CN104050455A - 一种肤色检测方法及系统 - Google Patents

一种肤色检测方法及系统 Download PDF

Info

Publication number
CN104050455A
CN104050455A CN201410290360.XA CN201410290360A CN104050455A CN 104050455 A CN104050455 A CN 104050455A CN 201410290360 A CN201410290360 A CN 201410290360A CN 104050455 A CN104050455 A CN 104050455A
Authority
CN
China
Prior art keywords
pixel
degree
skin
confidence
threshold values
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201410290360.XA
Other languages
English (en)
Other versions
CN104050455B (zh
Inventor
赵颜果
吴伟
宋展
马丽娅
王志国
喻召福
丁宏
张曼华
王坤鹏
陈滢
李晓榕
吴广生
张威轶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN201410290360.XA priority Critical patent/CN104050455B/zh
Publication of CN104050455A publication Critical patent/CN104050455A/zh
Application granted granted Critical
Publication of CN104050455B publication Critical patent/CN104050455B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Analysis (AREA)

Abstract

本发明涉及人机交互领域，尤其涉及一种肤色检测方法及系统，所述方法包括：获取多帧视频图像；通过聚类算法和预设的视觉分类器获取所述多帧图像的背景像素样本和肤色像素样本；通过所述背景像素样本和肤色像素样本建立多个肤色模型，并根据预设的排序指标对所述肤色模型进行排序；根据预设的置信度阀值和所述经过排序的肤色模型，对待检测图片进行肤色检测，获取确定为肤色的像素。本发明实施例，获取视频图像的背景像素样本和肤色像素样本，通过样本建立肤色模型，并通过肤色模型对视频图像进行检测，筛选出确定为肤色的像素，可以有效的避免肤色检测时受到有色光源、噪声的干扰，排除了与肤色相似的目标物的干扰，降低了肤色检测的误检率。

Description

一种肤色检测方法及系统
技术领域
本发明涉及人机交互领域，尤其涉及一种肤色检测方法及系统。
背景技术
肤色信息可以用于人脸、人手等部位的检测、识别和跟踪，肤色检测在人机交互领域具有重要的研究价值和应用前途。肤色检测主要是依据肤色像素值在不同颜色空间中的分布和统计特性来进行的，肤色检测一般是像素级别的，因此具有不受目标形变影响的特性，但是，皮肤颜色的分布受到环境光照、摄像头拍摄距离、以及用户个体差异等状况的影响。
发明内容
本发明实施例的目的在于提供一种肤色检测方法及系统，用于协助对特定人体部位的检测，提高对检测部位进行检测的速度，并解决现有技术肤色检测容易受到有色光源、噪声以及与肤色相似的目标物干扰的问题。
本发明实施例提供了一种肤色检测方法，所述方法包括以下步骤：
获取多帧视频图像；
通过聚类算法和预设的视觉分类器获取所述多帧图像的背景像素样本和肤色像素样本；
通过所述背景像素样本和肤色像素样本建立多个肤色模型，并根据预设的排序指标对所述肤色模型进行排序；
根据预设的置信度阀值和所述经过排序的肤色模型，对待检测图片进行肤色检测，获取确定为肤色的像素。
本发明实施例还提供了一种肤色检测系统，所述系统包括：
视频图像获取单元，用于获取多帧视频图像；
像素样本获取单元，用于通过聚类算法和预设的视觉分类器获取所述视频图像获取单元获取的多帧图像的背景像素样本和肤色像素样本；
肤色建模与排序单元，用于通过所述像素样本获取单元获取的背景像素样本和肤色像素样本建立多个肤色模型，并根据预设的排序指标对所述肤色模型进行排序；
检测单元，用于根据预设的置信度阀值和从所述肤色建模与排序单元所得的肤色模型，对待检测图片进行肤色检测，获取确定为肤色的像素。
本发明实施例，获取视频图像的背景像素样本和肤色像素样本，通过样本建立肤色模型，并通过肤色模型对视频图像进行检测，筛选出确定为肤色的像素，可以有效的避免肤色检测受到有色光源、噪声的干扰，排除了与肤色相似的目标物的干扰，降低了肤色检测的误检率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的肤色检测方法的流程图；
图2为本发明实施例提供的进行肤色检测的示意图；
图3为本发明实施例提供的肤色检测系统的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
实施例一
如图1所示为本发明实施例提供的肤色检测方法的流程图，所述方法包括以下步骤：
在步骤S101中，获取多帧视频图像。
在本发明实施例中，进行肤色检测的终端可以通过摄像头等图像获取设备获取视频图像，需要指出的是在该步骤中获取的是多帧图像。
在步骤S102中，通过聚类算法和预设的视觉分类器获取所述多帧图像的背景像素样本和肤色像素样本。
在本发明实施例中，进行肤色检测的终端通过预设的视觉分类器获取视频图像中待检测肤色部位，然后通过聚类算法从待检测肤色部位中获取背景像素样本和肤色像素样本。所述通过预设的视觉分类器和聚类算法获取所述多帧图像的背景像素样本和肤色像素样本的步骤，包括：
1、通过预设的视觉分类器从所述多帧图像中获取包含有肤色的待检测部位的图像。
在本发明实施例中，用户预先在进行肤色检测的终端设置了多个视觉分类器，当需要进行某个部位的肤色检测时，只需调用对应的视觉分类器即可从视频图像中，获取对应的待检测肤色部位图像，这样在该待检测肤色部位图像中的大部分即为肤色图像。
2、通过聚类算法从所述包含有肤色的待检测部位的图像中获取背景像素样本和肤色像素样本。
在本发明实施例中，设待检测肤色部位图像构成的像素集合的总体记为Ω，将Ω中像素变换到多个颜色空间，构建像素的多通道颜色表示，即假设像素p在Nc个颜色空间的向量表示分别为X1，X2，…，XNc，那么像素p新的表示为X＝(X1，X2，…，XNc)。在多颜色空间多通道表示下，通过无监督聚类方法将像素集合Ω分成K类，由于待检测肤色部位图像中的大部分即为肤色图像，所以包含像素最多的一类被认为是肤色类，记为Ω2。抽取视频图像中待检测肤色部位图像之外的像素，将其与Ω2中像素做对比，选取符合某种条件者形成背景像素集合，该背景像素集合即为背景像素样本集。
在步骤S103中，通过所述背景像素样本和肤色像素样本建立多个肤色模型，并根据预设的排序指标对所述肤色模型进行排序。
在本发明实施例中，进行肤色检测的终端通过上步中获取的背景像素样本和肤色像素样本建立多个肤色模型：M1，M2，…，Mm，所述肤色模型包括但不限于：肤色分布模型，肤色-背景判别模型；在建立了多个肤色模型之后，根据预设的排序指标对所述肤色模型进行排序，得到排序后的肤色模型：C1，C2，…，Cm，所述排序指标包括但不限于：检测效率、对背景像素的排除能力，其中检测效率越高、对背景像素的排除能力越强的肤色模型，排名越靠前。
举例说明：
假设需要使用RGB空间、HSV空间的H和S两数据通道、YCbCr空间的Cb，Cr数据通道，则建立的肤色模型为：1、RGB空间中的由多个线性不等式限定的区域，称之为分段线性分类器；2、使用样本集Ω2中的H和S两通道数据建立了Ω2中像素值分布的直方图模型；3、对样本集Ω2中的Cb，Cr两通道数据进行拟合，建立了混合高斯模型；4、将正负样本变换至(R/(R+G+B)，G/(R+G+B)，H，S，Cb，Cr)表示下，建立决策树判别模型。其中，根据检测效率四个模型的排序为：1＜3＜2＜4，但是模型2能够排除更多的背景像素，所以最终的排序为：1＜2＜3＜4。
在步骤S104中，根据预设的置信度阀值和所述经过排序的肤色模型，对待检测图片进行肤色检测，获取确定为肤色的像素。
在本发明实施例中，进行肤色检测的终端预设置信度阀值，用经过排序的肤色模型和置信度阀值对待检测图片进行筛选，获取确定为肤色的像素。所述根据预设的置信度阀值和所述经过排序的肤色模型，对待检测图片进行肤色检测，获取确定为肤色的像素，具体为：使用第一肤色模型对待检测图片进行检测，获取第一像素，所述第一像素包括：背景像素(置信度<第一置信度阀值)，第一未确定像素(第一置信度阀值≤置信度≤第二置信度阀值)，肤色像素(置信度＞第二置信度阀值)；使用第二肤色模型对第一未确定像素进行检测，获取第二像素，所述第二像素包括：背景像素(置信度＜第一置信度阀值，即所述背景像素为置信度小于第一置信度阀值的像素)，第二未确定像素(第一置信度阀值≤置信度≤第二置信度阀值，即置信度大于或等于第一置信度阀值且小于或等于第二置信度阀值的像素)，肤色像素(置信度＞第二置信度阀值)；…；使用第m肤色模型对第m-1未确定像素进行检测，获取第m像素，所述第m像素包括：背景像素(置信度＜第一置信度阀值)，第m未确定像素(第一置信度阀值≤置信度≤第二置信度阀值)，肤色像素(置信度＞第二置信度阀值)。每个肤色模型都是对上一模型分类中存在模糊性的像素继续分类，各个肤色模型所输出的肤色像素组成的集合，就是总的肤色像素点。
举例说明：
如图2所示为进行肤色检测的示意图。假设肤色建模阶段共生成了m枚肤色模型，经过排序之后分别为C1，…，Cm。检测方法描述如下：1、假设模糊像素集合Z(0)(0)＝待检测图片中的所有像素；2、对于k＝1，…，m，使用Ck对Z(0)(k-1)中的像素进行分类，属于肤色类的置信度高于一定阈值者被归于集合Z(1)(k),置信度低于一定阈值者被归于集合Z(-1)(k)，未确定像素则被归于集合Z(0)(k),因而有Z(0)(k-1)＝Z(1)(k)∪Z(-1)(k)∪Z(0)(k)；3、最终中像素为肤色像素，其余为非肤色像素。
本发明实施例，获取视频图像的背景像素样本和肤色像素样本，通过样本建立肤色模型，并通过肤色模型对视频图像进行检测，筛选出确定为肤色的像素，可以有效的避免肤色检测时受到有色光源、噪声的干扰，排除了与肤色相似的目标物的干扰，降低了肤色检测的误检率。
作为本发明的一个可选实施例，在所述通过预设的视觉分类器和聚类算法获取所述多帧图像的背景像素样本和肤色像素样本的步骤之前，所述方法还包括以下步骤：
预设多个视觉分类器。
在本发明实施例中，进行肤色检测的终端首先预设多个用于对视频图像中的待检测部位进行识别的视觉分类器，包括但不限于：人脸视觉分类器、人手视觉分类器和躯干视觉分类器。
实施例二
如图3所示为本发明实施例提供的肤色检测系统的结构图，为了便于说明，仅示出与本发明实施例相关的部分，包括：
视频图像获取单元301，用于获取多帧视频图像。
在本发明实施例中，视频图像获取单元301可以通过摄像头等图像获取设备获取视频图像，需要指出的是在该步骤中获取的是多帧图像。
像素样本获取单元302，用于通过聚类算法和预设的视觉分类器获取所述视频图像获取单元301获取的多帧图像的背景像素样本和肤色像素样本。
在本发明实施例中，像素样本获取单元302通过预设的视觉分类器获取视频图像中待检测肤色部位，然后通过聚类算法从待检测肤色部位中获取背景像素样本和肤色像素样本。所述像素样本获取单元302，包括：
待检测肤色部位图像获取子单元3021，用于通过预设的视觉分类器从所述多帧图像中获取包含有肤色的待检测部位的图像。
在本发明实施例中，用户预先在进行肤色检测的终端设置了多个视觉分类器，当需要进行某个部位的肤色检测时，只需调用对应的视觉分类器即可从视频图像中，获取对应的待检测肤色部位图像，这样在该待检测肤色部位图像中的大部分即为肤色图像。
像素样本获取子单元3022，用于通过聚类算法从所述待检测肤色部位图像获取子单元3021获取的包含有肤色的待检测部位的图像中获取背景像素样本和肤色像素样本。
在本发明实施例中，设待检测肤色部位图像构成的像素集合的总体为Ω，将Ω中像素变换到多个颜色空间，构建像素的多通道颜色表示，即假设像素p在Nc个颜色空间的向量表示分别为X1，X2，…，XNc，那么像素p新的表示为X＝(X1，X2，…，XNc)。在多颜色空间多通道表示下，通过无监督聚类方法将像素集合Ω分成K类，由于待检测肤色部位图像中的大部分即为肤色图像，所以包含像素最多的一类被认为是肤色类，记为Ω2。抽取视频图像中待检测肤色部位图像之外的像素，将其与Ω2中像素做对比，选取符合某种条件者形成背景像素集合，该背景像素集合即为背景像素样本。
肤色建模与排序单元303，用于通过所述像素样本获取单元302获取的背景像素样本和肤色像素样本建立多个肤色模型，并根据预设的排序指标对所述肤色模型进行排序。
在本发明实施例中，建立与排序单元303通过获取的背景像素样本和肤色像素样本建立多个肤色模型：M1，M2，…，Mm，所述肤色模型包括但不限于：肤色分布模型，肤色-背景判别模型；在建立了多个肤色模型之后，根据预设的检测条件对所述肤色模型进行排序，得到排序后的肤色模型：C1，C2，…，Cm，所述排序指标包括但不限于：检测效率、对背景像素的排除能力，其中检测效率越高、对背景像素的排除能力越强的肤色模型，排名越靠前。
检测单元304，用于根据预设的置信度阀值和从所述肤色建模与排序单元303所得的肤色模型，对待检测图片进行肤色检测，获取确定为肤色的像素。
在本发明实施例中，检测单元304预设置信度阀值，用经过排序的肤色模型和置信度阀值对待检测图片进行筛选，获取确定为肤色的像素。所述检测单元304进行检测，具体为：使用第一肤色模型对待检测图片进行检测，获取第一像素，所述第一像素包括：背景像素(置信度<第一置信度阀值)，第一未确定像素(第一置信度阀值≤置信度≤第二置信度阀值)，肤色像素(置信度＞第二置信度阀值)；使用第二肤色模型对第一未确定像素进行检测，获取第二像素，所述第二像素包括：背景像素(置信度＜第一置信度阀值，即所述背景像素为置信度小于第一置信度阀值的像素)，第二未确定像素(第一置信度阀值≤置信度≤第二置信度阀值，即置信度大于或等于第一置信度阀值且小于或等于第二置信度阀值的像素)，肤色像素(置信度＞第二置信度阀值)；…；使用第m肤色模型对第m-1未确定像素进行检测，获取第m像素，所述第m像素包括：背景像素(置信度＜第一置信度阀值)，第m未确定像素(第一置信度阀值≤置信度≤第二置信度阀值)，肤色像素(置信度＞第二置信度阀值)。每个肤色模型都是对上一模型分类中存在模糊性的像素继续分类，各个肤色模型所输出的肤色像素组成的集合，就是总的肤色像素点。
本发明实施例，获取视频图像的背景像素样本和肤色像素样本，通过样本建立肤色模型，并通过肤色模型对视频图像进行检测，筛选出确定为肤色的像素，可以有效的避免肤色检测时受到有色光源、噪声的干扰，排除了与肤色相似的目标物的干扰，降低了肤色检测的误检率。
作为本发明的一个可选实施例，在所述像素样本获取单元302获取样本之前，所述系统还包括：
视觉分类器预设单元，用于预设多个视觉分类器。
在本发明实施例中，视觉分类器预设单元首先预设多个用于对视频图像中的待检测部位进行识别的视觉分类器，包括但不限于：人脸视觉分类器、人手视觉分类器和躯干视觉分类器。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即所述系统的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元或模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元或模块既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种肤色检测方法，其特征在于，所述方法包括以下步骤：
获取多帧视频图像；
通过聚类算法和预设的视觉分类器获取所述多帧图像的背景像素样本和肤色像素样本；
通过所述背景像素样本和肤色像素样本建立多个肤色模型，并根据预设的排序指标对所述肤色模型进行排序；
根据预设的置信度阀值和所述经过排序的肤色模型，对待检测图片进行肤色检测，获取确定为肤色的像素。
2.如权利要求1所述的方法，其特征在于，在所述通过预设的视觉分类器和聚类算法获取所述多帧图像的背景像素样本和肤色像素样本的步骤之前，所述方法还包括以下步骤：
预设多个视觉分类器。
3.如权利要求1～2任一项所述的方法，其特征在于，所述通过预设的视觉分类器和聚类算法获取所述多帧图像的背景像素样本和肤色像素样本的步骤，包括：
通过预设的视觉分类器从所述多帧图像中获取包含有肤色的待检测部位的图像；
通过聚类算法从所述包含有肤色的待检测部位的图像中获取背景像素样本和肤色像素样本。
4.如权利要求1～2任一项所述的方法，其特征在于，所述根据预设的置信度阀值和所述经过排序的肤色模型，对待检测图片进行肤色检测，获取确定为肤色的像素，具体为：使用第一肤色模型对待检测图片进行检测，获取第一像素，所述第一像素包括：背景像素(置信度<第一置信度阀值)，第一未确定像素(第一置信度阀值≤置信度≤第二置信度阀值)，肤色像素(置信度＞第二置信度阀值)；使用第二肤色模型对第一未确定像素进行检测，获取第二像素，所述第二像素包括：背景像素(置信度＜第一置信度阀值)，第二未确定像素(第一置信度阀值≤置信度≤第二置信度阀值)，肤色像素(置信度＞第二置信度阀值)；…；使用第m肤色模型对第m-1未确定像素进行检测，获取第m像素，所述第m像素包括：背景像素(置信度＜第一置信度阀值)，第m未确定像素(第一置信度阀值≤置信度≤第二置信度阀值)，肤色像素(置信度＞第二置信度阀值)。
5.一种肤色检测系统，其特征在于，所述系统包括：
视频图像获取单元，用于获取多帧视频图像；
像素样本获取单元，用于通过聚类算法和预设的视觉分类器获取所述视频图像获取单元获取的多帧图像的背景像素样本和肤色像素样本；
肤色建模与排序单元，用于通过所述像素样本获取单元获取的背景像素样本和肤色像素样本建立多个肤色模型，并根据预设的排序指标对所述肤色模型进行排序；
检测单元，用于根据预设的置信度阀值和从所述肤色建模与排序单元所得的肤色模型，对待检测图片进行肤色检测，获取确定为肤色的像素。
6.如权利要求5所述的系统，其特征在于，在所述像素样本获取单元获取样本之前，所述系统还包括：
视觉分类器预设单元，用于预设多个视觉分类器。
7.如权利要求5～6任一项所述的系统，其特征在于，所述像素样本获取单元，包括：
待检测肤色部位图像获取子单元，用于通过预设的视觉分类器从所述多帧图像中获取包含有肤色的待检测部位的图像；
像素样本获取子单元，用于通过聚类算法从所述待检测肤色部位图像获取子单元获取的包含有肤色的待检测部位的图像中获取背景像素样本和肤色像素样本。
8.如权利要求5～6任一项所述的系统，其特征在于，所述检测单元进行检测，具体为：使用第一肤色模型对待检测图片进行检测，获取第一像素，所述第一像素包括：背景像素(置信度<第一置信度阀值)，第一未确定像素(第一置信度阀值≤置信度≤第二置信度阀值)，肤色像素(置信度＞第二置信度阀值)；使用第二肤色模型对第一未确定像素进行检测，获取第二像素，所述第二像素包括：背景像素(置信度＜第一置信度阀值)，第二未确定像素(第一置信度阀值≤置信度≤第二置信度阀值)，肤色像素(置信度＞第二置信度阀值)；…；使用第m肤色模型对第m-1未确定像素进行检测，获取第m像素，所述第m像素包括：背景像素(置信度＜第一置信度阀值)，第m未确定像素(第一置信度阀值≤置信度≤第二置信度阀值)，肤色像素(置信度＞第二置信度阀值)。
CN201410290360.XA 2014-06-24 2014-06-24 一种肤色检测方法及系统 Active CN104050455B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410290360.XA CN104050455B (zh) 2014-06-24 2014-06-24 一种肤色检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410290360.XA CN104050455B (zh) 2014-06-24 2014-06-24 一种肤色检测方法及系统

Publications (2)

Publication Number Publication Date
CN104050455A true CN104050455A (zh) 2014-09-17
CN104050455B CN104050455B (zh) 2018-01-16

Family

ID=51503268

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410290360.XA Active CN104050455B (zh) 2014-06-24 2014-06-24 一种肤色检测方法及系统

Country Status (1)

Country Link
CN (1) CN104050455B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104732206A (zh) * 2015-03-12 2015-06-24 苏州阔地网络科技有限公司 一种人脸检测方法及装置
CN107180415A (zh) * 2017-03-30 2017-09-19 北京奇艺世纪科技有限公司 一种图像中皮肤美化处理方法及装置
WO2019100282A1 (zh) * 2017-11-23 2019-05-31 深圳和而泰智能控制股份有限公司 一种人脸肤色识别方法、装置和智能终端

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101251898A (zh) * 2008-03-25 2008-08-27 腾讯科技（深圳）有限公司 一种肤色检测方法及装置
US20100166304A1 (en) * 2008-12-31 2010-07-01 Altek Corporation Method for Adjusting Skin Color of Digital Image
CN102073841A (zh) * 2009-11-20 2011-05-25 中国移动通信集团广东有限公司 一种不良视频检测方法及装置
CN103745193A (zh) * 2013-12-17 2014-04-23 小米科技有限责任公司 一种肤色检测方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101251898A (zh) * 2008-03-25 2008-08-27 腾讯科技（深圳）有限公司 一种肤色检测方法及装置
US20100166304A1 (en) * 2008-12-31 2010-07-01 Altek Corporation Method for Adjusting Skin Color of Digital Image
CN102073841A (zh) * 2009-11-20 2011-05-25 中国移动通信集团广东有限公司 一种不良视频检测方法及装置
CN103745193A (zh) * 2013-12-17 2014-04-23 小米科技有限责任公司 一种肤色检测方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104732206A (zh) * 2015-03-12 2015-06-24 苏州阔地网络科技有限公司 一种人脸检测方法及装置
CN107180415A (zh) * 2017-03-30 2017-09-19 北京奇艺世纪科技有限公司 一种图像中皮肤美化处理方法及装置
CN107180415B (zh) * 2017-03-30 2020-08-14 北京奇艺世纪科技有限公司 一种图像中皮肤美化处理方法及装置
WO2019100282A1 (zh) * 2017-11-23 2019-05-31 深圳和而泰智能控制股份有限公司 一种人脸肤色识别方法、装置和智能终端

Also Published As

Publication number Publication date
CN104050455B (zh) 2018-01-16

Similar Documents

Publication Publication Date Title
CN108108761B (zh) 一种基于深度特征学习的快速交通信号灯检测方法
CN110941594B (zh) 一种视频文件的拆分方法、装置、电子设备及存储介质
Rachmadi et al. Vehicle color recognition using convolutional neural network
CN104268583B (zh) 基于颜色区域特征的行人重识别方法及系统
CN108520226B (zh) 一种基于躯体分解和显著性检测的行人重识别方法
CN103020992B (zh) 一种基于运动颜色关联的视频图像显著性检测方法
CN103824091B (zh) 一种用于智能交通系统的车牌识别方法
CN107273832B (zh) 基于积分通道特征与卷积神经网络的车牌识别方法及系统
CN107480643B (zh) 一种智能垃圾分类处理的机器人
CN103914683A (zh) 基于人脸图像的性别识别方法及系统
CN109918971B (zh) 监控视频中人数检测方法及装置
CN104504383B (zh) 一种基于肤色和Adaboost算法的人脸检测方法
CN106909884B (zh) 一种基于分层结构和可变形部分模型的手部区域检测方法和装置
CN104778474A (zh) 一种用于目标检测的分类器构建方法及目标检测方法
CN102968637A (zh) 一种复杂背景图像文字分割方法
CN112906550B (zh) 一种基于分水岭变换的静态手势识别方法
CN104281839A (zh) 一种人体姿势识别方法和装置
CN103440035A (zh) 一种三维空间中的手势识别系统及其识别方法
CN111160194B (zh) 一种基于多特征融合的静态手势图像识别方法
CN110956099B (zh) 一种动态手势指令识别方法
CN105069816B (zh) 一种进出口人流量统计的方法及系统
CN105426816A (zh) 一种处理人脸图像的方法及装置
CN107169996A (zh) 一种视频中动态人脸识别方法
CN108345835B (zh) 一种基于仿复眼感知的目标识别方法
CN104050455A (zh) 一种肤色检测方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant