臉窗口進(jìn)行融合處理。

具體地，處理器901根據(jù)當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的像素差值判斷是否為人臉窗口，可以包括：

檢測(cè)提取的所述像素差特征的值是否大于當(dāng)前判斷節(jié)點(diǎn)對(duì)應(yīng)的像素差值；

若檢測(cè)為是，則判斷出為人臉窗口；若檢測(cè)為否，則判斷出不為人臉窗口。

綜上所述，實(shí)施本發(fā)明實(shí)施例，通過(guò)獲取多個(gè)人臉正樣本和多個(gè)人臉負(fù)樣本；計(jì)算每個(gè)樣本中的每個(gè)像素與樣本自身的其他像素之間的像素差特征；從計(jì)算出的所有像素差特征中選取一個(gè)目標(biāo)像素差特征，并設(shè)置目標(biāo)像素差特征對(duì)應(yīng)的點(diǎn)坐標(biāo)和像素差值作為決策樹的判斷節(jié)點(diǎn)，用于判斷區(qū)分正負(fù)樣本；將決策樹的判斷節(jié)點(diǎn)作為弱分類器進(jìn)行級(jí)聯(lián)；迭代多次，最終生成強(qiáng)分類器；保存強(qiáng)分類器中決策樹的每個(gè)判斷節(jié)點(diǎn)對(duì)應(yīng)的點(diǎn)坐標(biāo)和像素差值，以生成用于人臉檢測(cè)的訓(xùn)練模型。實(shí)現(xiàn)了結(jié)合決策樹形成強(qiáng)分類器進(jìn)行人臉二分類，能夠保證在同樣精度下降低人臉檢測(cè)的耗時(shí)，解決現(xiàn)有技術(shù)中為了保證精度和實(shí)時(shí)性，基于手機(jī)等嵌入式移動(dòng)通信設(shè)備人臉檢測(cè)耗時(shí)偏大的問(wèn)題，難以應(yīng)用到實(shí)際場(chǎng)景中的技術(shù)問(wèn)題，達(dá)到一個(gè)能夠保持較高精度并且實(shí)時(shí)性較高的效果，保證了能夠使用在手機(jī)等嵌入式移動(dòng)平臺(tái)中進(jìn)行較高精度的人臉檢測(cè)。

本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分流程，是可以通過(guò)計(jì)算機(jī)程序來(lái)指令相關(guān)的硬件來(lái)完成，所述的程序可存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，該程序在執(zhí)行時(shí)，可包括如上述各方法的實(shí)施例的流程。其中，所述的存儲(chǔ)介質(zhì)可為磁碟、光盤、只讀存儲(chǔ)記憶體(Read-Only Memory，ROM)或隨機(jī)存儲(chǔ)記憶體(Random Access Memory，RAM)等。

以上所揭露的僅為本發(fā)明較佳實(shí)施例而已，當(dāng)然不能以此來(lái)限定本發(fā)明之權(quán)利范圍，因此依本發(fā)明權(quán)利要求所作的等同變化，仍屬本發(fā)明所涵蓋的范圍。