上角的橫、縱坐標，xjPy 右下角的橫、 縱坐標；
[0060] 滿足式（9)條件的人臉區(qū)域FaceROPm則為待特效人臉區(qū)域， mlG[1,2,...,Num_FaceROI']，記為FaceR0I_Mf，:f= 1，2,? ??，Num_f，Num_f為步驟 2. 1) 中模板圖像幀的個數(shù)，
[0061] 不滿足式（9)條件的人臉區(qū)域FaceROI'm為非特效人臉區(qū)域；
[0062] 2. 2. 5)提取完整的待特效人臉區(qū)域
[0063] 遍歷步驟2. 2. 4)中確定的Num_f幀模板圖像幀中待特效人臉區(qū)域FaceR0I_Mf，記 Xuuf和yu?f分別為FaceR0I_Mf區(qū)域左上角的橫、縱坐標，xRMf和yRMf分別為右下角的橫、縱坐 標，并找出其中最大的待特效人臉區(qū)域，記其左上角的坐標為0^_，^_)，右下角的坐標為 (XRniax，yRmax) ^
[0064] 判斷FaceR0I_Mf的面積是否滿足下式（10)中的條件：
[0065]
[0066] 滿足式（10)時，完整的待特效人臉區(qū)域FaceROI_MFf的左上角坐標（x_ytMf)和 右下角坐標（xRMf，yRMF)由下式（11)計算得出：
[0067]
[0068] 否則，不滿足式（10)時，F(xiàn)aceR0I_Mf區(qū)域即為完整的待特效人臉區(qū)域FaceR0I_ MFf，其左上角和右下角的橫縱坐標保持不變；
[0069] 2. 2. 6)提取待特效人臉的模板特征
[0070] 把步驟2. 2. 5)中提取的完整的待特效人臉區(qū)域FaceROI_MFf平均分成4X4個小 塊，對每一個小塊進行LBP濾波得到每一個小塊的特征值，把這16個小塊的特征值串聯(lián)起 來作為完整的待特效人臉區(qū)域的特征，即為待特效人臉的模板特征；
[0071] 步驟3 :以鏡頭為單位，計算鏡頭里每一幀上所檢測到的每個人臉區(qū)域的人臉特 征并按人臉區(qū)域的位置對每個人進行分類
[0072]對視頻鏡頭k中的每一幀圖像用步驟2. 2. 1)中的方法進行人臉初檢測，用步驟 2. 2. 2)中的方法排除非人臉區(qū)域，用步驟2. 2. 3)中的方法合并重復檢測到的人臉區(qū)域，用 步驟2. 2. 6)中的方法提取每一幀上所檢測到的每個人臉區(qū)域的人臉特征
[0073] (這一段重復前面步驟是因為，在步驟2中僅對Num_f< 8幀進行處理，目的是找 到待特效人臉的模板特征，這里是對所有視頻幀，幀數(shù)為步驟1)中的NumFrame進行所有人 臉（待特效人臉及非特效人臉如主持人等）檢測及人臉特征提取處理），
[0074] 計算鏡頭k中第N幀圖像上提取的第jl個人臉區(qū)域的人臉特征與Num_f個待特 效人臉模板特征的歐氏距離的平均值為Disav& "N，參照下式（12):
[0075]
[0076] 其中，diSk，n，N(f)為鏡頭k中第N幀圖像上提取的第jl個人臉區(qū)域的人臉特 征與第f個待特效人臉模板特征的歐氏距離，f= 1，2,. . .，Num_f，jl= 1，2,. . .，Num_ FaceROI'k，Num_FaCeR0I'k為鏡頭k中每一幀圖像上合并重復人臉區(qū)域后人臉區(qū)域的個 數(shù)，k= 1，2, ? ? ?，SiotNum，N=NBk，NBk+l，? ? ?，NEk，
[0077] 在鏡頭k的起始幀數(shù)NBk和結束幀數(shù)NEk中遍歷，記鏡頭k中第N幀第jl個人臉區(qū) 域的左上角的坐標為jliN，\jliN)，人臉區(qū)域的寬度為\jliN，第N+1幀第jl'個人臉區(qū)域 的左上角的坐標為（Xhjr ,N+1)，
[0078] 判斷Xk,n,，Xk, jl( ,N+1是否滿足下式（13)中的條件：
[0079]
[0080] 滿足式（13)時，則第N幀中的第jl個人臉區(qū)域和第N+1幀中的第jl'個人臉區(qū) 域表示的是鏡頭k中的同一個人，將jl的DisavgwjPIjl'的Disavgk,_n, ,N+1存放在數(shù)組Sortki_n*，即數(shù)組Sort 存放的是鏡頭k中每一幀的同一個人的人臉特征與Num_f個 待特效人臉模板特征的歐氏距離的平均值，
[0081] 不滿足式（13)時，則第N幀中的第jl個人臉區(qū)域和第N+1幀中的第jl'個人臉 區(qū)域表示的不是鏡頭k中的同一個人，
[0082] 其中，DiSaVgk，n，N為鏡頭k中第N幀圖像上提取的第jl個人臉區(qū)域的人臉特征與 Num_f個待特效人臉模板特征的歐氏距離的平均值，Disavgkn+1為鏡頭k中第N+1幀圖 像上提取的第jl'個人臉區(qū)域的人臉特征與Num_f個待特效人臉模板特征的歐氏距離的 平均值；
[0083] 步驟4 :確定待特效人臉的分類閾值
[0084] 4.1)鏡頭內(nèi)的合并
[0085] 判斷鏡頭k中的Num_FaceR0I'k是否滿足下式（14)中的條件：
[0086] Num_FaceR0I' k> 1， (14)
[0087] Num_FaceR0I'k為鏡頭k中每一幀圖像上合并重復人臉區(qū)域后人臉區(qū)域的個數(shù)，
[0088] 不滿足式（14)時，則jl= 1，jl= 1，2,…，Num_FaceR0I' k，數(shù)組Sortk, n即為 數(shù)組Sortk,.jl= 1，
[0089] 在滿足式（14)的鏡頭k中遍歷數(shù)組Sortk,n，找出數(shù)組Sortk,n中的最大值SMaxk,n 和最小值SMinkijl，判斷SMaxkijJPSMaxkijl+1是否滿足下式（15)中的條件：
[0090] |SMaxk，n-SMaxk，jl+1| <T， (15)
[0091] 其中，jl= 1，2, ? ? ?，Num_FaceR0I'k，k= 1，2, ? ? ?，ShotNum，T為SMaxk, ;1和 SMinkijl差值的最大值的三分之一，參照下式（16):
[0092]
[0093] 滿足式（15)時，將數(shù)組Sortk,n與數(shù)組Sortk,jl+1添加到數(shù)組SortHe沖，數(shù)組 SortHek的初始狀態(tài)為空；
[0094] 不滿足式（15)時，將SMaxk,#與SMaxk, jl+1中的較大者所在的數(shù)組添加到數(shù)組 SortHek*，數(shù)組SortHe^勺初始狀態(tài)為空，將SMax^與SMaxjl+1中的較小者所在的數(shù)組添 加到數(shù)組Sort0wnk*，數(shù)組SortOwnk的初始狀態(tài)為空；
[0095] 4.2)鏡頭間的合并
[0096] 如果鏡頭k中的Num_FaceR0I'斤滿足式（14)時，將步驟4. 1)中的數(shù)組Sortk,n =丨拷貝到數(shù)組SSortkl中，找出數(shù)組SSortkl中的最大值MaxkJP最小值Minkl，將數(shù)組SortHek 拷貝到數(shù)組SSortHek#，找出數(shù)組SSortHe卩2的最大值MaxHe卩2和最小值MinHek2，將數(shù) 組Sort0wnk拷貝到數(shù)組SSortOwn以中，其中，kl= 1，2, ? ? ?，kl'，k2 = 1，2, ? ? ?，k2 '， k3Gk2,klr +k2r =ShotNum，
[0097] 判斷數(shù)組SSortkl中的最大值Maxkl和數(shù)組SSortHek2 =丨中的最小值MinHek2 =:是 否滿足下式（17)中的條件：
[0098] |MinHek2 = 1_Maxkl| <T1， (17)
[0099] I由.T1為差佶的晶女佶的一分少二.參眧下式（18):
[0100]
[0101] 滿足式（17)時，將數(shù)組SSortkl添加到數(shù)組SSortHek2 = 1*，找出數(shù)組SSortHek2* 的最大值為FMaxk2，最小值為FMink2，數(shù)組55〇竹0?11153保持不變，記數(shù)組SSortOwnk3的最大 值為TMaxk3，最小值為TMink3;
[0102] 不滿足式（17)時，將數(shù)組SSortkl添加到數(shù)組SSortOwnk3 =沖，找出數(shù)組 SSort0wnk3中的最大值為TMaxk3，最小值為TMink3，數(shù)組55〇竹1^2保持不變，記數(shù)組 SSortHek2中的最大值為FMaxk2，最小值為FMink2;
[0103] 把數(shù)組SSortHek2添加到數(shù)組SSortHek2 =丨中，k2 = 1，2, ? ? ?，k2 '，找出數(shù)組 SSortHek2 =丨中最大值為FMax，最小值為FMin，把數(shù)組SSortOwnk3添加到數(shù)組SSortOwnk3 = i中，k3Gk2,找出數(shù)組SSort0wnk3 = 1中的最大值為TMax，最小值為TMin;
[0104] 如果鏡頭k中的Num_FaceR0I'k滿足式（14)中的條件時，把數(shù)組SortHe源 加到數(shù)組SortHe