CN103020633A - 一种图像压缩域上的肤色检测方法 - Google Patents

Abstract

本发明涉及一种图像压缩域上的肤色检测方法，包括以下步骤：A、对一待检测图像进行哈夫曼解码及反量化，得到Y，Cb，Cr颜色分量上各个图像块的对应DCT系数；B、根据所得到的DCT系数计算获得每个图像块的颜色特征和纹理特征；C、将所获得的每个颜色特征和纹理特征，送入一皮肤分类器进行阈值化计算，判定满足肤色区域概率值与非肤色区域概率值的比值大于一阈值的图像块属于候选皮肤区域；D、对该候选皮肤区域进行肤色区域迭代校验，以剔除噪声，直到检测到该候选皮肤区域光滑为止。本发明的肤色检测方法具有性能稳定、速度快等优点。

Description

一种图像压缩域上的肤色检测方法

技术领域

本发明涉及模式识别领域，尤其是涉及一种肤色检测方法。

背景技术

目前互联网上大部分图像都是采用JPEG的压缩标准，对于这些图像，现在的肤色检测方法都是首先将图像解压缩，然后对这些像素逐个地进行判别，但是，完全解压缩JPEG需要很大的计算量，再加上自适应检测算法的迭代操作，给自适应皮肤检测算法带来了很大的计算负担。

发明内容

本发明的目的在于提供一种性能稳定且速度快的图像压缩域上的肤色检测方法，不需完全解码图像，而是通过DCT系数计算每个图像块的颜色和纹理特征，并同时利用颜色和纹理特征来判断每个图像块是否为人体肤色区域。

根据本发明的一实施例，提供一种图像压缩域上的肤色检测方法，其特点在于，包括以下步骤：

A、对一待检测图像进行哈夫曼解码及反量化，得到Y，Cb，Cr颜色分量上各个图像块的对应DCT系数；

B、根据所得到的DCT系数计算获得每个图像块的颜色特征和纹理特征；

C、将所获得的每个颜色特征和纹理特征，送入一皮肤分类器进行阈值化计算，判定满足肤色区域概率值与非肤色区域概率值的比值大于一阈值的图像块属于候选皮肤区域；

D、对该候选皮肤区域进行肤色区域迭代校验，以剔除噪声，直到检测到该候选皮肤区域光滑为止。

优选地，在步骤A中，对于N×N大小的图像块，其中的各像素值为f(i，j)，i，j＝0，...，N-1，该图像块对应DCT系数为F(u，v)，u＝0，..，N-1，v＝0，...，N-1。

优选地，在步骤B中，每个图像块的颜色特征color_block用该图像块内所有像素的平均颜色来表示：

color_block＝[Y_block，Cb_block，Cr_block]。

优选地，在步骤B中，每个图像块的纹理特征texture_block用Y颜色分量的方差表示，其计算公式如下：

${\mathrm{texture}}_{\mathrm{block}}=\underset{u=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{v=0}{\overset{N-1}{\mathrm{\Σ}}}{\left[F(u,v)\right]}^2,(u,v)\≠\left(\mathrm{0,0}\right).$

优选地，在步骤B中，对于一个由m个图像块构成的区域，其纹理特征texture_region可以计算为：

${\mathrm{texture}}_{\mathrm{region}}=\frac{1}{m}\{\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{texture}}_{\mathrm{block}}+\frac{1}{N^2}\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{\left[F_k\left(\mathrm{0,0}\right)\right]}^2\}-{[-\frac{1}{\mathrm{mN}}\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{\left[F_k\left(\mathrm{0,0}\right)\right]}^2]}^2.$

优选地，在步骤C中，满足下式的图像块判定为候选皮肤区域，

$F(\mathrm{color},\mathrm{texture})=\frac{P(\mathrm{color},\mathrm{texture}|\mathrm{skin})}{P(\mathrm{color},\mathrm{texture}|{\mathrm{skin}}^{\′})}>\mathrm{\τ},$

其中，skin为肤色区域，P(color，texture|skin)为肤色区域概率值，skin′为非肤色区域，P(color，texture|skin′)为非肤色区域概率值，τ为初始阈值。

优选地，在步骤D中，进一步包括：首先采用一较小的初始阈值，利用这个较小的初始阈值检测出图像块中的候选图像块；然后逐步增大阈值，不断剔除噪声，直到检测到皮肤区域光滑为止。

优选地，该初始阈值τ为1。

优选地，在步骤D的检测过程中，可根据图像内容自适应调整该初始阈值。

优选地，该待检测图像为JPEG图像。

本发明的图像压缩域上的肤色检测算法，不需要完全解码图像，而是通过DCT系数计算每个图像块的颜色和纹理特征，并同时利用颜色和纹理特征来判断每个图像块是否为人体肤色区域。算法直接在压缩码流上操作，速度较快，同时由于充分考虑了人体肤色的颜色和纹理特征信息，在检测过程中根据图像内容自适应调整检测门限，检测精度高。总之，基于图像压缩域上的肤色检测有性能稳定、速度快等诸多优点，应用前景广泛。

附图说明

为了更好地理解本发明，下面结合附图和优选实施例对本发明进行详细的说明，其中：

图1示出了本发明的肤色检测方法的流程图。

具体实施方式

如图1所示，其是以JPEG图像为例说明本发明的图像压缩域上的肤色检测方法，其主要包括以下步骤：

步骤11，获得一待检测的JPEG图像。

步骤12，对该待检测的JPEG图像进行哈夫曼(Huffman)解码及反量化，以得到Y，Cb，Cr颜色分量上各个图像块的对应DCT系数。

步骤13，根据所得到的DCT系数计算获得每个图像块的颜色特征和纹理特征。

步骤14，阈值化得到候选肤色区域。也即，将所获得的每个颜色特征和纹理特征，送入一皮肤分类器进行阈值化计算，判定满足肤色区域概率值与非肤色区域概率值的比值大于一阈值的图像块属于候选皮肤区域；

步骤15，对该候选皮肤区域进行肤色区域迭代校验，以剔除噪声，直到检测到该候选皮肤区域光滑为止。

在本发明中，图像块的颜色特征可以用该图像块内的所有像素的平均颜色来表示：

color_block＝[Y_block，Cb_block，Cr_block]

而皮肤的一个重要特征就是具有光滑纹理，本发明采用局部方差来描述纹理，方差越小，纹理越光滑。并且，由于人眼对彩色细节的分辨能力低，因此本发明仅考虑Y通道(即Y颜色分量)的方差。因此，每个图像块的纹理特征为 ${\mathrm{texture}}_{\mathrm{block}}={\mathrm{\σ}}_{\mathrm{block}}^2,$ 图像区域的纹理为 ${\mathrm{texture}}_{\mathrm{region}}={\mathrm{\σ}}_{\mathrm{region}}^2.$

对于N×N大小的图像块，其中的各像素值为f(i，j)，i，j＝0，...，N-1，该图像对应DCT系数为F(u，v)，u＝0，..，N-1，v＝0，...，N-1。则有2维离散余弦变换定义如下：

$F(u,v)=\frac{2}{N}C\left(u\right)C\left(v\right)[\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{N-1}{\mathrm{\Σ}}}f(i,j)\×\cos \frac{(2i+1)\mathrm{u\π}}{2N}\cos \frac{(2j+1)\mathrm{v\π}}{2N}]---\left(1\right)$

逆变换为：

$F(i,j)=\frac{2}{N}C\left(u\right)C\left(v\right)[\underset{u=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{v=0}{\overset{N-1}{\mathrm{\Σ}}}f(u,v)\×\cos \frac{(2i+1)\mathrm{u\π}}{2N}\cos \frac{(2j+1)\mathrm{v\π}}{2N}]---\left(2\right)$

其中， $C\left(u\right),C\left(v\right)=\left\{\begin{array}{cc}1/\sqrt{2}& u=v=0\\ 1& \mathrm{others}\end{array}\right.$

那么图像块中各像素在该颜色分量上的强度均值为：

${\mathrm{\μ}}_{\mathrm{block}}=\frac{1}{N^2}\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{N-1}{\mathrm{\Σ}}}f(i,j)=\frac{2}{N^3}\underset{u=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{v=0}{\overset{N-1}{\mathrm{\Σ}}}C\left(u\right)C\left(v\right)F(u,v)\×\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}\cos \frac{(2i+1)\mathrm{u\π}}{2N}\underset{j=0}{\overset{N-1}{\mathrm{\Σ}}}\cos \frac{(2j+1)\mathrm{v\π}}{2N}---\left(3\right)$

由于

$\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}\cos \frac{(2i+1)\mathrm{u\π}}{2N}=\left\{\begin{array}{cc}N& u=0\\ 0& \mathrm{others}\end{array}\right.$

故： ${\mathrm{\μ}}_{\mathrm{block}}=\frac{1}{N}F\left(\mathrm{0,0}\right)---\left(4\right)$

所以，图像块纹理计算为：

${\mathrm{texture}}_{\mathrm{block}}={\mathrm{\σ}}_{\mathrm{block}}^2=\frac{1}{N^2}\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{N-1}{\mathrm{\Σ}}}{\left[f(i,j)\right]}^2-{\mathrm{\μ}}_{\mathrm{block}}^2---\left(5\right)$

又因为parseval不等式，有 $\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{N-1}{\mathrm{\Σ}}}{\left[f(i,j)\right]}^2=\underset{u=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{v=0}{\overset{N-1}{\mathrm{\Σ}}}{\left[F(u,v)\right]}^2$

式(5)变为 ${\mathrm{texture}}_{\mathrm{block}}=\underset{u=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{v=0}{\overset{N-1}{\mathrm{\Σ}}}{\left[F(u,v)\right]}^2,(u,v)\≠\left(\mathrm{0,0}\right)$

对于一个由m个图像块构成的区域，纹理可以计算为：

${\mathrm{texture}}_{\mathrm{region}}=\frac{1}{m}\{\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{texture}}_{\mathrm{block}}+\frac{1}{N^2}\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{\left[F_k\left(\mathrm{0,0}\right)\right]}^2\}-{[-\frac{1}{\mathrm{mN}}\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{\left[F_k\left(\mathrm{0,0}\right)\right]}^2]}^2---\left(6\right)$

因此，对于候选肤色区域提取，可以根据上步计算的颜色和纹理特征，送入皮肤分类器，标记所有满足下式的图像块属于候选皮肤区。

$F(\mathrm{color},\mathrm{texture})=\frac{P(\mathrm{color},\mathrm{texture}|\mathrm{skin})}{P(\mathrm{color},\mathrm{texture}|{\mathrm{skin}}^{\′})}>\mathrm{\τ},$

其中，skin为肤色区域，P(color，texture|skin)为肤色区域概率值，skin′为非肤色区域，P(color，texture|skin′)为非肤色区域概率值，τ为初始阈值。

在本发明一实施例中，假定初始阈值τ为1，以此进行肤色区域迭代校验。在本发明中，初始阈值τ如果选的太小，可能会导致很多非皮肤图像块被误认为皮肤，相反，如果阈值选的太大，又可能会导致皮肤图像块被认为非皮肤，因此，在本发明一较佳实施例中，根据皮肤纹理的光滑性迭代，可以首先采用较小的初始阈值τ₀，利用这个阈值检测出图像块中的候选图像块，然后逐步增大阈值，不断剔除噪声，直到检测到皮肤区域光滑为止。在本发明其它实施例中，可在检测过程中根据图像内容自适应调整检测门限，即调整该初始阈值，以提高检测精度。

本发明上述的实施例是基于JPEG图像压缩域上的肤色检测算法，其不需要完全解码JPEG图像，而是通过DCT系数计算每个图像块的颜色和纹理特征，并同时利用颜色和纹理特征来判断每个图像块是否为人体肤色区域。

并且，由于算法直接在压缩码流上操作，速度较快，同时由于充分考虑了人体肤色的颜色和纹理特征信息，在检测过程中根据图像内容自适应调整检测门限，检测精度高。因此，基于JPEG图像压缩域上的肤色检测有性能稳定、速度快等诸多优点，应用前景广泛。

本发明的上述基于JPEG图像压缩域上的肤色检测算法同样适用于动态图像中的压缩域上的肤色检测。

当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (10)

1.一种图像压缩域上的肤色检测方法，其特征在于，包括以下步骤：

A、对一待检测图像进行哈夫曼解码及反量化，得到Y，Cb，Cr颜色分量上各个图像块的对应DCT系数；

B、根据所得到的DCT系数计算获得每个图像块的颜色特征和纹理特征；

C、将所获得的每个颜色特征和纹理特征，送入一皮肤分类器进行阈值化计算，判定满足肤色区域概率值与非肤色区域概率值的比值大于一阈值的图像块属于候选皮肤区域；

D、对该候选皮肤区域进行肤色区域迭代校验，以剔除噪声，直到检测到该候选皮肤区域光滑为止。

2.根据权利要求1所述的图像压缩域上的肤色检测方法，其特征在于，在步骤A中，对于N×N大小的图像块，其中的各像素值为f(i，j)，i，j＝0，...，N-1，该图像块对应DCT系数为F(u，v)，u＝0，..，N-1，v＝0，...，N-1。

3.根据权利要求2所述的图像压缩域上的肤色检测方法，其特征在于，在步骤B中，每个图像块的颜色特征color_block用该图像块内所有像素的平均颜色来表示：

color_block＝[Y_block，Cb_block，Cr_block]。

4.根据权利要求3所述的图像压缩域上的肤色检测方法，其特征在于，在步骤B中，每个图像块的纹理特征texture_block用Y颜色分量的方差表示，其计算公式如下：

${\mathrm{texture}}_{\mathrm{block}}=\underset{u=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{v=0}{\overset{N-1}{\mathrm{\Σ}}}{\left[F(u,v)\right]}^2,(u,v)\≠\left(\mathrm{0,0}\right).$

5.根据权利要求4所述的图像压缩域上的肤色检测方法，其特征在于，在步骤B中，对于一个由m个图像块构成的区域，其纹理特征texture_region可以计算为：

${\mathrm{texture}}_{\mathrm{region}}=\frac{1}{m}\{\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{texture}}_{\mathrm{block}}+\frac{1}{N^2}\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{\left[F_k\left(\mathrm{0,0}\right)\right]}^2\}-{[-\frac{1}{\mathrm{mN}}\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{\left[F_k\left(\mathrm{0,0}\right)\right]}^2]}^2.$

6.根据权利要求5所述的图像压缩域上的肤色检测方法，其特征在于，在步骤C中，满足下式的图像块判定为候选皮肤区域，

$F(\mathrm{color},\mathrm{texture})=\frac{P(\mathrm{color},\mathrm{texture}|\mathrm{skin})}{P(\mathrm{color},\mathrm{texture}|{\mathrm{skin}}^{\′})}>\mathrm{\τ},$

其中，skin为肤色区域，P(color，texture|skin)为肤色区域概率值，skin′为非肤色区域，P(color，texture|skin′)为非肤色区域概率值，τ为初始阈值。

7.根据权利要求6所述的图像压缩域上的肤色检测方法，其特征在于，在步骤D中，进一步包括：

首先采用一较小的初始阈值，利用这个较小的初始阈值检测出图像块中的候选图像块；

然后逐步增大阈值，不断剔除噪声，直到检测到皮肤区域光滑为止。

8.根据权利要求7所述的图像压缩域上的肤色检测方法，其特征在于，该初始阈值τ为1。

9.根据权利要求7所述的图像压缩域上的肤色检测方法，其特征在于，在步骤D的检测过程中，可根据图像内容自适应调整该初始阈值。

10.根据权利要求1～9任一权利要求所述的图像压缩域上的肤色检测方法，其特征在于，该待检测图像为JPEG图像。