用基于深度的跟蹤來生成和更新數(shù)據(jù)庫的自學習面部識別

背景技術：
已經(jīng)研究了許多年根據(jù)圖像中描繪的人的面部的外貌來識別這些人的問題。面部識別系統(tǒng)和處理本質(zhì)上通過將人面部的某種類型的模型與從輸入圖像中提取的人面部的圖像或特性表征進行比較來工作。通常通過使用人面部的圖像(或其特性表征)訓練面部識別系統(tǒng)來獲得這些面部模型。因此，通常需要訓練面部圖像或特性表征的數(shù)據(jù)庫來訓練面部識別系統(tǒng)。

技術實現(xiàn)要素：
這里描述的面部識別訓練數(shù)據(jù)庫生成技術實施例一般涉及收集隨著時間推移并且隨著人移動通過環(huán)境而捕獲的人面部的特性表征，以創(chuàng)建該人的面部特性表征的訓練數(shù)據(jù)庫。在一個實施例中，采用計算機實現(xiàn)處理來為在環(huán)境中檢測到的每個人生成面部識別訓練數(shù)據(jù)庫。處理開始于輸入同時捕獲的幀對的序列。每個幀對包括從彩色攝像機輸出的幀和從深度攝像機輸出的幀。接下來，使用面部檢測方法和彩色攝像機幀來檢測環(huán)境中潛在的人。另外，使用運動檢測方法和深度攝像機幀來檢測環(huán)境中潛在的人。使用經(jīng)由前述面部檢測方法和運動檢測方法生成的檢測結果來確定環(huán)境中一個或多個人的位置。經(jīng)由面部檢測方法生成的檢測結果還包括針對所檢測到的每個潛在的人的、描繪該人的面部的彩色攝像機幀的部分的面部特性表征。對于僅經(jīng)由運動檢測方法檢測到的每個人，處理還包括辨別該人在彩色攝像機的同時捕獲的幀中的相應位置以及生成彩色攝像機幀的該部分的面部特性表征。對于在環(huán)境中檢測到的每個人，將為該人生成的每個面部特性表征分配給專門為該人建立的未知個人標識符，并且將該面部特性表征存儲在與用來實現(xiàn)處理的計算機相關聯(lián)的存儲器中。然后嘗試確認每個人的身份。如果對于人的嘗試成功，則將被分配給為該人建立的未知個人標識符的每個面部特性表征重分配給為該人建立的面部識別訓練數(shù)據(jù)庫。應該注意，提供上述發(fā)明內(nèi)容來以簡化形式介紹概念選集，下面在具體實施方式中進一步描述該概念選集。本發(fā)明內(nèi)容不意圖確定所要求保護的主題內(nèi)容的關鍵特征或本質(zhì)特征，其也不意圖用作輔助確定所要求保護的主題內(nèi)容的范圍。附圖說明本公開的具體特征、方面以及優(yōu)點將關于以下描述、所附權利要求以及附圖而變得更好理解，其中，在附圖中：圖1A-1B是一般性地概述如下計算機實現(xiàn)處理的一個實施例的流程圖：該計算機實現(xiàn)處理用于為在環(huán)境中檢測到的每個人生成面部識別訓練數(shù)據(jù)庫。圖2A-2E是一般性地概述如下計算機實現(xiàn)處理的一個實施例的流程圖：該計算機實現(xiàn)處理用于基于同時捕獲的幀對的新序列，為在環(huán)境中檢測到的每個人生成或補充面部識別訓練數(shù)據(jù)庫。圖3是概述如下計算機實現(xiàn)處理的一個實施例的流程圖：該計算機實現(xiàn)處理用于每當多于嘗試辨別人的規(guī)定嘗試次數(shù)仍未辨別該人時，丟棄被分配給未知個人標識符的面部特性表征。圖4是概述如下計算機實現(xiàn)處理的一個實施例的流程圖：該計算機實現(xiàn)處理用于捕獲位于環(huán)境中距彩色攝像機超過規(guī)定最大距離的距離處的人的放大圖像。圖5A-5C是一般性地概述如下計算機實現(xiàn)處理的一個實施例的流程圖：該計算機實現(xiàn)處理用于基于由從不同視點捕獲場景的另外的彩色攝像機和深度攝像機對輸出的同時捕獲的幀對的序列，為在環(huán)境中檢測到的每個人生成或補充面部識別訓練數(shù)據(jù)庫。圖6A-6F是一般性地概述如下計算機實現(xiàn)處理的一個實施例的流程圖：該計算機實現(xiàn)處理用于基于由捕獲環(huán)境內(nèi)的不同場景的另外的彩色攝像機和深度攝像機對輸出的同時捕獲的幀對的序列，為在環(huán)境中檢測到的每個人生成或補充面部識別訓練數(shù)據(jù)庫。圖7A-7D是一般性地概述用于這里描述的面部識別訓練數(shù)據(jù)庫生成技術實施例的計算機實現(xiàn)運動檢測處理的一個實施例的流程圖。圖8是在其中可以實現(xiàn)這里描述的面部識別訓練數(shù)據(jù)庫生成技術實施例的適當移動機器人裝置的簡化部件圖。圖9是描繪構成用于實現(xiàn)這里描述的面部識別訓練數(shù)據(jù)庫生成技術實施例的示例性系統(tǒng)的通用計算裝置的圖。具體實施方式在面部識別訓練數(shù)據(jù)庫生成技術實施例的以下描述中，參照構成該描述的一部分的附圖，并且在附圖中作為例示示出了可實踐本技術的特定實施例。要理解的是，可以利用其他實施例并且可以在不脫離本技術的范圍的情況下進行結構改變。還要注意的是，特定術語將用于描述本發(fā)明以用于清楚目的，并且其不意圖將本發(fā)明限制于所選擇的特定術語。此外，還要理解的是，每個特定術語包括以寬泛類似的方式工作以實現(xiàn)類似目的的其全部技術等價物。這里對“一個實施例”或“實施例”的引用意味著結合實施例描述的特定特征、結構、或特性可以包括在本發(fā)明的至少一個實施例中。說明書中各個地方出現(xiàn)的短語“在一個實施例中”不一定全部指同一實施例，也不是與其他實施例相互排斥的獨立或替選實施例。此外，表示本發(fā)明的一個或多個實施例的處理流程的順序不固有地指示任意特定順序或暗示本發(fā)明的任何限制。1.0用于面部識別系統(tǒng)的訓練數(shù)據(jù)庫生成這里描述的面部識別訓練數(shù)據(jù)庫生成技術實施例一般涉及收集隨著時間推移并且隨著人移動通過環(huán)境而捕獲的該人的面部的特性表征，以創(chuàng)建該人的面部特性表征的訓練數(shù)據(jù)庫。當隨著時間推移捕獲面部特性表征時，面部特性表征將表示從不同角度和距離、不同分辨率、以及在不同環(huán)境狀況(例如，照明和模糊狀況)下觀看的人面部。此外，在周期性地收集人的面部特性表征的較長時段內(nèi)，這些特性表征可以表示人的外貌的演變。例如，人可能體重增加或體重減少；長出或去除面部毛發(fā)；改變發(fā)型；戴不同帽子等等。因此，可以甚至在訓練開始之前建立并填充所得到的訓練數(shù)據(jù)庫，并且隨時間推移對該訓練數(shù)據(jù)庫進行添加以捕獲人的面部姿態(tài)和外貌的上述變化。這產(chǎn)生用于面部識別系統(tǒng)的豐富訓練資源。另外，由于人面部識別訓練數(shù)據(jù)庫可以在面部識別系統(tǒng)需要它之前被建立，因此一旦數(shù)據(jù)庫被采用，則訓練將較快。此外，這里描述的面部識別訓練數(shù)據(jù)庫生成技術實施例可以為在環(huán)境中找到的多個人生成訓練數(shù)據(jù)庫。另外，可以以增加的面部變化更新現(xiàn)有數(shù)據(jù)庫。這允許逐漸地捕獲人面部變化，從而足以允許即使在人的特征在一時段內(nèi)大大改變時也能識別該人。例如，如果人正長出胡須，則他們的面部特征將緩慢變化。然而，由于每天變化足夠小，因此具有部分胡須的新面部可以被添加到數(shù)據(jù)庫。這樣，當人的胡須完全長出時，即使沒有使用該面部進行手動訓練，他也依然可以被識別。同樣原理適用于由于年齡、體重等而導致的任何逐漸變化。要注意的是，如貫穿本公開使用的術語“環(huán)境”應該被寬泛地解釋為人的任意外部周圍。這包括室內(nèi)設置、室外設置、或這兩者的組合。1.1用于生成面部識別訓練數(shù)據(jù)庫的處理參照圖1A-1B，呈現(xiàn)了用于為被檢測為位于環(huán)境中的每個人生成面部識別訓練數(shù)據(jù)庫的計算機實現(xiàn)處理的一個實施例。處理開始于輸入同時捕獲的幀對的序列(處理動作100)。每個幀對包括從彩色攝像機輸出的幀和從深度攝像機輸出的幀。攝像機被同步為使得每個攝像機同時捕獲場景的圖像。因此，每次捕獲場景時，產(chǎn)生同時的一對彩色幀和深度幀。接下來，使用面部檢測方法和彩色攝像機幀來檢測環(huán)境中潛在的人(處理動作102)。要注意的是，可以采取采用彩色視頻幀的任何適當面部檢測方法來完成前述任務。另外，使用運動檢測方法和深度攝像機幀來檢測環(huán)境中潛在的人(處理動作104)。要注意的是，可以采取采用深度視頻幀的任何適當運動檢測方法來完成前述任務。在一個實現(xiàn)(如圖1A所示)中，幾乎同時完成處理動作102和104。使用經(jīng)由前述面部檢測方法和運動檢測方法生成的檢測結果來確定環(huán)境中一個或多個人的位置(處理動作106)。經(jīng)由面部檢測方法生成的檢測結果還包括針對所檢測到的每個潛在的人的、描繪該人的面部的彩色攝像機幀的部分的面部特性表征。面部特性表征的類型特定于所采用的特定面部檢測方法，并且與將使用所生成的訓練數(shù)據(jù)庫的前述面部識別系統(tǒng)兼容。接下來辨別僅經(jīng)由運動檢測方法檢測到的每個人(處理動作108)，并且在彩色攝像機的同時捕獲的幀中查找每個所辨別的人的相應位置(處理動作110)。另外，為每個所辨別的人生成彩色攝像機幀的該部分的面部特性表征(處理動作112)。處理繼續(xù)到選擇在環(huán)境中檢測到的人中的先前未選擇的人(處理動作114)。將為所選人生成的每個面部特性表征分配給專門為該人建立的未知個人標識符(處理動作116)，并且將該面部特性表征存儲在與用來實現(xiàn)處理的計算機相關聯(lián)的存儲器中(處理動作118)。前述計算機可以例如是在本公開的示例性操作環(huán)境部分中描述的計算機之一。要指出的是，到過程中的該點，已將面部特性表征分配給未知個人標識符。以此方式，即使所檢測到的人的身份仍未知，面部特性表征也正被創(chuàng)建和保存。因此，如果最終建立所檢測到的人的身份，則所保存的面部特性表征可以被重分配給為該人建立的面部識別訓練數(shù)據(jù)庫。為此，處理繼續(xù)到嘗試確認人的身份(處理動作120)。使用任意適當?shù)膫鹘y(tǒng)方法(包括邀請未知的人與計算機交互以提供辨別信息)來完成該辨別動作。接下來確定嘗試是否成功(處理動作122)。如果嘗試成功，則將被分配給為所選人建立的未知個人標識符的每個面部特性表征重分配給為該人建立的面部識別訓練數(shù)據(jù)庫(處理動作124)。與處理動作120的嘗試是否成功無關，接下來確定是否已選擇所有所檢測到的人(處理動作126)。如果不是，則重復處理動作114到126，直到已選擇并考慮了所有所檢測到的人為止。在該點處理結束。1.2相繼捕獲的幀對序列為了防止在相繼捕獲的幀對的序列中檢測到的人與新的未知個人標識符相關聯(lián)的情形，即使這樣的標識符先前被發(fā)布給該同一人，也跟蹤前述處理中檢測到的每個人的位置。可以采用任何適當?shù)膫鹘y(tǒng)跟蹤方法用于此目的。因此，在分析未來的幀對序列時，將已知所檢測到的人先前被檢測到并且與未知個人指示符或面部識別訓練數(shù)據(jù)庫相關聯(lián)。以此方式，為人創(chuàng)建的面部特性表征可以被分配給適當?shù)募?，并且不需要建立新的未知個人標識符。在給定前述的情況下，關于將如何處理在相繼捕獲的幀對序列中檢測到的人存在多種可能性。例如，如果所檢測到的人先前被檢測到并且已被跟蹤，則根據(jù)新序列創(chuàng)建的任何面部特性表征將在先前未辨別該人的情況下被分配給該人的現(xiàn)有未知個人標識符，或者在該人先前已被辨別的情況下被分配給該人的面部識別訓練數(shù)據(jù)庫。另一方面，如果所檢測到的人對于場景是新的，則未知個人標識符將被創(chuàng)建并且被分配給所產(chǎn)生的面部特性表征。另外，每當面部特性表征被分配給未知個人指示符(無論現(xiàn)有的還是新的個人指示符)時，都將嘗試辨別人。更具體地，參照圖2A-2E，在一個實施例中，當同時捕獲的幀對的新序列變得可用時，輸入該新序列(處理動作200)。然后，使用新的幀對序列來執(zhí)行圖1中的處理動作102到112。處理然后繼續(xù)到選擇使用新的幀對序列而在環(huán)境中檢測到的人之一(處理動作202)。然后，確定所選人是否對應于先前使用新序列之前的同時捕獲的幀對的序列確定了其位置的人(處理動作204)。如先前所指示的，在一個實施例中，這通過隨著時間推移跟蹤先前所檢測到的人的位置來完成。如果確定人對應于這樣先前檢測到的人，則接下來確定先前是否確認了該人的身份(處理動作206)。如果先前確認了該人的身份，則選擇根據(jù)同時捕獲的幀對的新序列為該人生成的面部特性表征中的先前未選擇的面部特性表征(處理動作208)。要注意的是，如先前所述的那樣生成面部特性表征。確定所選面部特性表征是否與被分配給為該人建立的面部識別訓練數(shù)據(jù)庫的每個面部特性表征相差規(guī)定程度(處理動作210)。如果相差規(guī)定程度，則將所選面部特性表征分配給為所選人建立的面部識別訓練數(shù)據(jù)庫(處理動作212)，并且將所選面部特性表征存儲在與計算機相關聯(lián)的存儲器中(處理動作214)。否則，丟棄所選面部特性表征(處理動作216)。在任何情形下，然后確定是否已選擇了根據(jù)新幀對序列為所選人創(chuàng)建的所有面部特性表征(處理動作218)。如果不是，則重復處理動作208到218，直到已選擇并考慮了所有面部特性表征為止。然而，如果在處理動作206中確定先前未確認所選人的身份，則選擇根據(jù)同時捕獲的幀對的新序列為該人生成的面部特性表征中的先前未選擇的面部特性表征(處理動作220)。然后確定所選面部特性表征是否與被分配給為該人建立的未知個人標識符的每個面部特性表征相差規(guī)定程度(處理動作222)。如果相差規(guī)定程度，則將所選面部特性表征分配給為所選人建立的未知個人標識符(處理動作224)，并且將所選面部特性表征存儲在與計算機相關聯(lián)的存儲器中(處理動作226)。否則，丟棄所選面部特性表征(處理動作228)。在任何情形下，然后確定是否已選擇了根據(jù)新幀對序列為所選人創(chuàng)建的所有面部特性表征(處理動作230)。如果不是，則重復處理動作220到230，直到已選擇并考慮了所有面部特性表征為止。處理然后繼續(xù)到嘗試確認人的身份(處理動作232)。如之前，使用任意適當?shù)膫鹘y(tǒng)方法(包括邀請未知人與計算機交互以提供辨別信息)來完成辨別動作。接下來確定嘗試是否成功(處理動作234)。如果嘗試成功，則將被分配給為所選人建立的未知個人標識符的每個面部特性表征重分配給為該人建立的面部識別訓練數(shù)據(jù)庫(處理動作236)。還存在如下可能性：所選人對于環(huán)境是新的或者在過去未被檢測到。為此，如果在處理動作204中確定所選人不對應于先前使用所述新序列之前的同時捕獲的幀對的序列確定了其位置的人，則將為所選人生成的每個面部特性表征分配給專門為該人建立的未知個人標識符(處理動作238)，并且將該面部特性表征存儲在與用來實現(xiàn)處理的計算機相關聯(lián)的存儲器中(處理動作240)。接下來，嘗試確認人的身份(處理動作242)。然后確定嘗試是否成功(處理動作244)。如果嘗試成功，則將被分配給為所選人建立的未知個人標識符的每個面部特性表征重分配給為該人建立的面部識別訓練數(shù)據(jù)庫(處理動作246)。一旦如上概述地考慮了當前所選人，則確定是否已選擇了使用新幀對序列在環(huán)境中檢測到的所有人(處理動作248)。如果不是，則重復處理動作202到248，直到已選擇并考慮了所有檢測到的人為止。此時，處理的當前迭代結束。然而，可以在下一次同時捕獲的幀對的新序列變得可用時，重復該處理。面部識別方法在根據(jù)人面部的圖像辨別該人時，通常使用諸如先前描述的面部特性表征。關于用于嘗試確認人的身份的前述處理動作，要注意的是，可以在嘗試中采用為該人生成并被分配給該人的未知個人標識符的面部特性表征。1.2.1不可辨別的人在前述處理中還存在如下可能性：將無法辨別所檢測到的人。為了節(jié)約存儲器空間，在如圖3概述的一個實施例中，如果在處理動作122、234或244中的任意一個中確定未確認所選人的身份，則記錄在未確認該人的身份的情況下、同時捕獲的幀對的序列已被輸入和處理的次數(shù)(處理動作300)。然后，確定所記錄的數(shù)目是否超過規(guī)定最大數(shù)目(例如，100)(處理動作302)。如果不超過，則按原樣繼續(xù)以上概述的處理，并且該存儲器節(jié)約過程結束。然而，如果所記錄的數(shù)目超過規(guī)定最大數(shù)目，則從計算機的存儲器刪除被分配給為所選人建立的未知個人標識符的每個面部特性表征(處理動作304)。1.2.2變焦方案要注意的是，可以與這里描述的面部識別訓練數(shù)據(jù)庫生成技術實施例相結合采用的許多面部識別方法經(jīng)常將不能識別在環(huán)境中檢測到、但卻位于距攝像機較遠距離處的人。雖然未必如此，但是當僅經(jīng)由運動檢測方法檢測人時可能發(fā)生前述情形?？梢允褂米兘狗桨柑幚磉@種情形。在將為人生成的每個面部特性表征分配給為該人建立的未知個人標識符之前完成該變焦方案。更具體地，參照圖4，在一個實施例中，選擇被檢測(通過任意前述方法)為存在于環(huán)境中的先前未選擇的人(處理動作400)。然后確定所選人是否在環(huán)境中位于距彩色攝像機超過規(guī)定最大距離(例如3米)的距離處(處理動作402)。如果是，則將所選人的位置提供給控制具有變焦能力的彩色攝像機的控制器(處理動作404)?？刂破魇沟貌噬珨z像機以與從彩色攝像機到人的距離成比例的程度對所選人的面部進行放大，然后捕獲人面部的變焦圖像。要注意的是，該彩色攝像機可以是前述彩色攝像機或被放置用以捕獲環(huán)境的圖像的獨立攝像機。計算變焦的程度使得在給定從攝像機到所選人的距離的情況下，得到的圖像將以有助于面部識別的分辨率描繪人面部。然后輸入變焦圖像(處理動作406)，并且生成描繪該人面部的變焦圖像的部分的面部特性表征(處理動作408)。然后將該面部特性表征連同為所選人生成的所有其他面部特性表征一起分配給為該人建立的未知個人標識符。1.3另外的彩色攝像機和深度攝像機這里描述的面部識別訓練數(shù)據(jù)庫生成技術實施例工作的環(huán)境可以相當大。這樣，在一個實施例中，采用一對以上的彩色攝像機和深度攝像機以覆蓋環(huán)境。假設在環(huán)境中可用一對以上的攝像機，它們可被配置成捕獲同一場景但是從不同視點(pointofview)進行捕獲。該情形允許在相同時段中為由不同對的攝像機檢測到的同一人或者為一對攝像機無法“看到”其他對攝像機可“看到”的人時的不同人生成更多的面部特性表征。在這方面，有利的是，每對攝像機知道在場景中人的位置，使得可以容易地確定人是使用其他攝像機對檢測到的同一人還是不同的人。在一個實施例中，這通過將攝像機對配置為基本上同時捕獲幀對來完成。以該方式，如果是同一人，則由一對攝像機計算出的人的位置將與由其他對攝像機計算出的人的位置匹配，并且如果是不同的人，則不匹配。1.3.1捕獲同一場景但是從不同視點進行捕獲更具體地，參照圖5A-5C，對于從不同視點捕獲場景的每個另外的彩色攝像機和深度攝像機對，輸入同時捕獲的幀對的另外的序列(處理動作500)。接下來，使用面部檢測方法和由另外的攝像機對的彩色攝像機輸出的彩色攝像機幀來檢測環(huán)境中潛在的人(處理動作502)。另外，使用運動檢測方法和由另外的攝像機對的深度攝像機輸出的深度攝像機幀來檢測環(huán)境中潛在的人(處理動作504)。使用經(jīng)由前述面部檢測方法和運動檢測方法生成的檢測結果來確定環(huán)境中的一個或多個人的位置(處理動作506)。經(jīng)由面部檢測方法生成的檢測結果還包括針對檢測到的每個潛在的人、描繪該人的面部的彩色攝像機幀的部分的面部特性表征。接下來辨別僅經(jīng)由運動檢測方法檢測到的每個人(處理動作508)，并且在另外的攝像機對的彩色攝像機的同時捕獲的幀中查找每個所辨別的人的相應位置(處理動作510)。另外，為每個所辨別的人生成彩色攝像機幀的該部分的面部特性表征(處理動作512)。處理繼續(xù)到選擇基于從另外的彩色攝像機和深度攝像機對輸出的幀對而在環(huán)境中檢測到的人中的先前未選擇的人(處理動作514)。然后，基于所辨別的人的位置，確定是否也已使用其他彩色攝像機和深度攝像機對檢測到該人(處理動作516)。如果是，則基于使用其他彩色攝像機和深度攝像機對而對人的檢測，將基于從另外的彩色攝像機和深度攝像機對輸出的幀對而為所選人生成的每個面部特性表征分配給為該人建立的未知個人標識符(處理動作518)。否則，將基于從另外的彩色攝像機和深度攝像機對輸出的幀對而為所選人生成的每個面部特性表征分配給為該人建立的未知個人標識符(處理動作520)。在任一情況下，將基于從另外的彩色攝像機和深度攝像機對輸出的幀對而為所選人生成的每個面部特性表征存儲在與計算機相關聯(lián)的存儲器中(處理動作522)。另外，還嘗試確認人的身份(處理動作524)。然后確定嘗試是否成功(處理動作526)。如果嘗試成功，則將被分配給為所選人建立的未知個人標識符的每個面部特性表征重分配給為該人建立的面部識別訓練數(shù)據(jù)庫(處理動作528)。不管處理動作526的嘗試是否成功，接下來確定是否已選擇了所有檢測到的人(處理動作530)。如果不是，則重復處理動作514到530，直到已選擇并考慮了所有檢測到的人為止。在該點處理結束，但是每當從另外的彩色攝像機和深度攝像機對輸入同時捕獲的幀對的新序列時可重復該處理。1.3.2捕獲不同場景還可假設在環(huán)境中可用一對以上的攝像機，攝像機對可被配置成捕獲不同場景。在一對攝像裝置無法覆蓋整個環(huán)境的情形中該配置是有用的。鑒于此，可以跟蹤在一對攝像機覆蓋的一個場景中檢測到的人，并且如果該人移動到其他攝像機對覆蓋的環(huán)境部分中，則當人離開一個場景到其他場景時他們的位置知識可用來確認在新場景中檢測到的人是先前場景檢測到的同一人。另外，如果可行，則可以采用面部識別方法或辨別人的一些其他方法來確認在新場景中檢測到的人是否是在先前場景中檢測到的同一人。這有利于將為新環(huán)境部分中的人生成的面部特性表征分配給正確的未知個人標識符(或者如果先前辨別了該人，則分配給正確的面部識別訓練數(shù)據(jù)庫)。更具體地，參照圖6A-6F，在給定捕獲環(huán)境內(nèi)的不同場景的另外的彩色攝像機和深度攝像機對的情況下，輸入同時捕獲的幀對的另外的序列(處理動作600)。接下來，使用面部檢測方法和由另外的攝像機對的彩色攝像機輸出的彩色攝像機幀來檢測環(huán)境中潛在的人(處理動作602)。另外，使用運動檢測方法和由另外的攝像機對的深度攝像機輸出的深度攝像機幀來檢測環(huán)境中潛在的人(處理動作604)。使用經(jīng)由前述面部檢測方法和運動檢測方法生成的檢測結果來確定環(huán)境中的一個或多個人的位置(處理動作606)。經(jīng)由面部檢測方法生成的檢測結果還包括針對每個檢測到的潛在的人、描繪該人的面部的彩色攝像機幀的部分的面部特性表征。接下來辨別僅經(jīng)由運動檢測方法檢測到的每個人(處理動作608)，并且在另外的攝像機對的彩色攝像機的同時捕獲的幀中查找每個所辨別的人的相應位置(處理動作610)。另外，為每個所辨別的人生成彩色攝像機幀的該部分的面部特性表征(處理動作612)。處理繼續(xù)到選擇基于從另外的彩色攝像機和深度攝像機對輸出的幀對而在環(huán)境中檢測到的人中的先前未選擇的人(處理動作614)。然后，確定先前是否使用其他彩色攝像機和深度攝像機對在環(huán)境中的其他場景中檢測到所選人(處理動作616)。如先前所指示，這可以基于當人離開一個場景到其他場景時對他們的位置的跟蹤、面部識別方法、或辨別人的一些其他方法。如果先前在其他場景中檢測到所選人，則進一步確定先前是否確認了所選人的身份(處理動作618)。如果先前未辨別所選人，則選擇根據(jù)同時捕獲的幀對的另外的序列生成的面部特性表征中的先前未選擇的面部特性表征(處理動作620)，并且確定所選面部特性表征是否與被分配給先前為所選人建立的未知個人標識符的每個面部特性表征相差規(guī)定程度(處理動作622)。如果是，則將所選面部特性表征分配給先前為該人建立的未知個人標識符(處理動作624)，并且將所選面部特性表征存儲在與計算機相關聯(lián)的存儲器中(處理動作626)。否則丟棄所選面部特性表征(處理動作628)。然后，確定是否已選擇了根據(jù)同時捕獲的幀對的另外的序列生成的所有面部特性表征(處理動作630)。如果不是，則重復處理動作620到630，直到已選擇并考慮了所有面部特性表征為止。接下來，嘗試確認所選人的身份(處理動作632)。然后確定嘗試是否成功(處理動作634)。如果嘗試成功，則將被分配給為所選人建立的未知個人標識符的每個面部特性表征重分配給為該人建立的面部識別訓練數(shù)據(jù)庫(處理動作636)。然而，如果在處理動作618中確定先前辨別了所選人，則選擇根據(jù)同時捕獲的幀對的另外的序列生成的面部特性表征中的先前未選擇的面部特性表征(處理動作638)，并且確定所選面部特性表征是否與被分配給先前為所選人建立的面部識別訓練數(shù)據(jù)庫的每個面部特性表征相差規(guī)定程度(處理動作640)。如果是，則將所選面部特性表征分配給為該人建立的面部識別訓練數(shù)據(jù)庫(處理動作642)，并且將所選面部特性表征存儲在與計算機相關聯(lián)的存儲器中(處理動作644)。否則丟棄所選面部特性表征(處理動作646)。然后確定是否已選擇了根據(jù)同時捕獲的幀對的另外的序列生成的所有面部特性表征(處理動作648)。如果不是，則重復處理動作638到648，直到已選擇并考慮了所有面部特性表征為止。然而，如果在處理動作616中確定先前未在環(huán)境中的其他場景中檢測到所選人，則處理繼續(xù)到將基于從另外的彩色攝像機和另外的深度攝像機輸出的幀對而為所選人生成的每個面部特性表征分配給為該人新建立的未知個人標識符(處理動作650)。將這些面部特性表征中的每個面部特性表征也存儲在與計算機相關聯(lián)的存儲器中(處理動作652)。然后嘗試確認所選人的身份(處理動作654)。然后確定嘗試是否成功(處理動作656)。如果確認了所選人的身份，則將被分配給為該人建立的未知個人標識符的每個面部特性表征重分配給為該人建立的面部識別訓練數(shù)據(jù)庫(處理動作658)。一旦如上所述已考慮了所選人，則確定是否已選擇了所有檢測到的人(處理動作660)。如果不是，則重復處理動作614到660，直到已選擇并且考慮了所有檢測到的人為止。在該點處理結束，但是每當從另外的彩色攝像機和深度攝像機對輸入同時捕獲的幀對的新序列時可以重復該處理。1.4運動檢測盡管可以采取任意運動檢測方法用于這里描述的面部識別訓練數(shù)據(jù)庫生成技術實施例，但是在一個實施例中采用了以下方法。一般，該方法利用從深度攝像機幀提取的深度數(shù)據(jù)中的短期變化來檢測環(huán)境中潛在的人。更具體地，參照圖7A-7D，在一個實施例中，運動檢測處理首先涉及將第一深度攝像機幀中的所有像素指定為背景像素(處理動作700)。然后，確定新的相繼捕獲的深度幀是否已變成可用(處理動作702)。如果不是，則重復處理動作702直到新的幀可用為止。當輸入新的深度幀時，選擇深度幀的先前未選擇的像素(處理動作704)，并且確定所選像素的深度值是否已從緊接當前考慮的幀之前而捕獲的深度幀中表示環(huán)境內(nèi)的相同位置的像素的值改變了多于規(guī)定量(處理動作706)。如果深度值已改變了多于規(guī)定量，則將所選像素指定為前景像素(處理動作708)。接下來確定是否存在剩余的、深度幀的任何先前未選擇的像素(處理動作710)。如果存在剩余像素，則重復處理動作704到710。如果不是，則確定當前考慮的深度幀是否是序列中的最后幀(處理動作712)。如果不是，則重復處理動作702到712。然而，如果是最后幀，則在最后幀中的前景像素當中建立種子點，并且將與該點相關聯(lián)的像素分配為斑點(blob)的一部分(處理動作714)。接下來，選擇鄰近被分配給斑點的像素(其最初僅是種子點像素)的并且還未被分配給該斑點的先前未選擇的像素(處理動作716)。首先確定所選像素是否被分配給不同斑點(處理動作718)。如果是，則將兩個斑點合并為一個斑點(處理動作720)。接下來，確定是否存在鄰近被分配給合并的斑點的像素的、還未被分配給合并的斑點的任何先前未選擇的像素(處理動作722)。如果是，則選擇這些像素中的先前未選擇的像素(處理動作724)，并且重復處理動作718到724。然而，每當在處理動作718中確定所選像素沒有被分配給不同斑點時，確定所選像素的深度值是否在規(guī)定容限內(nèi)與被分配給斑點的像素的當前平均值相同(處理動作726)。如果是，則將所選像素分配給斑點(處理動作728)。如果不是，則不采取動作。然而，在任一情況下，接下來確定是否存在鄰近被分配給斑點(合并的或未合并的)的像素的并且還未分配給該斑點的任何先前未選擇的像素(處理動作730)。如果存在這樣的像素，則重復處理動作716到730。否則，不采取動作。因此，種子點像素周圍的像素均被考慮并且導致斑點被合并或者如果像素具有所需深度值則被分配給斑點，然后考慮擴大的斑點(合并的或者未合并的)周圍的像素，如此類推使得斑點增大。這繼續(xù)直到不再能夠找到未分配給斑點并且具有在所述規(guī)定容限內(nèi)與被分配給斑點的像素的當前平均值相同的深度值的鄰近像素為止。接下來，確定是否存在尚未分配給斑點的前景像素(處理動作732)。如果剩余這樣的像素，則在最后幀中未分配的前景像素當中建立種子點，并且將與該點相關聯(lián)的像素分配為新斑點的一部分(處理動作734)。然后重復處理動作716到734，直到?jīng)]有剩余未分配的前景像素為止。一旦沒有剩余未分配的前景像素(并且因此不能形成新的斑點)，則選擇斑點中的先前未選擇的斑點(處理動作736)。然后確定斑點是否滿足指示該斑點表示人的一組規(guī)定準則(處理動作738)。如果不是，則移除斑點(處理動作740)。然而，如果所選斑點滿足規(guī)定準則，則將該斑點指定為表示位于環(huán)境內(nèi)的潛在的人(處理動作742)。要注意的是，用來指示斑點表示人的準則可以是任何傳統(tǒng)的一組準則。另外，準則可以包括斑點是否符合真實空間維度中的正常人體參數(shù)。例如，斑點是否呈現(xiàn)出與人胸部和頭部對應的矩形區(qū)域。2.0彩色攝像機和深度攝像機現(xiàn)在將更加詳細地描述這里描述的面部識別訓練數(shù)據(jù)庫生成技術實施例所采用的前述彩色攝像機和深度攝像機。一般，彩色攝像機輸出攝像機捕獲的場景的數(shù)字彩色圖像的連續(xù)序列。如在前面描述中一樣，這些圖像有時被稱為幀或者圖像幀。合適的彩色攝像機的示例是傳統(tǒng)的RGB攝像機。深度攝像機輸出攝像機捕獲的場景的數(shù)字深度圖像的連續(xù)序列。如在前面描述中一樣，這些圖像有時在這里被稱為幀或者深度幀。深度幀中的像素值指示深度攝像機和環(huán)境中的對象之間的距離。例如，一個合適的深度攝像機是傳統(tǒng)的基于紅外的深度攝像機。這種類型的攝像機將已知紅外圖案投影到環(huán)境，并且基于紅外成像儀捕獲的圖案變形來確定深度。如先前所述，這里描述的面部識別訓練數(shù)據(jù)庫生成技術的實施例可使用同時捕獲的彩色幀和深度幀對之間的像素相關性。換句話說，知道一對幀中的一個幀中的哪個像素描繪場景中與另一幀中的給定像素所描繪的位置相同的位置有時是有用的。盡管可以在每次捕獲一對同時幀時采用傳統(tǒng)方法來確認該像素相關性，但是在一個實施例中，采用了定義像素坐標的預先計算的變換。更具體地，如果彩色攝像機和深度攝像機被同步使得它們以相同方式一起移動，則它們之間的相對變換將不改變。因此，可預先計算變換并且使用該變換來確定捕獲的每對同時幀的像素相關性。這里描述的面部識別訓練數(shù)據(jù)庫生成技術實施例還可采用固定位置的彩色攝像機和深度攝像機。固定位置意味著攝像機放置在環(huán)境內(nèi)的特定位置，并且不獨立地從該位置移動。當然，這不排除攝像機在環(huán)境內(nèi)被重新放置。然而，可以預見在工作期間它們保持在同一位置。另外，當固定位置的攝像機不移動位置時，這不是意味著在該位置時攝像機不能被平移、傾斜、旋轉或變焦?？商孢x地，這里描述的面部識別訓練數(shù)據(jù)庫生成技術實施例可采用移動的彩色攝像機和深度攝像機。例如，攝像機可以安裝在移動機器人裝置中。合適的移動機器人裝置一般可以是呈現(xiàn)下面屬性的任何傳統(tǒng)移動機器人裝置。首先，參照圖8，機器人裝置800能夠圍繞它打算行進的環(huán)境移動。因此，移動機器人裝置800包括用于移動裝置通過環(huán)境的機動部802。移動機器人裝置800還具有傳感器，該傳感器用于跟蹤并且跟隨通過適用環(huán)境的人。具體地，這些傳感器包括前述彩色攝像機804和深度攝像機806。彩色攝像機804和深度攝像機806是可改變位置的，使得可以捕獲環(huán)境的不同部分。為此，彩色攝像機804和深度攝像機806可安置在移動機器人裝置800的頭部808中，頭部808通常放置在前述機動部802之上。通過重定向攝像機本身、或通過移動頭部808或這兩者，可以改變攝像機804、806的視點。后者情形的示例是如下配置：在該配置中，頭部圍繞垂直軸旋轉以提供360度的平移運動，同時攝像機上下樞轉以提供傾斜運動。攝像機還具有變焦特征。移動機器人裝置800還包括控制單元810，該控制單元810以傳統(tǒng)方式控制機動部802來移動機器人裝置通過環(huán)境；并且控制頭部808或攝像機804、806或者兩者的移動以捕獲環(huán)境內(nèi)的不同場景。另外，控制單元810包括計算裝置812(諸如在本公開的示例性操作環(huán)境部分中描述的那些計算裝置)。該計算裝置812包括控制模塊，該控制模塊負責向機動部和頭部發(fā)起移動控制信號，并且負責以先前描述的方式使用彩色攝像機和深度攝像機捕獲的幀來生成面部識別訓練數(shù)據(jù)庫。使用傳統(tǒng)方法進行機動部和頭部的移動的控制。然而，由面部識別訓練數(shù)據(jù)庫生成子模塊來處理后一功能。要注意的是，在操作中，當移動機器人裝置靜止并且攝像機不移動時(例如，沒有平移、傾斜、旋轉或變焦)，將執(zhí)行先前結合圖7A-7D描述的運動檢測處理。這防止由于攝像機的相對運動而導致的錯誤肯定。3.0示例性操作環(huán)境在多種類型的通用或專用計算系統(tǒng)環(huán)境或配置內(nèi)，這里描述的面部識別訓練數(shù)據(jù)庫生成技術實施例是可操作的。圖9示出了可在其上實現(xiàn)如這里所描述的面部識別訓練數(shù)據(jù)庫生成技術的各種實施例和要素的通用計算機系統(tǒng)的簡化示例。要注意的是，圖9中的折線或虛線表示的任何方框表示簡化計算裝置的可替選實施例，并且如下所述的這些可替選實施例的任何或者全部可與貫穿該文檔描述的其他可替選實施例結合使用。例如，圖9顯示示出了簡化計算裝置10的一般性系統(tǒng)圖。通?？梢栽诰哂兄辽僖恍┳钚∮嬎隳芰Φ难b置(包括但不局限于個人計算機、服務器計算機、手持式計算裝置、便攜式電腦或移動計算機、諸如蜂窩電話和PDA(個人數(shù)字助理)的通信裝置、多處理器系統(tǒng)、基于微處理器的系統(tǒng)、機頂盒、可編程消費電子產(chǎn)品、網(wǎng)絡PC、小型計算機、大型計算機、音頻或視頻媒體播放器等)中找到這樣的計算裝置。為了使裝置實現(xiàn)這里描述的面部識別訓練數(shù)據(jù)庫生成技術實施例，裝置應該具有足以能夠進行基本計算操作的計算能力和系統(tǒng)存儲器。具體地，如圖9所示，計算能力通常由一個或多個處理單元12示出，并且還可包括一個或多個GPU(圖形處理單元)14，處理單元12和GPU14之一或兩者與系統(tǒng)存儲器16通信。注意，通用計算裝置的處理單元12可以是諸如DSP(數(shù)字信號處理器)、VLIW(超長指令字)或其他微控制器的專用微處理器、或者可以是具有一個或多個處理核(包括多核CPU中的專用基于GPU的核)的傳統(tǒng)CPU。另外，圖9的簡化計算裝置還可包括其他部件，例如諸如通信接口18。圖9的簡化計算裝置還可包括一個或多個傳統(tǒng)計算機輸入裝置20(例如，指向裝置、鍵盤、音頻輸入裝置、視頻輸入裝置、觸覺輸入裝置、用于接收有線或無線數(shù)據(jù)傳輸?shù)难b置等)。圖9的簡化計算裝置還可包括其他可選部件，例如諸如一個或多個傳統(tǒng)顯示裝置24和其他計算機輸出裝置22(例如，音頻輸出裝置、視頻輸出裝置、用于傳送有線或無線數(shù)據(jù)傳輸?shù)难b置等)。注意，用于通用計算機的典型通信接口18、輸入裝置20、輸出裝置22以及存儲裝置26是本領域技術人員公知的，將不會在這里詳細描述。圖9的簡化計算裝置還可包括多種計算機可讀介質(zhì)。計算機可讀介質(zhì)可以是可由計算機10經(jīng)由存儲裝置26訪問的任何可用介質(zhì)，并且包括作為可拆卸28和/或不可拆卸30的易失性和非易失性介質(zhì)兩者，用于存儲諸如計算機可讀或計算機可執(zhí)行指令、數(shù)據(jù)結構，程序模塊或其他數(shù)據(jù)的信息。通過示例的方式而不是限制，計算機可讀介質(zhì)可包括計算機存儲介質(zhì)和通信介質(zhì)。計算機存儲介質(zhì)包括但不限于計算機或機器可讀介質(zhì)或存儲裝置(諸如DVD(數(shù)字多功能光盤)、CD(致密盤)、軟盤、磁帶驅動器、硬盤驅動器、光盤驅動器、固態(tài)存儲器裝置、RAM(隨機存取存儲器)、ROM(只讀存儲器)、EEPROM(電可擦除可編程只讀存儲器)、閃存或其他存儲器技術、盒式磁帶、磁帶、磁盤存儲裝置或其它磁存儲裝置)或者可以用來存儲期望的信息并且可以由一個或多個計算裝置訪問的任意其他裝置。諸如計算機可讀或計算機可執(zhí)行指令、數(shù)據(jù)結構、程序模塊等的信息的保留還可以通過使用各種前述通信介質(zhì)中的任何一個對一個或多個調(diào)制數(shù)據(jù)信號或載波進行編碼、或者其他傳輸機制或通信協(xié)議來完成，并且包括任何有線或無線信息傳遞機制。注意，術語“調(diào)制數(shù)據(jù)信號”或“載波”一般指的是如下信號：該信號使得以對該信號中的信息進行編碼的方式設置或改變其特性中的一個或更多特性。例如，通信介質(zhì)包括有線介質(zhì)和無線介質(zhì)，有線介質(zhì)諸如為載有一個或多個調(diào)制數(shù)據(jù)信號的直接連線連接或有線網(wǎng)絡，無線介質(zhì)諸如為用于傳送和/或接收一個或多個調(diào)制數(shù)據(jù)信號或載波的聲學、RF(射頻)、紅外、激光以及其他無線介質(zhì)。以上的任何組合也應該包括在通信介質(zhì)的范圍內(nèi)。此外，實施這里描述的各種面部識別訓練數(shù)據(jù)庫生成技術實施例或其部分的部分或全部的軟件、程序、和/或計算機程序產(chǎn)品可以以計算機可執(zhí)行指令或其他數(shù)據(jù)結構的形式而從計算機或機器可讀介質(zhì)或存儲裝置以及通信介質(zhì)的任意期望組合被存儲、接收、傳送或者讀取。最后，可在由計算裝置執(zhí)行的諸如程序模塊的計算機可執(zhí)行指令的一般上下文中進一步描述這里描述的面部識別訓練數(shù)據(jù)庫生成技術實施例。通常，程序模塊包括執(zhí)行具體任務或實現(xiàn)具體抽象數(shù)據(jù)類型的例行程序、程序、對象、部件、數(shù)據(jù)結構等。這里描述的實施例也可以在分布式計算環(huán)境中實踐，在分布式計算環(huán)境中，任務由一個或多個遠程處理裝置執(zhí)行、或在通過一個或多個通信網(wǎng)絡鏈接的一個或多個裝置的“云”內(nèi)執(zhí)行。在分布式計算環(huán)境中，程序模塊可位于包括媒體存儲裝置的本地計算機存儲介質(zhì)和遠程計算機存儲介質(zhì)中。此外，前述指令可部分或者全部被實現(xiàn)為硬件邏輯電路，其可包括或可不包括處理器。4.0其他實施例在面部識別訓練數(shù)據(jù)庫生成技術實施例的前述描述中，采用了深度攝像機和使用來自這樣的攝像機的深度幀的運動檢測方法。然而，還存在可以僅使用彩色攝像機來檢測環(huán)境中的人的傳統(tǒng)運動檢測方法。鑒于此，在可替選實施例中，移除深度攝像機，并且僅使用彩色攝像機來檢測環(huán)境中潛在的人。因此，先前描述的處理將會被修改使得輸入從彩色攝像機輸出的幀的序列。然后，結合面部檢測方法使用這些圖像幀來檢測環(huán)境中潛在的人，并且還結合適當?shù)倪\動檢測方法使用這些圖像幀來檢測環(huán)境中潛在的人。同樣地，當如先前所述采用幀的新序列時，這些也僅是從彩色攝像機輸出的幀的新序列。還要注意，可以以任何期望的組合使用貫穿說明書的任意或所有前述實施例以形成另外的混合實施例。另外，盡管以特定于結構特征和/或方法行為的語言描述了主題內(nèi)容，但是要理解的是，所附權利要求中限定的主題內(nèi)容不一定限制于上述特定特征或行為。相反，上述特定特征和行為被公開作為實現(xiàn)權利要求的示例形式。根據(jù)本公開的實施例，還公開了以下附記：1.一種用于為被檢測為位于環(huán)境中的每個人生成面部識別訓練數(shù)據(jù)庫的計算機實現(xiàn)處理，其包括：使用計算機來執(zhí)行以下處理動作：(a)輸入同時捕獲的幀對的序列，每個幀對包括從彩色攝像機輸出的幀和從深度攝像機輸出的幀；(b)使用面部檢測方法和彩色攝像機幀來檢測環(huán)境中潛在的人；(c)使用運動檢測方法和深度攝像機幀來檢測所述環(huán)境中潛在的人；(d)使用經(jīng)由所述面部檢測方法和運動檢測方法生成的檢測結果來確定所述環(huán)境中一個或多個人的位置，經(jīng)由所述面部檢測方法生成的所述檢測結果包括針對所檢測到的每個人的、描繪該人的面部的彩色攝像機幀的部分的面部特性表征；(e)對于僅經(jīng)由所述運動檢測方法檢測到的每個人，辨別該人在所述彩色攝像機的同時捕獲的幀中的相應位置，生成描繪該人的面部的彩色攝像機幀的部分的所述面部特性表征；(f)對于在所述環(huán)境中檢測到的每個人，將為該人生成的每個面部特性表征分配給為該人建立的未知個人標識符，將每個所述面部特性表征存儲在與所述計算機相關聯(lián)的存儲器中，嘗試確認該人的身份，以及每當確認了該人的身份時，將被分配給為該人建立的未知個人標識符的每個面部特性表征重分配給為該人建立的面部識別訓練數(shù)據(jù)庫。2.根據(jù)附記1所述的處理，還包括：輸入同時捕獲的幀對的新序列，每個幀對包括從彩色攝像機輸出的幀和從深度攝像機輸出的幀；重復處理動作(b)到(e)；對于在所述環(huán)境中檢測到的并且在所述同時捕獲的幀對的新序列中描繪的每個人，確定該人是否對應于先前使用所述新序列之前的同時捕獲的幀對的序列確定了其位置的人，每當確定該人對應于先前使用所述新序列之前的同時捕獲的幀對的序列確定了其位置的人時，確定先前是否確認了該人的身份，每當確定先前確認了該人的身份時，對于根據(jù)所述同時捕獲的幀對的新序列生成的每個面部特性表征，確定所述面部特性表征是否與被分配給為該人建立的面部識別訓練數(shù)據(jù)庫的每個面部特性表征相差規(guī)定程度，對于根據(jù)所述同時捕獲的幀對的新序列生成的每個面部特性表征，每當確定所述面部特性表征與被分配給為該人建立的面部識別訓練數(shù)據(jù)庫的每個面部特性表征相差規(guī)定程度時，將該面部特性表征分配給為該人建立的面部識別訓練數(shù)據(jù)庫，并且將該面部特性表征存儲在與所述計算機相關聯(lián)的存儲器中。3.根據(jù)附記2所述的處理，其中，所述彩色攝像機和深度攝像機布置在能夠圍繞所述環(huán)境移動的移動機器人裝置上，并且其中，從所述環(huán)境內(nèi)與捕獲先前捕獲的幀對的視點不同的視點捕獲所述同時捕獲的幀對的新序列，通過以下至少之一實現(xiàn)所述新視點：所述移動機器人裝置改變所述彩色攝像機和深度攝像機正指向的方向而不改變在所述環(huán)境內(nèi)的位置、或者所述移動機器人裝置改變在所述環(huán)境內(nèi)的位置。4.根據(jù)附記1所述的處理，還包括：輸入同時捕獲的幀對的新序列，每個幀對包括從彩色攝像機輸出的幀和從深度攝像機輸出的幀；重復處理動作(b)到(e)；對于在所述環(huán)境中檢測到的并且在所述同時捕獲的幀對的新序列中描繪的每個人，確定該人是否對應于先前使用所述新序列之前的同時捕獲的幀對的序列確定了其位置的人，每當確定該人對應于先前使用所述新序列之前的同時捕獲的幀對的序列確定了其位置的人時，確定先前是否確認了該人的身份，每當確定先前未確認該人的身份時，對于根據(jù)所述同時捕獲的幀對的新序列生成的每個面部特性表征，確定該面部特性表征是否與被分配給為該人建立的未知個人標識符的每個面部特性表征相差規(guī)定程度，對于根據(jù)所述同時捕獲的幀對的新序列生成的每個面部特性表征，每當確定該面部特性表征與被分配給為該人建立的未知個人標識符的每個面部特性表征相差規(guī)定程度時，將該面部特性表征分配給為該人建立的未知個人標識符，并且將該面部特性表征存儲在與所述計算機相關聯(lián)的存儲器中，嘗試確認該人的身份，以及每當確認了該人的身份時，將被分配給為該人建立的未知個人標識符的每個面部特性表征重分配給為該人建立的面部識別訓練數(shù)據(jù)庫。5.根據(jù)附記4所述的處理，其中，所述彩色攝像機和深度攝像機布置在能夠圍繞所述環(huán)境移動的移動機器人裝置上，并且其中，從所述環(huán)境內(nèi)與捕獲先前捕獲的幀對的視點不同的視點捕獲所述同時捕獲的幀對的新序列，通過以下至少之一實現(xiàn)所述新視點：所述移動機器人裝置改變所述彩色攝像機和深度攝像機正指向的方向而不改變在所述環(huán)境內(nèi)的位置、或者所述移動機器人裝置改變在所述環(huán)境內(nèi)的位置。6.根據(jù)附記1所述的處理，還包括：輸入同時捕獲的幀對的新序列，每個幀對包括從彩色攝像機輸出的幀和從深度攝像機輸出的幀；重復處理動作(b)到(e)；對于在所述環(huán)境中檢測到的并且在所述同時捕獲的幀對的新序列中描繪的每個人，確定該人是否對應于先前使用所述新序列之前的同時捕獲的幀對的序列確定了其位置的人，每當確定該人對應于先前使用所述新序列之前的同時捕獲的幀對的序列確定了其位置的人時，確定先前是否確認了該人的身份，每當確定先前未確認該人的身份時，確定在未確認該人的身份的情況下、同時捕獲的幀對的序列已被輸入并處理的次數(shù)，并且確定所述次數(shù)是否超過規(guī)定最大數(shù)目，每當確定在未確認該人的身份的情況下、同時捕獲的幀對的序列的已被輸入并處理的次數(shù)超過所述規(guī)定最大數(shù)目時，從所述存儲器刪除被分配給為該人建立的未知個人標識符的每個面部特性表征。7.根據(jù)附記1所述的處理，還包括：輸入同時捕獲的幀對的新序列，每個幀對包括從彩色攝像機輸出的幀和從深度攝像機輸出的幀；重復處理動作(b)到(e)；對于在所述環(huán)境中檢測到的并且在所述同時捕獲的幀對的新序列中描繪的每個人，確定該人是否對應于先前使用所述新序列之前的同時捕獲的幀對的序列確定了其位置的人，每當確定該人不對應于先前使用所述新序列之前的同時捕獲的幀對的序列確定了其位置的人時，將為該人生成的每個面部特性表征分配給為該人建立的未知個人標識符，將每個所述面部特性表征存儲在與所述計算機相關聯(lián)的存儲器中，嘗試確認該人的身份，以及每當確認了該人的身份時，將被分配給為該人建立的未知個人標識符的每個面部特性表征重分配給為該人建立的面部識別訓練數(shù)據(jù)庫。8.根據(jù)附記7所述的處理，其中，所述彩色攝像機和深度攝像機布置在能夠圍繞所述環(huán)境移動的移動機器人裝置上，并且其中，從所述環(huán)境內(nèi)與捕獲先前捕獲的幀對的視點不同的視點捕獲所述同時捕獲的幀對的新序列，通過以下至少之一實現(xiàn)所述新視點：所述移動機器人裝置改變所述彩色攝像機和深度攝像機正指向的方向而不改變在所述環(huán)境內(nèi)的位置、或者所述移動機器人裝置改變在所述環(huán)境內(nèi)的位置。9.根據(jù)附記1所述的處理，還包括在執(zhí)行將為人生成的每個面部特性表征分配給為該人建立的未知個人標識符的處理動作之前，執(zhí)行如下處理動作：對于在距所述彩色攝像機超過規(guī)定最大距離的距離處檢測到的每個人，將該人的位置提供給控制具有變焦能力的彩色攝像機的控制器，所述控制器能夠基于該人的位置來以與從所述彩色攝像機到該人的距離成比例的程度對該人的面部進行放大，并且捕獲該人的面部的變焦圖像，輸入該人的面部的所述變焦圖像，以及生成描繪該人的面部的變焦圖像的部分的所述面部特性表征。10.根據(jù)附記1所述的處理，其中，嘗試確認人的身份的處理動作包括如下動作：所述動作在嘗試確認人的身份時，采用為該人生成的并被分配給為該人建立的未知個人標識符的面部特性表征。11.根據(jù)附記1所述的處理，還包括如下處理動作：輸入同時捕獲的幀對的另外的序列，每個另外的幀對包括從另外的彩色攝像機輸出的幀和從另外的深度攝像機輸出的幀，所述另外的彩色攝像機和深度攝像機捕獲所述環(huán)境中與其他彩色攝像機和深度攝像機所捕獲的場景相同的場景但是從不同視點進行捕獲，并且每個另外的幀對是與從所述其他彩色攝像機和深度攝像機輸出的幀對基本同時捕獲的；使用面部檢測方法和來自所述另外的彩色攝像機的幀來檢測環(huán)境中潛在的人；使用運動檢測方法和來自所述另外的深度攝像機的幀來檢測所述環(huán)境中潛在的人；使用經(jīng)由所述面部檢測方法和運動檢測方法生成的檢測結果來確定所述環(huán)境中一個或多個人的位置，經(jīng)由所述面部檢測方法生成的所述檢測結果包括針對所檢測到的每個人的、描繪該人的面部的彩色攝像機幀的部分的面部特性表征；對于僅經(jīng)由所述運動檢測方法檢測到的每個人，辨別該人在所述另外的彩色攝像機的同時捕獲的幀中的相應位置，生成描繪該人的面部的另外彩色攝像機幀的部分的所述面部特性表征；對于基于從所述另外的彩色攝像機和另外的深度攝像機輸出的幀對而在所述環(huán)境中檢測到的每個人，基于所辨別的該人的位置，確定是否也已使用所述其他彩色攝像機和深度攝像機檢測到該人，每當確定也已使用所述其他彩色攝像機和深度攝像機檢測到該人時，基于使用所述其他彩色攝像機和深度攝像機對該人的檢測，將基于從所述另外的彩色攝像機和另外的深度攝像機輸出的幀對而為該人生成的每個面部特性表征分配給為該人建立的未知個人標識符，并且將基于從所述另外的彩色攝像機和另外的深度攝像機輸出的幀對而為該人生成的每個所述面部特性表征存儲在與所述計算機相關聯(lián)的存儲器中，每當確定尚未也使用所述其他彩色攝像機和深度攝像機檢測到該人時，將基于從所述另外的彩色攝像機和另外的深度攝像機輸出的幀對而為該人生成的每個面部特性表征分配給為該人建立的未知個人標識符，嘗試確認該人的身份，并且每當確認了該人的身份時，將被分配給為該人建立的未知個人標識符的每個面部特性表征重分配給為該人建立的面部識別訓練數(shù)據(jù)庫。12.根據(jù)附記1所述的處理，還包括如下處理動作：輸入同時捕獲的幀對的另外的序列，每個另外的幀對包括從另外的彩色攝像機輸出的幀和從另外的深度攝像機輸出的幀，所述另外的彩色攝像機和深度攝像機捕獲所述環(huán)境中與其他彩色攝像機和深度攝像機所捕獲的場景不同的場景；使用面部檢測方法和來自所述另外的彩色攝像機的幀來檢測環(huán)境中潛在的人；使用運動檢測方法和來自所述另外的深度攝像機的幀來檢測所述環(huán)境中潛在的人；使用經(jīng)由所述面部檢測方法和運動檢測方法生成的檢測結果來確定所述環(huán)境中一個或多個人的位置，經(jīng)由所述面部檢測方法生成的所述檢測結果包括針對所檢測到的每個人的、描繪該人的面部的彩色攝像機幀的部分的面部特性表征；對于僅經(jīng)由所述運動檢測方法檢測到的每個人，辨別該人在所述另外的彩色攝像機的同時捕獲的幀中的相應位置，生成描繪該人的面部的另外彩色攝像機幀的部分的所述面部特性表征；對于基于從所述另外的彩色攝像機和另外的深度攝像機輸出的幀對而在所述環(huán)境中檢測到的每個人，確定先前是否在所述環(huán)境中的不同場景中檢測到所檢測到的人，如果先前在所述環(huán)境中的不同場景中檢測到該人，則確定先前是否確認了該人的身份，每當確定先前未確認該人的身份時，對于根據(jù)所述同時捕獲的幀對的另外的序列生成的每個面部特性表征，確定該面部特性表征是否與被分配給先前為該人建立的未知個人標識符的每個面部特性表征相差規(guī)定程度，對于根據(jù)所述同時捕獲的幀對的另外的序列生成的每個面部特性表征，每當確定該面部特性表征與被分配給先前為該人建立的未知個人標識符的每個面部特性表征相差規(guī)定程度時，將該面部特性表征分配給先前為該人建立的未知個人標識符，并且將該面部特性表征存儲在與所述計算機相關聯(lián)的存儲器中，嘗試確認該人的身份，以及每當確認了該人的身份時，將被分配給為該人建立的未知個人標識符的每個面部特性表征重分配給為該人建立的面部識別訓練數(shù)據(jù)庫，如果先前未在所述環(huán)境中的不同場景中檢測到該人，將基于從所述另外的彩色攝像機和另外的深度攝像機輸出的幀對而為該人生成的每個面部特性表征分配給為該人新建立的未知個人標識符，將基于從所述另外的彩色攝像機和另外的深度攝像機輸出的幀對而為該人生成的每個所述面部特性表征存儲在與所述計算機相關聯(lián)的存儲器中，嘗試確認該人的身份，以及每當確認了該人的身份時，將被分配給為該人建立的未知個人標識符的每個面部特性表征重分配給為該人建立的面部識別訓練數(shù)據(jù)庫。13.根據(jù)附記1所述的處理，還包括如下處理動作：輸入同時捕獲的幀對的另外的序列，每個另外的幀對包括從另外的彩色攝像機輸出的幀和從另外的深度攝像機輸出的幀，所述另外的彩色攝像機和深度攝像機捕獲所述環(huán)境中與其他彩色攝像機和深度攝像機所捕獲的場景不同的場景；使用面部檢測方法和來自所述另外的彩色攝像機的幀來檢測環(huán)境中潛在的人；使用運動檢測方法和來自所述另外的深度攝像機的幀來檢測所述環(huán)境中潛在的人；使用經(jīng)由所述面部檢測方法和運動檢測方法生成的檢測結果來確定所述環(huán)境中一個或多個人的位置，經(jīng)由所述面部檢測方法生成的所述檢測結果包括針對所檢測到的每個人的、描繪該人的面部的彩色攝像機幀的部分的面部特性表征；對于僅經(jīng)由所述運動檢測方法檢測到的每個人，辨別該人在所述另外的彩色攝像機的同時捕獲的幀中的相應位置，生成描繪該人的面部的另外彩色攝像機幀的部分的所述面部特性表征；對于基于從所述另外的彩色攝像機和另外的深度攝像機輸出的幀對而在所述環(huán)境中檢測到的每個人，確定先前是否在所述環(huán)境中的不同場景中檢測到所檢測到的人，如果先前在所述環(huán)境中的不同場景中檢測到該人，確定先前是否確認了該人的身份，每當確定先前確認了該人的身份時，對于根據(jù)所述同時捕獲的幀對的另外的序列生成的每個面部特性表征，確定該面部特性表征是否與被分配給為該人建立的面部識別訓練數(shù)據(jù)庫的每個面部特性表征相差規(guī)定程度，對于根據(jù)所述同時捕獲的幀對的另外的序列生成的每個面部特性表征，每當確定該面部特性表征與被分配給為該人建立的面部識別訓練數(shù)據(jù)庫的每個面部特性表征相差規(guī)定程度時，將該面部特性表征分配給為該人建立的面部識別訓練數(shù)據(jù)庫，并且將該面部特性表征存儲在與所述計算機相關聯(lián)的存儲器中。14.根據(jù)附記1所述的處理，其中，使用運動檢測方法和深度攝像機幀來檢測環(huán)境中潛在的人的處理動作包括如下動作：將第一深度攝像機幀中的所有像素指定為背景像素；對于以捕獲幀的順序包含在同時捕獲的幀對的序列中的相繼捕獲的深度幀中的每個幀的每個像素；辨別該像素的深度值是否已從緊接當前考慮的幀之前所捕獲的深度幀中表示所述環(huán)境內(nèi)的相同位置的像素的值改變了多于規(guī)定量；每當該像素的深度值改變了多于所述規(guī)定量時，將該像素指定為前景像素；一旦已處理了同時捕獲的幀對的序列中包含的最后幀以辨別其像素深度值是否已改變了多于所述規(guī)定量，(i)在所述最后幀中的前景像素當中建立種子點，并且將與所述種子點相關聯(lián)的像素分配為分離斑點的一部分，(ii)對于鄰近被分配給所述斑點的像素的、還未被分配給該斑點的每個像素，遞歸確定其深度值是否在規(guī)定容限內(nèi)與被分配給所述斑點的像素的當前平均值相同，如果是，則將該鄰近像素分配為所述斑點的一部分，直到不再能夠找到未分配給斑點的并且具有在所述規(guī)定容限內(nèi)與被分配給所述斑點的像素的當前平均值相同的深度值的鄰近像素為止，(iii)每當在執(zhí)行遞歸確定動作(ii)期間找到被分配給不同斑點的鄰近像素時，將兩個斑點合并成一個斑點，并且繼續(xù)遞歸確定動作(ii)，以及(iv)對于未分配的前景像素重復處理動作(i)到(iii)，直到不再能夠形成斑點為止，一旦不再能夠形成斑點，則對于每個斑點，確定該斑點是否滿足指示該斑點表示人的一組規(guī)定準則，移除不滿足所述一組規(guī)定準則的每個斑點，以及將每個剩余斑點指定為表示位于所述環(huán)境內(nèi)的不同潛在的人。15.一種用于為被檢測為位于環(huán)境中的每個人生成面部識別訓練數(shù)據(jù)庫的計算機實現(xiàn)處理，其包括：使用計算機來執(zhí)行以下處理動作：(a)輸入從彩色攝像機輸出的幀的序列；(b)使用面部檢測方法和彩色攝像機幀來檢測環(huán)境中潛在的人；(c)使用運動檢測方法和彩色攝像機幀來檢測環(huán)境中潛在的人；(d)使用經(jīng)由所述面部檢測方法和運動檢測方法生成的檢測結果來確定所述環(huán)境中一個或多個人的位置，經(jīng)由所述面部檢測方法生成的所述檢測結果包括針對所檢測到的每個人的、描繪該人的面部的彩色攝像機幀的部分的面部特性表征；(e)對于僅經(jīng)由所述運動檢測方法檢測到的每個人，定位描繪該人的面部的彩色攝像機幀的部分，以及生成描繪該人的面部的彩色攝像機幀的部分的所述面部特性表征；(f)對于在所述環(huán)境中檢測到的每個人，將為該人生成的每個面部特性表征分配給為該人建立的未知個人標識符，將每個所述面部特性表征存儲在與所述計算機相關聯(lián)的存儲器中，嘗試確認該人的身份，以及每當確認了該人的身份時，將被分配給為該人建立的未知個人標識符的每個面部特性表征重分配給為該人建立的面部識別訓練數(shù)據(jù)庫。16.根據(jù)附記1所述的處理，還包括：輸入從所述彩色攝像機輸出的幀的新序列；重復處理動作(b)到(e)；對于在所述環(huán)境中檢測到的并且在從彩色攝像機輸出的所述幀的新序列中描繪的每個人，確定該人是否對應于先前使用在所述新序列之前捕獲的彩色攝像機幀的序列確定了其位置的人，每當確定該人對應于先前確定了其位置的人時，確認先前是否確認了該人的身份，每當確認先前確認了該人的身份時，對于根據(jù)所述幀的新序列生成的每個面部特性表征，確定該面部特性表征是否與被分配給為該人建立的面部識別訓練數(shù)據(jù)庫的每個面部特性表征相差規(guī)定程度，對于根據(jù)所述幀的新序列生成的每個面部特性表征，每當確定該面部特性表征與被分配給為該人建立的面部識別訓練數(shù)據(jù)庫的每個面部特性表征相差規(guī)定程度時，將該面部特性表征分配給為該人建立的面部識別訓練數(shù)據(jù)庫，并且將該面部特性表征存儲在與所述計算機相關聯(lián)的存儲器中。17.根據(jù)附記1所述的處理，還包括：輸入從所述彩色攝像機輸出的幀的新序列；重復處理動作(b)到(e)；對于在所述環(huán)境中檢測到的并且在從所述彩色攝像機輸出的所述幀的新序列中描繪的每個人，確定該人是否對應于先前使用在所述新序列之前捕獲的彩色攝像機幀的序列確定了其位置的人，每當確定該人對應于先前確定了其位置的人時，確定先前是否確認了該人的身份，每當確認先前未確認該人的身份時，對于根據(jù)所述幀的新序列生成的每個面部特性表征，確定該面部特性表征是否與被分配給為該人建立的未知個人標識符的每個面部特性表征相差規(guī)定程度，對于根據(jù)所述幀的新序列生成的每個面部特性表征，每當確定該面部特性表征與被分配給為該人建立的未知個人標識符的每個面部特性表征相差規(guī)定程度時，將該面部特性表征分配給為該人建立的未知個人標識符，并且將該面部特性表征存儲在與所述計算機相關聯(lián)的存儲器中，嘗試確認該人的身份，以及每當確認了該人的身份時，將被分配給為該人建立的未知個人標識符的每個面部特性表征重分配給為該人建立的面部識別訓練數(shù)據(jù)庫。18.根據(jù)附記1所述的處理，還包括：輸入從所述彩色攝像機輸出的幀的新序列；重復處理動作(b)到(e)；對于在所述環(huán)境中檢測到的并且在從所述彩色攝像機輸出的所述幀的新序列中描繪的每個人，確定該人是否對應于先前使用在所述新序列之前捕獲的彩色攝像機幀的序列確定了其位置的人，每當確定該人不對應于先前確定了其位置的人時，將為該人生成的每個面部特性表征分配給為該人建立的未知個人標識符，將每個所述面部特性表征存儲在與所述計算機相關聯(lián)的存儲器中，嘗試確認該人的身份，以及每當確認了該人的身份時，將被分配給為該人建立的未知個人標識符的每個面部特性表征重分配給為該人建立的面部識別訓練數(shù)據(jù)庫。19.一種用于檢測位于環(huán)境中的人的計算機實現(xiàn)處理，其包括：使用計算機來執(zhí)行以下處理動作：輸入從深度攝像機輸出的幀序列；將第一深度攝像機幀中的所有像素指定為背景像素；對于以捕獲幀的順序的包含在所述幀序列中的相繼捕獲的深度幀中的每個幀的每個像素；辨別該像素的深度值是否已從緊接當前考慮的幀之前所捕獲的深度幀中表示所述環(huán)境內(nèi)的相同位置的像素的值改變了多于規(guī)定量；每當該像素的深度值改變了多于所述規(guī)定量時，將該像素指定為前景像素；一旦已處理了所述幀序列中包含的最后幀以辨別其像素深度值是否已改變了多于所述規(guī)定量，(i)在所述最后幀中的前景像素當中建立種子點，并且將與所述種子點相關聯(lián)的像素分配為分離斑點的一部分，(ii)對于鄰近被分配給所述斑點的像素的、還未被分配給該斑點的每個像素，遞歸確定其深度值是否在規(guī)定容限內(nèi)與被分配給所述斑點的像素的當前平均值相同，如果是，則將該鄰近像素分配為所述斑點的一部分，直到不再能夠找到未分配給斑點的并且具有在所述規(guī)定容限內(nèi)與被分配給所述斑點的像素的當前平均值相同的深度值的鄰近像素為止，(iii)每當在執(zhí)行遞歸確定動作(ii)期間找到被分配給不同斑點的鄰近像素時，將兩個斑點合并成一個斑點，并且繼續(xù)遞歸確定動作(ii)，以及(iv)對于未分配的前景像素重復處理動作(i)到(iii)，直到不再能夠形成斑點為止，一旦不再能夠形成斑點，則對于每個斑點，確定該斑點是否滿足指示該斑點表示人的一組規(guī)定準則，移除不滿足所述一組規(guī)定準則的每個斑點，以及將每個剩余斑點指定為表示位于所述環(huán)境內(nèi)的不同潛在的人。20.根據(jù)附記19所述的處理，其中，確定斑點是否滿足指示該斑點表示人的一組規(guī)定準則的處理動作包括：確定該斑點的至少一部分是否呈現(xiàn)出基本長方形形狀。