CN105516585A - 一种自动调整肤色的装置和方法 - Google Patents

Abstract

本发明公开了一种自动调整肤色的装置和方法。该方法包括：识别出图像中的人脸并作为目标样本保存；生成所述目标样本中每个人脸的多个特征属性，以及对应每个特征属性的肤色调整参数；计算每个人脸对应的肤色调整参数的加权平均值，根据加权平均值分别对图像中人脸的肤色进行调整。通过识别出图像中的人脸，生成每个人脸的多个特征属性以及对应的肤色调整参数，计算肤色调整参数的加权平均值，识别出的人脸根据各自对应的加权平均值进行肤色调整，使得多人拍照时各自进行相适应的肤色调整，实现了肤色调整时的差异化和个性化。

Description

一种自动调整肤色的装置和方法

技术领域

本发明涉及图形处理领域，尤其涉及一种自动调整肤色的装置和方法。

背景技术

用户进行多人拍照时，所有人都使用同样的美肤级别。这样会导致有些人看上去不真实。比如一个皮肤略黑的男人和一位皮肤白皙的女性合照，用户不希望看到男人和女人是一样白嫩，而是根据人的实际情况有层次有对比的提升肤色，两者的美肤程度处于各自特征协调的程度即可。同理，老人及小孩的肤色应尽量控制在合适的范围内，肤色调整到同一颜色也不够协调。

发明内容

本发明的主要目的在于提出一种自动调整肤色的装置和方法，旨在解决多人拍照时将所有人肤色调整至同一水平导致的与各自实际情况的不协调。

为实现上述目的，本发明提供的一种自动调整肤色的装置，包括：

人脸识别单元，用于识别出图像中的人脸并作为目标样本保存；

参数生成单元，用于生成所述目标样本中每个人脸的多个特征属性，以及对应每个特征属性的肤色调整参数；

计算调整单元，用于计算每个人脸对应的肤色调整参数的加权平均值，根据加权平均值分别对图像中人脸的肤色进行调整。

其中，所述特征属性包括性别、年龄、脸型和人脸大小。

其中，所述参数生成单元，包括：

分类器生成模块，用于通过对性别参考图像中的人脸图像进行特征提取，得到特征向量，并使用特征向量通过置信度要求进行挑选，组成训练集；最后使用训练集训练得到分类器；

性别识别模块，用于由性别分类器对所述目标样本中的人脸进行性别分类；

年龄识别模块，用于将所述目标样本中人脸的肤色像素值与预存的年龄样本库中的肤色像素值依次进行比较生成肤色距离，将肤色距离最小的年龄样本的年龄作为人脸的年龄；

脸型识别模块，用于将所述目标样本中人脸与脸型样本库中的脸型样本进行比较，将差异最小的脸型作为人脸的脸型；

人脸大小识别模块，用于识别出目标样本中各个人脸的两个特征点，计算两个特征点之间的距离；

参数生成模块，用于获取性别预设的对应的肤色调整参数；所述年龄样本预设的对应的肤色调整参数；所述脸型样本预设有对应的肤色调整参数；计算人脸大小自身距离与最大距离的比值作为肤色调整参数。

其中，生成所述肤色距离具体为：

${\mathrm{Dis}}_i=\sqrt{{(R_{des}-R_i)}^2+{(G_{des}-G_i)}^2+{(B_{des}-B_i)}^2},(i=1,2,3...N)$

其中Dis为肤色距离，R_des、G_des和B_des分别为人脸的红色像素值、绿色像素值和蓝色像素值，R_i、G_i和B_i分别为第i个年龄样本的红色像素值、绿色像素值和蓝色像素值，N表示年龄样本的个数。

其中，所述性别、年龄、脸型和人脸大小对应的肤色调整参数的权重分别为0.3、0.3、0.2和0.2。

此外，为实现上述目的，本发明还提出一种自动调整肤色的方法，包括：

识别出图像中的人脸并作为目标样本保存；

生成所述目标样本中每个人脸的多个特征属性，以及对应每个特征属性的肤色调整参数；

计算每个人脸对应的肤色调整参数的加权平均值，根据加权平均值分别对图像中人脸的肤色进行调整。

其中，所述特征属性包括性别、年龄、脸型和人脸大小。

其中，所述生成所述目标样本中每个人脸的多个特征属性，以及对应每个特征属性的肤色调整参数，包括：

通过对性别参考图像中的人脸图像进行特征提取，得到特征向量，并使用特征向量通过置信度要求进行挑选，组成训练集；最后使用训练集训练得到分类器；

由性别分类器对所述目标样本中的人脸进行性别分类；

将所述目标样本中人脸的肤色像素值与预存的年龄样本库中的肤色像素值依次进行比较生成肤色距离，将肤色距离最小的年龄样本的年龄作为人脸的年龄；

将所述目标样本中人脸与脸型样本库中的脸型样本进行比较，将差异最小的脸型作为人脸的脸型；

识别出目标样本中各个人脸的两个特征点，计算两个特征点之间的距离；

获取性别预设的对应的肤色调整参数；所述年龄样本预设的对应的肤色调整参数；所述脸型样本预设有对应的肤色调整参数；计算人脸大小自身距离与最大距离的比值作为肤色调整参数。

其中，生成所述肤色距离具体为：

${\mathrm{Dis}}_i=\sqrt{{(R_{des}-R_i)}^2+{(G_{des}-G_i)}^2+{(B_{des}-B_i)}^2},(i=1,2,3...N)$

其中Dis为肤色距离，R_des、G_des和B_des分别为人脸的红色像素值、绿色像素值和蓝色像素值，R_i、G_i和B_i分别为第i个年龄样本的红色像素值、绿色像素值和蓝色像素值，N表示年龄样本的个数。

其中，所述性别、年龄、脸型和人脸大小对应的肤色调整参数的权重分别为0.3、0.3、0.2和0.2。

本发明提出的自动调整肤色的装置和方法，通过识别出图像中的人脸，生成每个人脸的多个特征属性以及对应的肤色调整参数，计算肤色调整参数的加权平均值，识别出的人脸根据各自对应的加权平均值进行肤色调整，使得多人拍照时各自进行相适应的肤色调整，实现了肤色调整时的差异化和个性化。

附图说明

图1为实现本发明各个实施例的图像采集装置的硬件架构示意图；

图2为实现本发明各个实施例的图像采集装置的电气结构示意图；

图3为本发明具体实施方式中提供的一种自动调整肤色的方法的第一实施例的方法流程图；

图4为本发明具体实施方式中提供的一种自动调整肤色的方法的第二实施例的方法流程图；

图5为本发明具体实施方式中提供的一种自动调整肤色的装置的第一实施例的结构方框图；

图6为本发明具体实施方式中提供的一种自动调整肤色的装置的第二实施例的结构方框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

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。

现在将参考附图描述实现本发明各个实施例的图像采集设备。在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身并没有特定的意义。因此，"模块"与"部件"可以混合地使用。

图像采集设备可以独立实施，也可以集成于各种形式的电子终端来来实施。例如，本发明中描述的图像采集设备可以集成于包括诸如移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置等等的移动电子终端以及诸如数字TV、台式计算机等等的固定电子终端。需要说明的是，本方案中的图像采集设备指用于实现数字图像采集的图像采集设备，特别是实现静态数字图像采集的图像采集设备。

图1为实现本发明各个实施例的图像采集设备的硬件结构示意。

图像采集设备100可以包括控制器110、A/V(音频/视频)输入单元120、用户输入单元130、接口单元140、输出单元150、存储器160、和电源单元170等等。图1示出了具有各种组件的图像采集设备100，但是应理解的是，并不要求实施所有示出的组件。可以替代地实施更多或更少的组件。将在下面详细描述图像采集设备100的元件。

控制器110通常控制图像采集设备100的总体操作。例如，控制器180执行与图像采集模式的切换相关的操作，数字图像数据的存储和删除控制，图像采集设备100的参数设置等。

A/V输入单元120用于接收音频或视频信号。A/V输入单元120可以包括摄像头121和麦克风122，控制器110对摄像头121在视频捕获模式或图像捕获模式中由图像捕获装置获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元151上。经控制器110处理后的图像帧可以存储在存储器160(或其它存储介质)中。麦克风122可以在录制动态数字图像(即视频)的过程中中接收声音(音频数据)，并且能够将这样的声音处理为音频数据。处理后的音频(语音)数据同步到动态数字图像中。麦克风122可以实施各种类型的噪声消除(或抑制)算法以消除(或抑制)在接收和发送音频信号的过程中产生的噪声或者干扰。

用户输入单元130可以根据用户输入的命令生成键输入数据以控制图像采集设备100的各种操作。用户输入单元130允许用户输入各种类型的信息，并且可以包括键盘、锅仔片、触摸板(例如，检测由于被接触而导致的电阻、压力、电容等等的变化的触敏组件)等等。特别地，当触摸板以层的形式叠加在显示单元151上时，可以形成触摸屏。

接口单元140用作至少一个外部装置与图像采集设备100连接可以通过的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元140可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到图像采集设备100内的一个或多个元件或者可以用于在图像采集设备和外部装置之间传输数据。

另外，当图像采集设备100与外部底座连接时，接口单元170可以用作允许通过其将电力从底座提供到图像采集设备100的路径或者可以用作允许从底座输入的各种命令信号通过其传输到图像采集设备100的路径。从底座输入的各种命令信号或电力可以用作用于识别图像采集设备100是否准确地安装在底座上的信号。

输出单元150被构造为以视觉、音频和/或触觉方式提供输出信号(例如，音频信号、视频信号、警报信号、振动信号等等)。输出单元150可以包括显示单元151、音频输出模块152等等。

显示单元151可以显示在图像采集设备100中处理的信息。主要是显示捕获的图像和/或接收的图像、示出视频或图像以及相关功能的UI或GUI等等。

同时，当显示单元151和触摸板以层的形式彼此叠加以形成触摸屏时，显示单元151可以用作输入装置和输出装置。显示单元151可以包括液晶显示器(LCD)、薄膜晶体管LCD(TFT-LCD)、有机发光二极管(OLED)显示器、柔性显示器、三维(3D)显示器等等中的至少一种。这些显示器中的一些可以被构造为透明状以允许用户从外部观看，这可以称为透明显示器，典型的透明显示器可以例如为TOLED(透明有机发光二极管)显示器等等。

音频输出模块152可以在图像采集设备100处于数字图像查看模式时，将存储器160中存储的音频数据转换音频信号并且输出为声音。而且，音频输出模块152可以提供与图像采集设备100执行的特定功能相关的音频输出(例如，开门声音等等)。音频输出模块152可以包括扬声器、蜂鸣器等等。

存储器160可以存储由控制器180执行的处理和控制操作的软件程序等等，或者可以暂时地存储己经输出或将要输出的数据(例如，电话簿、消息、静态图像、视频等等)。而且，存储器160可以存储关于当触摸施加到触摸屏时输出的各种方式的振动和音频信号的数据。

存储器160可以包括至少一种类型的存储介质，所述存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等等。

电源单元170在控制器180的控制下接收外部电力或内部电力并且提供操作各元件和组件所需的适当的电力。

这里描述的各种实施方式可以以使用例如计算机软件、硬件或其任何组合的计算机可读介质来实施。对于硬件实施，这里描述的实施方式可以通过使用特定用途集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理装置(DSPD)、可编程逻辑装置(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、被设计为执行这里描述的功能的电子单元中的至少一种来实施，在一些情况下，这样的实施方式可以在控制器180中实施。对于软件实施，诸如过程或功能的实施方式可以与允许执行至少一种功能或操作的单独的软件模块来实施。软件代码可以由以任何适当的编程语言编写的软件应用程序(或程序)来实施，软件代码可以存储在存储器160中并且由控制器180执行。

需要特别指出的是，当图像采集设备集成于电子终端时，其中的硬件结构将会出现大量的复用，例如当图像采集设备集成于手机时，控制器100可由手机的处理器实现，存储器160也作为手机的存储硬件，麦克风122作为手机通话是的送话器等。手机中集成图像采集设备在现有技术中有普遍实现，在此不再对手机的硬件架构另行陈述。

在上述整体架构的基础上，图像采集设备具体通过如图2所示的电气结构实现。

请参考图2，图1为相机的电气结构框图。

摄影镜头1211由用于形成被摄体像的多个光学镜头构成，为单焦点镜头或变焦镜头。摄影镜头1211在镜头驱动器1221的控制下能够在光轴方向上移动，镜头驱动器1221根据来自镜头驱动控制电路1222的控制信号，控制摄影镜头1211的焦点位置，在变焦镜头的情况下，也可控制焦点距离。镜头驱动控制电路1222按照来自微型计算机1217的控制命令进行镜头驱动器1221的驱动控制。

在摄影镜头1211的光轴上、由摄影镜头1211形成的被摄体像的位置附近配置有摄像元件1212。摄像元件1212用于对被摄体像摄像并取得摄像图像数据。在摄像元件1212上二维且呈矩阵状配置有构成各像素的光电二极管。各光电二极管产生与受光量对应的光电转换电流，该光电转换电流由与各光电二极管连接的电容器进行电荷蓄积。各像素的前表面配置有拜耳排列的RGB滤色器。

摄像元件1212与摄像电路1213连接，该摄像电路1213在摄像元件1212中进行电荷蓄积控制和图像信号读出控制，对该读出的图像信号(模拟图像信号)降低重置噪声后进行波形整形，进而进行增益提高等以成为适当的信号电平。

摄像电路1213与A/D转换器1214连接，该A/D转换器1214对模拟图像信号进行模数转换，向总线1227输出数字图像信号(以下称之为图像数据)。

总线1227是用于传送在相机的内部读出或生成的各种数据的传送路径。在总线1227连接着上述A/D转换器1214，此外还连接着图像处理器1215、JPEG处理器1216、微型计算机1217、SDRAM(SynchronousDynamicrandomaccessmemory，同步动态随机存取内存)1218、存储器接口(以下称之为存储器I/F)1219、LCD(LiquidCrystalDisplay，液晶显示器)驱动器1220。

图像处理器1215对基于摄像元件1212的输出的图像数据进行OB相减处理、白平衡调整、颜色矩阵运算、伽马转换、色差信号处理、噪声去除处理、同时化处理、边缘处理等各种图像处理。JPEG处理器1216在将图像数据记录于记录介质1225时，按照JPEG压缩方式压缩从SDRAM1218读出的图像数据。此外，JPEG处理器1216为了进行图像再现显示而进行JPEG图像数据的解压缩。进行解压缩时，读出记录在记录介质1225中的文件，在JPEG处理器1216中实施了解压缩处理后，将解压缩的图像数据暂时存储于SDRAM1218中并在LCD1226上进行显示。另外，在本实施方式中，作为图像压缩解压缩方式采用的是JPEG方式，然而压缩解压缩方式不限于此，当然可以采用MPEG、TIFF、H.264等其他的压缩解压缩方式。

微型计算机1217发挥作为该相机整体的控制部的功能，统一控制相机的各种处理序列。微型计算机1217连接着操作单元1223和闪存1224。

操作单元1223包括但不限于实体按键或者虚拟按键，该实体或虚拟按键可以为电源按钮、拍照键、编辑按键、动态图像按钮、再现按钮、菜单按钮、十字键、OK按钮、删除按钮、放大按钮等各种输入按钮和各种输入键等操作控件，检测这些操作控件的操作状态，。

将检测结果向微型计算机1217输出。此外，在作为显示器的LCD1226的前表面设有触摸面板，检测用户的触摸位置，将该触摸位置向微型计算机1217输出。微型计算机1217根据来自操作单元1223的操作位置的检测结果，执行与用户的操作对应的各种处理序列。

闪存1224存储用于执行微型计算机1217的各种处理序列的程序。微型计算机1217根据该程序进行相机整体的控制。此外，闪存1224存储相机的各种调整值，微型计算机1217读出调整值，按照该调整值进行相机的控制。

SDRAM1218是用于对图像数据等进行暂时存储的可电改写的易失性存储器。该SDRAM1218暂时存储从A/D转换器1214输出的图像数据和在图像处理器1215、JPEG处理器1216等中进行了处理后的图像数据。

存储器接口1219与记录介质1225连接，进行将图像数据和附加在图像数据中的文件头等数据写入记录介质1225和从记录介质1225中读出的控制。记录介质1225例如为能够在相机主体上自由拆装的存储器卡等记录介质，然而不限于此，也可以是内置在相机主体中的硬盘等。

LCD驱动器1210与LCD1226连接，将由图像处理器1215处理后的图像数据存储于SDRAM1218，需要显示时，读取SDRAM1218存储的图像数据并在LCD1226上显示，或者，JPEG处理器1216压缩过的图像数据存储于SDRAM1218，在需要显示时，JPEG处理器1216读取SDRAM1218的压缩过的图像数据，再进行解压缩，将解压缩后的图像数据通过LCD1226进行显示。

LCD1226配置在相机主体的背面进行图像显示。该LCD1226LCD，然而不限于此，也可以采用有机EL等各种显示面板(LCD1226)，然而不限于此，也可以采用有机EL等各种显示面板。

基于上述图像采集设备的硬件架构及电气结构，提出本发明方法各个实施例。

请参考图3，其是本发明具体实施方式中提出的一种方法自动调整肤色的方法第一实施例的方法流程图，如图所示，该方法包括：

步骤S101：识别出图像中的人脸并作为目标样本保存。

人脸识别，是基于人的脸部特征信息进行身份识别的过程。比较常见的是采用Adaboost学习算法，其对人脸图像中的模式特征，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等进行分类进而实现人脸识别。

对于人脸图像而言，在对其进行分类前可以进行若干预处理，主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。

对于识别出的人脸作为目标样本保存以供后续处理。

步骤S102：生成目标样本中每个人脸的多个特征属性，以及对应每个特征属性的肤色调整参数。

用于描述人脸的特征属性有很多，例如根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。又例如由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述等。

在本方案中，实现的不是精确到个体的细节差异的识别，而仅仅设计到与其肤色处理相关的特征属性，两个长相不同的人有可能具有相同的肤色相关的特征属性，在本方案中即针对这类特征属性进行处理。

每个人脸所对应的特征属性会匹配不同的肤色调整参数，多个不同的肤色调整参数综合实现对整体的调整控制。

步骤S103：计算每个人脸对应的肤色调整参数的加权平均值，根据加权平均值分别对图像中人脸的肤色进行调整。

每个肤色调整参数对肤色产生不同的影响力，这一不同的影响力通过权重进行衡量，整体的调整基于每个人脸对应的多个肤色调整参数的加权平均值确定。

对于肤色而言，美白程度是有极限值的，如果超出极限值，则会出现肤色异常、五官不分明等负面影响。因此，所有的人脸的肤色调整只能是向极限值靠近，基本不适合达到极限值。加权平均值在肤色调整过程中的影响具体在于，将当前肤色值向极限值调整，调整的幅度为极限值与当前肤色值的差值乘以加权平均值。假设极限值是100，当前肤色值是40，加权平均值为0.3，那么调整后的肤色值应该为40+(100-40)×0.3＝58。具体肤色值的设定标准在现有的肤色调整方案中多有描述，在此不对其做过多描述。

综上所述，通过识别出图像中的人脸，生成每个人脸的多个特征属性以及对应的肤色调整参数，计算肤色调整参数的加权平均值，识别出的人脸根据各自对应的加权平均值进行肤色调整，使得多人拍照时各自进行相适应的肤色调整，实现了肤色调整时的差异化和个性化。

请参考图4，其是本发明具体实施方式中提出的一种方法自动调整肤色的方法第二实施例的方法流程图，如图所示，该方法包括：

步骤S201：识别出图像中的人脸并作为目标样本保存。

人脸的特征属性包括性别、年龄、脸型和人脸大小。

与人脸肤色相关的特征属性主要集中在性别、年龄、脸型和人脸大小。一般而言，男性的肤色调整参数较小，女性的肤色调整参数较大，以与性别能适应的肤色相对应；老年人和小孩的肤色调整参数较小，中青年的肤色调整参数较大，以与年龄的能适应的肤色向对应；脸型可以定义为标准脸、圆形脸、方形脸、长方形脸、倒三角形脸、正三角形脸、菱形脸七种，各自也有相适应的肤色调整参数。最后需要说明的是人脸大小强调的不是人脸的真实大小，而是采集图像时人脸与镜头的距离，距离镜头越远，人脸越小，反之越大。

步骤S202：通过对性别参考图像中的人脸图像进行特征提取，得到特征向量，并使用特征向量通过置信度要求进行挑选，组成训练集；最后使用训练集训练得到分类器。

其中，特征向量对应的性别进行识别。虽然得到了每个特征向量对应的性别，但性别识别结果的可信度还不能确定。例如:某特征向量中待测性别为男性的概率为0.6，待测性别为女性的概率为0.4，则可以确定该特征向量对应的性别为男性。但男性和女性的概率比较接近，在精确度较高的系统中，这一识别结果的可信度较低。因此，需要对得到的性别识别结果的可信度进行衡量，即确定各性别识别结果的置信度，从中选择出识别结果的置信度较高的特征向量。

步骤S203：由性别分类器对目标样本中的人脸进行性别分类。

步骤S204：将目标样本中人脸的肤色像素值与预存的年龄样本库中的肤色像素值依次进行比较生成肤色距离，将肤色距离最小的年龄样本的年龄作为人脸的年龄。

其中，生成肤色距离具体为：

${\mathrm{Dis}}_i=\sqrt{{(R_{des}-R_i)}^2+{(G_{des}-G_i)}^2+{(B_{des}-B_i)}^2},(i=1,2,3...N)$

其中Dis为肤色距离，R_des、G_des和B_des分别为人脸的红色像素值、绿色像素值和蓝色像素值，R_i、G_i和B_i分别为第i个年龄样本的红色像素值、绿色像素值和蓝色像素值，N表示年龄样本的个数。

步骤S205：将目标样本中人脸与脸型样本库中的脸型样本进行比较，将差异最小的脸型作为人脸的脸型。

步骤S206：识别出目标样本中各个人脸的两个特征点，计算两个特征点之间的距离。

两个特征点例如双眼外侧眼角所在的点，或者双眼内侧眼角所在的点，对应的距离为双眼外角的距离，两眼之间的距离，也可选择其它位置，例如一个外侧眼角，一个内侧眼角。均可用于描述在图像采集时人脸与镜头的相对距离。

本方案中的性别分类、形状比较、特征点识别等均基于特征提取、特征向量、训练集等实现，在本方案中不做重点描述。

步骤S207：获取性别预设的对应的肤色调整参数；年龄样本预设的对应的肤色调整参数；脸型样本预设有对应的肤色调整参数；计算人脸大小自身距离与最大距离的比值作为肤色调整参数。

性别、年龄和脸型有各自预设的对应肤色调整参数，而人脸大小对应的肤色调整参数是直接通过计算获得。上述四个特征属性可以只取其中部分作为肤色调整的参考，也可另外增加特征属性作为参考。

假设N个人双眼之间的距离分别为L1,L2,L3….LN(N为画面中检测到的总人数)。则各人的肤色调整参数可这样计算：

双眼距离最大的人：Lmax＝max(L1,L2,L3….LN)

每人的肤色调整参数: $D_i=\frac{L_i}{L\max },\left(i=1,2,3,\mathrm{...}N\right)$

步骤S208：计算每个人脸对应的肤色调整参数的加权平均值，根据加权平均值分别对图像中人脸的肤色进行调整。

每个人最后的综合调整参数， ${\mathrm{DEC}}_i=\frac{{\mathrm{\λ}}_1{A}_i+{\mathrm{\λ}}_2{B}_i+{\mathrm{\λ}}_3{C}_i+{\mathrm{\λ}}_4{D}_i}{{\mathrm{\λ}}_1+{\mathrm{\λ}}_2+{\mathrm{\λ}}_3+{\mathrm{\λ}}_4},(i=$ $1,2,3....N)$

其中Ai、Bi、Ci和Di分别为性别、年龄、脸型和人脸对应的肤色调整参数，λ为每个特征属性的加权平均值。比如我们认为年龄和性别在美肤级别中影响最大性别、年龄、脸型和人脸大小对应的肤色调整参数的权重分别为0.3、0.3、0.2和0.2。也可以默认均为0.25，有用户手动调节各个特征属性的权重。

综上所述，通过识别出图像中的人脸，生成每个人脸的多个特征属性以及对应的肤色调整参数，计算肤色调整参数的加权平均值，识别出的人脸根据各自对应的加权平均值进行肤色调整，使得多人拍照时各自进行相适应的肤色调整，实现了肤色调整时的差异化和个性化。对四个特征属性对应的肤色调整参数的生成过程进一步明确了参数的生成过程，便于肤色的快速个性化调整。

本发明进一步提供一种自动调整肤色的装置，以下为自动调整肤色的装置的实施例，装置的实施例基于前述的方法的实施例实现，在装置的实施例中未尽的描述，请参考前述的方法的实施例。

请参考图5，其是本发明具体实施方式中提出的一种方法自动调整肤色的装置第一实施例的结构方框图，如图所示，该装置包括：

人脸识别单元10，用于识别出图像中的人脸并作为目标样本保存；

参数生成单元20，用于生成目标样本中每个人脸的多个特征属性，以及对应每个特征属性的肤色调整参数；

计算调整单元30，用于计算每个人脸对应的肤色调整参数的加权平均值，根据加权平均值分别对图像中人脸的肤色进行调整。

综上所述，上述各单元的协同运转，通过识别出图像中的人脸，生成每个人脸的多个特征属性以及对应的肤色调整参数，计算肤色调整参数的加权平均值，识别出的人脸根据各自对应的加权平均值进行肤色调整，使得多人拍照时各自进行相适应的肤色调整，实现了肤色调整时的差异化和个性化。

请参考图6，其是本发明具体实施方式中提出的一种方法自动调整肤色的装置第二实施例的结构方框图，如图所示，该装置包括：

人脸识别单元10，用于识别出图像中的人脸并作为目标样本保存；

参数生成单元20，用于生成目标样本中每个人脸的多个特征属性，以及对应每个特征属性的肤色调整参数；

计算调整单元30，用于计算每个人脸对应的肤色调整参数的加权平均值，根据加权平均值分别对图像中人脸的肤色进行调整。

其中，特征属性包括性别、年龄、脸型和人脸大小。

其中，参数生成单元20，包括：

分类器生成模块21，用于通过对性别参考图像中的人脸图像进行特征提取，得到特征向量，并使用特征向量通过置信度要求进行挑选，组成训练集；最后使用训练集训练得到分类器；

性别识别模块22，用于由性别分类器对目标样本中的人脸进行性别分类；

年龄识别模块23，用于将目标样本中人脸的肤色像素值与预存的年龄样本库中的肤色像素值依次进行比较生成肤色距离，将肤色距离最小的年龄样本的年龄作为人脸的年龄；

脸型识别模块24，用于将目标样本中人脸与脸型样本库中的脸型样本进行比较，将差异最小的脸型作为人脸的脸型；

人脸大小识别模块25，用于识别出目标样本中各个人脸的两个特征点，计算两个特征点之间的距离；

参数生成模块26，用于获取性别预设的对应的肤色调整参数；年龄样本预设的对应的肤色调整参数；脸型样本预设有对应的肤色调整参数；计算人脸大小自身距离与最大距离的比值作为肤色调整参数。

其中，生成肤色距离具体为：

${\mathrm{Dis}}_i=\sqrt{{(R_{des}-R_i)}^2+{(G_{des}-G_i)}^2+{(B_{des}-B_i)}^2},(i=1,2,3...N)$

其中Dis为肤色距离，R_des、G_des和B_des分别为人脸的红色像素值、绿色像素值和蓝色像素值，R_i、G_i和B_i分别为第i个年龄样本的红色像素值、绿色像素值和蓝色像素值，N表示年龄样本的个数。

其中，性别、年龄、脸型和人脸大小对应的肤色调整参数的权重分别为0.3、0.3、0.2和0.2。

综上所述，上述各单元的协同运转，通过识别出图像中的人脸，生成每个人脸的多个特征属性以及对应的肤色调整参数，计算肤色调整参数的加权平均值，识别出的人脸根据各自对应的加权平均值进行肤色调整，使得多人拍照时各自进行相适应的肤色调整，实现了肤色调整时的差异化和个性化。对四个特征属性对应的肤色调整参数的生成过程进一步明确了参数的生成过程，便于肤色的快速个性化调整。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种自动调整肤色的装置，其特征在于，包括：

人脸识别单元，用于识别出图像中的人脸并作为目标样本保存；

参数生成单元，用于生成所述目标样本中每个人脸的多个特征属性，以及对应每个特征属性的肤色调整参数；

计算调整单元，用于计算每个人脸对应的肤色调整参数的加权平均值，根据加权平均值分别对图像中人脸的肤色进行调整。

2.根据权利要求1所述的装置，其特征在于，所述特征属性包括性别、年龄、脸型和人脸大小。

3.根据权利要求2所述的装置，其特征在于，所述参数生成单元，包括：

分类器生成模块，用于通过对性别参考图像中的人脸图像进行特征提取，得到特征向量，并使用特征向量通过置信度要求进行挑选，组成训练集；最后使用训练集训练得到分类器；

性别识别模块，用于由性别分类器对所述目标样本中的人脸进行性别分类；

年龄识别模块，用于将所述目标样本中人脸的肤色像素值与预存的年龄样本库中的肤色像素值依次进行比较生成肤色距离，将肤色距离最小的年龄样本的年龄作为人脸的年龄；

脸型识别模块，用于将所述目标样本中人脸与脸型样本库中的脸型样本进行比较，将差异最小的脸型作为人脸的脸型；

人脸大小识别模块，用于识别出目标样本中各个人脸的两个特征点，计算两个特征点之间的距离；

参数生成模块，用于获取性别预设的对应的肤色调整参数；所述年龄样本预设的对应的肤色调整参数；所述脸型样本预设有对应的肤色调整参数；计算人脸大小自身距离与最大距离的比值作为肤色调整参数。

4.根据权利要求3所述的装置，其特征在于，生成所述肤色距离具体为：

${\mathrm{Dis}}_i=\sqrt{{(R_{des}-R_i)}^2+{(G_{des}-G_i)}^2+{(B_{des}-B_i)}^2},(i=1,2,3...N)$

其中Dis为肤色距离，R_des、G_des和B_des分别为人脸的红色像素值、绿色像素值和蓝色像素值，R_i、G_i和B_i分别为第i个年龄样本的红色像素值、绿色像素值和蓝色像素值，N表示年龄样本的个数。

5.根据权利要求2至4任一项所述的装置，其特征在于，所述性别、年龄、脸型和人脸大小对应的肤色调整参数的权重分别为0.3、0.3、0.2和0.2。

6.一种自动调整肤色的方法，其特征在于，包括：

识别出图像中的人脸并作为目标样本保存；

生成所述目标样本中每个人脸的多个特征属性，以及对应每个特征属性的肤色调整参数；

计算每个人脸对应的肤色调整参数的加权平均值，根据加权平均值分别对图像中人脸的肤色进行调整。

7.根据权利要求6所述的方法，其特征在于，所述特征属性包括性别、年龄、脸型和人脸大小。

8.根据权利要求7所述的方法，其特征在于，所述生成所述目标样本中每个人脸的多个特征属性，以及对应每个特征属性的肤色调整参数，包括：

通过对性别参考图像中的人脸图像进行特征提取，得到特征向量，并使用特征向量通过置信度要求进行挑选，组成训练集；最后使用训练集训练得到分类器；

由性别分类器对所述目标样本中的人脸进行性别分类；

将所述目标样本中人脸的肤色像素值与预存的年龄样本库中的肤色像素值依次进行比较生成肤色距离，将肤色距离最小的年龄样本的年龄作为人脸的年龄；

将所述目标样本中人脸与脸型样本库中的脸型样本进行比较，将差异最小的脸型作为人脸的脸型；

识别出目标样本中各个人脸的两个特征点，计算两个特征点之间的距离；

获取性别预设的对应的肤色调整参数；所述年龄样本预设的对应的肤色调整参数；所述脸型样本预设有对应的肤色调整参数；计算人脸大小自身距离与最大距离的比值作为肤色调整参数。

9.根据权利要求8所述的方法，其特征在于，生成所述肤色距离具体为：

${\mathrm{Dis}}_i=\sqrt{{(R_{des}-R_i)}^2+{(G_{des}-G_i)}^2+{(B_{des}-B_i)}^2},(i=1,2,3...N)$

其中Dis为肤色距离，R_des、G_des和B_des分别为人脸的红色像素值、绿色像素值和蓝色像素值，R_i、G_i和B_i分别为第i个年龄样本的红色像素值、绿色像素值和蓝色像素值，N表示年龄样本的个数。

10.根据权利要求7至9任一项所述的方法，其特征在于，所述性别、年龄、脸型和人脸大小对应的肤色调整参数的权重分别为0.3、0.3、0.2和0.2。