CN101882223B - 人体肤色的测评方法 - Google Patents

Abstract

一种人体肤色的测评方法，包括：将待测图象置于第一色彩空间，在第一色彩空间对待测图象进行第一次检测，将第一次检测的结果在第二色彩空间进行第二次检测，根据第二次检测的结果确定人体肤色区域，提取人体肤色区域的色彩特征，根据所述的色彩特征对人体肤色进行测评；相应通过这种人体肤色的测评对电视画质进行测评，可以实现对图象或者电视画面中的人体肤色进行自动检测。

Description

人体肤色的测评方法

技术领域

本发明涉及一种人体肤色的测评方法，尤其涉及一种在图像中或者画面中提取人体肤色特征并对相应肤色进行评价的方法，并相应可应用于电视画质的测评。

背景技术

肤色检测目前已在人脸检测、手势识别、人体跟踪、敏感图像过滤等问题中得到广泛应用。它通常被作为预处理环节来降低问题求解的计算复杂度。由于种族、光照、背景等因素的影响，准确分割人体肤色区域仍是一个有挑战性的问题。

目前常用肤色检测算法大体可分 4 类：简单定义肤色模型、非参数肤色模型、参数肤色模型、动态肤色模型。简单定义肤色模型是通过实验观察，通过定义一系列规则来定义颜色空间中的肤色区域，采用的规则包括有人工定义的简单的线性函数、复杂的非线性函数，或者通过机器学习自动找到规则。非参数肤色模型通过训练集中的肤色出现频率直接估计每种颜色的肤色概率， 常用方法有查表法、 Bayes 法、SOM 法等，这类模型中的各颜色点的肤色概率值独立，准确性高，但缺乏泛化能力。参数肤色模型假定肤色分布符合某类具体的数学函数，并通过训练数据来确定出相应的参数，模型通常被假定为服从单高斯分布、多高斯分布、椭圆分布等，这种模型在训练数据不充分的情况下具有泛化能力，但其分布形式的假设缺乏有说服力的证明。动态肤色模型常应用于视频跟踪中，利用了前后帧信息的相关性。

此外近年来还提出了一种自适应阀值肤色检测方法， 提出了一种基于自适应阈值的肤色检测算法。相对于固定阈值的直方图检测方法，该算法可以针对不同的图像内容产生相应的最优分割阈值。通过对肤色概率分布直方图(SPDH)的观察分析，可以提取出4点线索来帮助寻找最优阈值， 在此基础上训练出一个人工神经网络分类器来确定最优阈值。同时提出了一种图像逻辑运算， 可以最大限度地去除混淆背景。提出的算法在寻找最优阈值的过程中无需迭代计算， 因此速度快，适合于实时应用。实验结果表明其性能优于广泛采用的固定阈值肤色检测方法， 但该算法主要适用于静态图象中的肤色检测。

发明内容

本发明的目的在于揭示一种人体肤色检测与评价的方法， 通过对图象或者画面中人体肤色区域的准确定位和肤色测评， 进而对图象或者电视画质进行客观评价， 并可以实现对图象或者电视画面中人体肤色的自动检测与评价。

一种人体肤色的测评方法， 包括 ： 将待测图象置于第一色彩空间 ； 在第一色彩空间对待测图象进行第一次检测 ； 将第一次检测的结果在第二色彩空间进行第二次检测； 根据第二次检测的结果确定人体肤色区域 ； 提取人体肤色区域的色彩特征 ； 根据所述的色彩特征对人体肤色进行测评。

作为本发明一个较佳实施例， 所述的色彩特征采用人体肤色区域的饱和度值及色彩空间中的色度值。

作为本发明一个较佳实施例， 所述饱和度值为饱和度均值， 所述色度值为色度均值。

作为本发明一个较佳实施例， 将所述的色彩特征输入分类器进行，根据分类结果对所述的人体肤色进行测评。

作为本发明一个较佳实施例， 所述根据第二次检测的结果确定人体肤色区域后，还包括，根据人眼位置确定人体肤色区域。

作为本发明一个较佳实施例，主要根据R值大于G和B值的条件，在RGB色彩空间对待测图象进行第一次检测， 对符合条件的象素点进行标记。

作为本发明一个较佳实施例， 将符合条件的象素点在 YCrCb 和HSV 色彩空间进行第二次检测后， 将非肤色区域和肤色区域分别进行标记。

作为本发明一个较佳实施例， 将符合条件的象素点在 YCrCb 和HSV 色彩空间内根据 Cb、 Cr 和 H 值的范围， 进行第二次检测。

本发明揭示的人体肤色测评方法， 可以应用在电视画质的测评中。

作为本发明一个较佳实施例，所述待测图象为从电视画面中截取的图像。

作为本发明一个较佳实施例，将所述人体肤色测评结果应用于电视机画质的测评。

本发明揭示的人体肤色测评方法，克服了同类系统和方法中仅采用估算和人为评测的不足并克服背景中近似肤色背景的影响 ； 由于采用人眼定位方法， 对于前期的色彩空间阈值可以适当放宽， 这样可以满足适应各类电视要求 ； 整个测评方法中的运算量较小， 实现性较高。

附图说明

附图 1 为本发明实施例中从电视画面截取的人像正面示意图 ；

附图 2 为图 1 的人眼定位示意图 ；

附图 3 为图 1 经过二次检测后的效果示意图 ；

附图 4 为本发明较佳实施例的人体肤色测评方法流程示意图。

具体实施方式

下面结合附图对本发明的较佳实施例进行详细阐述， 以使本发明的优点和特征能更易于被本领域技术人员理解， 从而对本发明的保护范围做出更为清楚明确的界定。

下面以电视画面中截取包含有人体的图象来对本发明进行详细阐述，但本发明并不限于应用在电视领域， 可以涉及数码相框、 显示器等电子消费产品。在实施例中， 以从电视中截取的带有正面人体头像的图象作为待检测图象， 这样人体肤色区域主要为人脸区域； 但本发明并不局限于此， 对于其他比如包括完整人体或者多个人体且暴露人体大部分皮肤在外的图象的肤色检测， 同样适用本发明的方法。

本发明揭示一种关于人体肤色检测与评价算法， 可以应用在电视画质客观评价系统中， 实现对电视画面中人体肤色的自动检测与评价。本发明的人体肤色测评方法能够准确的检测出图像中的肤色区域， 从而实现对该区域的图像与画质进行评价。

本发明实施例中主要利用数字图像处理方法来提取电视画面中的人体区域， 以画面或者图象中人体区域色彩为关键信息， 从而实现对电视人体肤色画质的客观评价。

本发明的人体肤色测评方法流程图如图 4 所示， 首先执行 S1 将待测图象置于第一色彩空间， 将确定的待测图象置于第一色彩空间(此处选为RGB色彩空间)， 待测图象可以是从电视画面截取的一幅带人体正面头像的图片 ； S2 在第一色彩空间进行第一次检测，根据一定条件对待测图象进行检测， 获得第一检测结果， 比如根据人体肤色R值大于G和B值的特点 ； S3 将第一次检测的结果在第二色彩空间进行第二次检测 (YCrCb 和 HSV 色彩空间 )， 比如根据肤色聚类特点和 H 的范围值， 将肤色区域和非肤色区域分别进行标记 ； S4 确定肤色区域， 剔除非肤色区域， 明确待检测图象的肤色区域， 将非肤色区域置零； S5 提取人体肤色区域的色彩特征， 从肤色区域中选取色彩特征， 比如色彩特征可以 YUV 色彩空间的U、 V 均值及色饱和度均值 ； S6根据色彩特征对人体肤色进行测评， 根据提取的色彩特征， 经过加工处理后对人体肤色进行测评， 比如将色彩特征进入分类器进行分类， 根据分类结果确定各人体肤色的测评结果 ； 进一步的， 可以根据人体肤色的测评结果对电视画质的优劣性进行测评。

在本发明实施例中， 首先从电视画面中截取一幅包括有一个上半身人像的图象作为待检测图象， 如图1所示。将待检测图像置于RGB色彩空间进行转化， 利用在RGB色彩空间中肤色偏红的特点， 对 R、 G、 B的值进行一次筛选， 根据 R 值大于 B 和 G 值的条件， 对待检测图象内各区域进行一次检测， 只留下符合条件的色彩区域。 RGB一次检测后的结果是一个二值图像， 图像中像素值为 1 的为候选肤色点， 0 为剔除的点， 一般人体的肤色都是红色占主导， 无论光照如何变化都是这样， 因此这次检测会剔除大部分的背景像素。 如果图象中没有检测到人体肤色， 则图象全部置0， 直接结束该人体肤色测评方法； 否则， 进入后续步骤。

将经过一次检测后的检测结果在 YCrCb 和 HSV 色彩空间中进行二次检测， 此处的检测条件主要是利用肤色在 Cr/Cb 的聚类特点， 并根据 HSV 色彩空间中 H 的范围进行二次检测。

HSV(hue， saturation， value)是一个表示色相、 饱和度和亮度的色彩空间， 这个色彩空间的模型对应于圆柱坐标系中的一个圆锥形子集。在 HSV 颜色模型中， 每一种颜色和它的补色相差 180°。饱和度 S 取值从 0 到 1， 所以圆锥顶面的半径为 1。HSV 颜色模型所代表的颜色域是 CIE 色度图的一个子集， 这个模型中饱和度为百分之百的颜色， 其纯度一般小于百分之百。可以说， HSV 模型中的 V 轴对应于 RGB 颜色空间中的主对角线。

YCrCb 是表示色差的色彩空间， Cr 与 Cb 是红色与绿色的差和绿色与蓝色的差，人体这两个差值是有一定范围的， 这个范围是通过大量实验和经验得出的。 HSV色彩空间中利5用的 H 值， 这个值相当于图像的亮度， 利用色相值值可以剔除一些曝光过度引起的误差， 在第二次检测图象中同时利用这 3 个值， 根据在 Cr/Cb 的肤色聚类特征得到一个限定更严格的二值图像。

在本实施例中，H 值的范围选择为 0.1 ＞ H ＞ 0.01 ； 而 Cr/Cb 的比值范围选择为1.1786＞Cr/Cb＞0.5641， 也可以将Cr与Cb分别计算， 阈值范围选择为165＞Cr＞110、195 ＞ Cb ＞140， 不过也可以根据实际需要进行调整。

经过 RGB 色彩空间的一次检测和 YCrCb 及 HSV 色彩空间的第二次检测后， 对最终的检测结果中的非肤色区进行标记， 根据肤色区域的形状和位置信息提取人体的眼睛区域， 如图2所示。确定包含人眼区域的肤色区域为人脸区域， 将其他区域像素置零得到人脸检测图， 如图 3 所示。由于初期选择的图卡原因， 人脸都为正面， 所以眼睛会很容易被剔除掉。 如何从确定的肤色区域对人体眼睛进行精确定位， 目前有多种类似的定位方法及研究，比如常用的霍夫变换法、 变形模板法、 边缘特征分析法和对称变换法等人眼定位方法。 本发明实施例中， 为了计算及分析方便， 采用如下方式给眼睛定位 ： 一般人眼的位置大概在图像中心偏上的区域， 另外两个眼睛的形状应该相似， 也就是以园作为这个区域的近似形状， 园的半径要相差较小， 这个即肤色区域的眼睛形状。 两个眼睛中心在水平方向高低一致， 竖直方向上又不能太近， 以此留下的区域为候选区域， 即确定眼睛的位置。

最后提取检测出的人脸区域的色彩特征即图象的色彩质量， 主要是图像中颜色的表现能力， 使用的具体参数是肤色区域中各像素点的饱和度 S(HSV 色彩空间中的 S) 的均值， 以及 YUV色彩空间中代表色差表现力的 U、 V 均值作为分类特征， 输入分类器进行分类。

因为电视不同， 拍出来的图像质量相差较大， 所以使用以支持向量机 (SVM) 为基础的分类器， 而非常规的固定分类方法， 首先利用较好和较差的样机的图片对 SVM 进行训练， 然后输入待测电视的图片， 对这个进行分类， 看它是属于哪一类的， 通过分类确定图象及画质的评价结果。 如果上述待检测图象中包含的是只有暴露部分背部肌肤在外的人体头像的反面，则因为人体背面没有眼睛， 所以对于眼睛的定位步骤可以直接省略。

本发明揭示的人体肤色测评方法， 克服了同类系统和方法中仅采用估算和人为评测的不足； 通过对人眼定位的方法可以准确定位人脸区域， 并且克服背景中近似肤色背景的影响 ； 由于采用人眼定位方法， 对于前期的色彩空间阈值可以适当放宽， 这样可以满足适应各类电视要求 ； 整个测评方法中的运算量较小， 实现性较高。

本发明揭示的人体肤色测评方法， 可以应用在电视领域， 用来评价电视画质， 也可以应用在数码相框、 显示器领域， 用来评价消费电子的显示能力及画质好坏。

以上所述， 仅为本发明的具体实施方式， 但本发明的保护范围并不局限于此， 任何熟悉本领域的技术人员在本发明所揭露的技术范围内， 可不经过创造性劳动想到的变化或替换， 都应涵盖在本发明的保护范围之内。 因此， 本发明的保护范围应该以权利要求书所限定的保护范围为准。

Claims (9)

1.一种人体肤色的测评方法，其特征在于，包括：

将待测图象置于RGB色彩空间；

在RGB色彩空间对待测图象进行第一次检测；

在第一次检测中对图像R值进行判断，只对R值大于B和G值的色彩区域进行保留；

将第一次检测的结果放置在YCrCb和HSV色彩空间，利用肤色在 Cr/Cb 的聚类特点和HSV 色彩空间中 的H值进行第二次检测；

根据第二次检测的结果确定人体肤色区域；

在第二次检测后的人体肤色区域上，根据肤色区域的形状和位置信息提取人体的眼睛区域，并根据人眼区域再次确定人体肤色区域；

提取人体肤色区域的色彩特征；

根据所述的色彩特征对人体肤色进行测评。

2.根据权利要求1所述的人体肤色的测评方法，其特征在于，所述的色彩特征为人体肤色区域的饱和度值及色彩空间中的色度值。

3.根据权利要求2所述的人体肤色的测评方法，其特征在于，所述饱和度值为饱和度均值，所述色度值为色度均值。

4.根据权利要求1所述的人体肤色的测评方法，其特征在于，根据所述的色彩特征对人体肤色进行测评为将所述的色彩特征输入分类器进行分类，根据分类结果对所述的人体肤色进行测评。

5.根据权利要求1～4之一所述的人体肤色的测评方法，其特征在于，根据R值大于G和B值的条件，在RGB色彩空间对待测图象进行第一次检测，对符合条件的象素点进行标记。

6.根据权利要求5所述的人体肤色的测评方法，其特征在于，将符合条件的象素点在YCrCb和HSV色彩空间进行第二次检测后，将非肤色区域和肤色区域分别进行标记。

7.根据权利要求6所述的人体肤色的测评方法，其特征在于，将符合条件的象素点在YCrCb和HSV色彩空间内根据Cb、Cr和H值的范围，进行第二次检测。

8.根据权利要求1～4之一所述的人体肤色的测评方法，其特征在于，所述待测图象为从电视画面中截取的图像。

9.根据权利要求8所述的人体肤色的测评方法，其特征在于，将所述人体肤色测评结果应用于电视机画质的测评。