CN105825161B - 图像的肤色检测方法及其系统 - Google Patents

Abstract

本申请公开了一种图像的肤色检测方法，其中，包括：提取图像的假设肤色的基准颜色模型；计算出图像的像素点与假设肤色的基准颜色模型的颜色距离值；计算出图像的像素点的背景概率值；根据图像的像素点的上述颜色距离值和上述背景概率值的结果判断其是否为肤色像素点。通过上述方法，可以确定图像的肤色区域和背景区域。

Description

图像的肤色检测方法及其系统

技术领域

本申请涉及计算领域的图片识别领域，尤其涉及一种图像的肤色检测方法及系统。

背景技术

在计算机领域的图片识别领域中，经常需要对图像中的肤色进行检测。比如在掌纹识别领域中，需要对系统所获取的图像中的肤色进行检测，以识别所获取的图像中是否具有人的手，以及手的具体姿势等信息。

针对上述肤色检测的需求，目前主要采用基于统计的肤色检测的方法：该方法主要基于统计，建立针对肤色的颜色变换和肤色的颜色模型，常用的颜色模型有RGB(Red红Green绿Blue蓝)、YCbCr和HSV(Hue色调Saturation饱和度Value亮度)等颜色模型。一般通过规定肤色范围、混合高斯建模和直方图统计等方法判断目标图像中的像素是否为肤色。

对图像中的肤色检测的准确性和便捷性会影响到系统对图像的处理结果的准确性。

本发明将提供一种新图像的肤色检测方法。

发明内容

本申请实施例提供一种图像的肤色检测系统和方法，可以检测图像的肤色区域和背景区域。

为解决上述问题，本申请实施例提供一种图像的肤色检测系统和方法。

一种图像的肤色检测方法，包括：

提取图像的假设肤色的基准颜色模型；

计算出图像的像素点与假设肤色的基准颜色模型的颜色距离值；

计算出图像的像素点的背景概率值；

根据图像的像素点的上述颜色距离值和上述背景概率值的结果判断其是否为肤色像素点。

一种图像的肤色检测系统，其特征在于，包括：

提取单元，用于提取将图像的基准颜色模型；

第一计算单元，用于计算图像中的像素点的颜色模型和基准颜色模型之间的颜色距离值；

第二计算单元，用于计算图像中的像素点的背景概率值；

第三计算单元，用于将图像中的像素点的颜色距离值和背景概率值相乘；

判断单元，用于根据上述将像素点的颜色距离值和概率相乘得到的值与预先设定阀值进行比对，判断其是否为肤色像素点。

由以上本申请实施例提供的技术方案可见，本申请实施例中，图像的肤色区域和背景区域可以被有效区分。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本应用申请的掌纹识别系统的实施例的流程示意图；

图2为本申请实施例提供的流程图；

图3为本申请实施例提供的系统结构图；

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请的图像肤色识别方法可以用于检测图像中的肤色区域和背景区域，以下将以掌纹识别系统中的手掌图像的肤色检测为一种实施例对本申请进行说明。

如图1所示，为一种掌纹识别系统的简单流程图，其工作时，掌纹识别系统先进行手掌图像的采集，即，掌纹识别系统通过摄像头拍摄用户的手掌的图像；然后，掌纹识别系统检测所获取的图像中是否含有有效的手掌图形，如掌纹识别系统检测不到所述图像中含有有效的手掌图形，则掌纹识别系统直接输出识别失败的结果，并结束此次掌纹识别工作；如掌纹识别系统检测到所述图像中含有有效的手掌图形，则掌纹识别系统会对图像进行肤色检测，以区分图像中的肤色区域和背景区域，在获取图像中的肤色区域后，掌纹识别系统会对图像中的手掌区域进行分割，以提取其相应的区域的掌纹，最后将提取到的掌纹进行掌纹识别，以判断该用户是否为合法用户。

通过上述掌纹识别系统的工作流程可知，肤色检测在掌纹识别系统中具有重要的作用，其会影响掌纹识别系统对手掌区域的分割的准确性，而对手掌区域的分割的准确性又会影响到掌纹提取，最后会影响到掌纹识别系统的有效性。本申请的肤色检测方法采用肤色在线建模和背景离线建模的方法对需要被检测的图像的肤色进行检测，即区分图像中的肤色区域和背景区域。所述的肤色在线建模是通过在需要被检测图像中截取一个区域或一个像素点，以该区域或像素点的RGB和/或HSV的颜色模型为基准颜色模型，将图像中其它的区域和/或像素点的RGB和/或HSV的颜色的值与上述基准模型的值进行比对，得出图像中其它区域和/或像素点的RGB和/或HSV的值与基准颜色模型的RGB和/或HSV的值之间的距离值。其中，上述基准颜色模型的区域和/或像素点是通过系统对图像中的手掌的定位选取的，即系统通过统计或训练，确认图像中的某些区域或像素点一定是肤色的区域或像素点，通过对图像的坐标定位选取上述区域或像素点作为假设肤色的基准颜色模型。如果选取假设肤色为一个区域，则取该区域内的所有像素点的RGB和/或HSV的颜色模型的值的平均值作为基准颜色模型；若选取的假设肤色为一个像素点则就以该像素点的RGB和/或HSV的颜色模型的值为基准颜色模型。所述背景的离线建模是系统预先通过大量的背景图像的H和S的值通过混合高斯模型建模，使系统获得背景的全局的颜色模型，然后，系统对所述图像的每个像素点与上述背景的全局颜色模型进行比对，得出图像中每个像素点是背景的概率值。最后系统将上述图像的每个像素点通过肤色在线建模得出的距离值和通过背景离线建模得出的概率值相乘，将相乘的结果与预先设定的阀值进行比对，以判断该像素点为肤色还是背景色。通过上述方式，可得出需要被检测的图像中的每一个像素点是肤色或背景，从而区分图像中的肤色区域和背景区域。

如图2所示，为本申请的肤色检测方法的实施例，其具体工作步骤如下：

S101：系统接受触发指令。

系统接受触发指令，准备对图像进行肤色检测。

S102：提取图像的假设肤色的基准颜色模型。

系统被触发后，通过图像的坐标定位截取图像的一个区域或像素点作为假设肤色区域，并且以该假设肤色区域的颜色模型作为基准颜色模型。本申请以假设肤色区域的每个像素点的RGB颜色模型中的B-G，G-R，B-R，的值的平均值和假设肤色的每个像素点的HSV颜色模型中的H的值的平均值的组合作为假设肤色的基准颜色模型。具体包括，首先根据假设肤色区域的像素点RGB颜色模型确定R的值，G的值，B的值；然后将B的值减去G的值得到B-G的值；将G的值减去R的值得到G-R的值；将B的值减去R的值得到B-R的值。通过上述方式使系统得到假设肤色的像素点的基准颜色模型的B-G，G-R，B-R的值。上述假设肤色区域的选取是系统经过统计或选练后获得的图像中的肤色区域的坐标后选取的，即假设肤色是系统预先通过图像的坐标定位获知所选取的区域肯定为肤色的区域。优选的，本申请通过选取图像的一个区域，并以该区域的像素点的颜色模型的值的平均值作为基准颜色模型。另，上述假设肤色的基准模型也可以仅以B-G，G-R，B-R的值作为基准颜色模型，加入H值作为基准颜色模型的一部分可以增加该基准颜色模型的可比对的纬度，从而提高与该基准颜色模型的比对结果的准确性。

S103：计算出图像的像素点与假设肤色的基准颜色模型的颜色距离值。

在得到上述基准颜色模型的B-G，G-R，B-R，H值后，将图像的所有像素点的颜色模型的B-G，G-R，B-R，H值与上述基准颜色模型的B-G，G-R，B-R，H值进行比对，两者之间的数值越接近，则越说明该像素点为肤色。

本申请采取将需要比对的图像的像素点的颜色模型的B-G，G-R，B-R，H值与基准颜色模型的B-G，G-R，B-R，H值相减，相减后所获得的数值越接近0，则表示该像素点是肤色的机率越大。在获得所有像素点的颜色模型的B-G，G-R，B-R，H值与基准颜色模型的B-G，G-R，B-R，H值相减后的结果后，本申请将像素的颜色模型的B-G，G-R，B-R，H相减的结果相加后，得到像素点与基准颜色模型的颜色距离值。通过上述方式，系统可以获得图像中的每个像素点与基准颜色模型的颜色距离值。

另，为提高计算效率，在获取图像的假设肤色区域后，系统也可以仅对图像的其它区域的像素点的颜色模型和基准颜色模型的进行比对。

S104：计算出图像的像素点的背景概率值。

在系统计算图像的所有像素的与基准颜色模型的颜色距离值的同时，系统也会同时计算图像的每个像素点的背景概率值，即改像素点位背景的概率。

在计算像素点的背景概率值之前，系统会预先对大量的背景图像进行背景颜色建模，本申请以背景图像的像素点的H值和S值通过混合高斯建模的方式使系统预先获得背景的全局颜色模型。即，系统以H值和S值作为背景的像素点的表征，通过混合高斯建模建立背景模型，通过该方式，使系统获得背景的像素点的全局颜色模型。该背景模型是系统预先建立好的，即离线建立。

计算时，系统获取图像的所有像素点的H值和S值，与上述背景模型的像素点的H值和S值进行比对，并通过预先设定的阀值，计算出图像中的像素点的背景概率值。

为提高计算效率本申请的S103和S104是同时进行的，在其它实施例中，S103和S104也可以分步进行，例如，系统先进行S103的计算，然后再进行S104的计算，当然，系统也可以先进行S104的计算，然后再进行S103的计算。通过上述方式，系统可以获得图像的每个像素点与基准颜色模型的颜色距离值和其为背景概率值。

S105：计算出图像的像素点的上述颜色距离值和上述背景概率值相乘后的值。

系统获得图像的像素点的上述颜色距离值和背景概率值后，系统会将上述两个值相乘后，以得到一个数值。

S106：根据上述相乘的结果判断该像素点是否为肤色区域。

获得像素的颜色距离值和背景概率值相乘后的值后，系统会将该数值与预先设定的阀值进行比对，从而确定该像素点是肤色或背景

通过上述方式，系统可以确定图像中每个像素点的为肤色或背景，从而将图像以像素点为单位分割成肤色区域和背景区域。

将图像的肤色区域和背景区域分割后，系统可以进行后续的计算，比如，在掌纹识别系统中，在系统或者图像的肤色区域后，可以通过手掌的形状，截取该肤色区域中的掌纹区域，并提取该掌纹区域的掌纹进行掌纹识别，并将比对后的结果返回给系统的终端，供用户或者比对结果。

以下介绍本申请的一种肤色检测系统的实施例

接受单元201，用于接受触发指令；

提取单元202，用于提取图像的基准颜色模型；

第一计算单元203，用于计算图像中的像素点的颜色模型和基准颜色模型之间的颜色距离值；

第二计算单元204，用于计算图像中的像素点的背景概率值；

第三计算单元205，用于将图像中的像素点的颜色距离值和背景概率值相乘；

判断单元206，用于根据上述将像素点的颜色距离值和概率相乘得到的值与预先设定阀值进行比对，判断其是否为肤色像素点。

上述第一计算单元203的基准颜色模型，是通过在先建模的形式获得的，即系统通过对图像的坐标定位截取一个区域作为假设肤色区域，该假设肤色区域时通过系统的统计或训练获知图像的某个坐标为肤色的确定的。将截取的假设肤色区域的像素点颜色模型的B-G，G-R，B-R，H值的平均值作为基准颜色模型的四个纬度，在获取基准颜色模型的B-G，G-R，B-R，H值后，将图像中的像素点的B-G，G-R，B-R，H值与基准颜色模型的B-G，G-R，B-R，H值分别相减后得到的4个值相加后，作为该像素点与基准颜色模型的距离值。

上述第二单元204在计算图像中的像素点的背景的概率时，是与系统预先建立的背景模型进行比对，本申请的背景模型是通过将图像的像素点以H值和S值为表针建立的背景全局颜色模型，将需要检测图像的像素点的H值和S值与背景模型的H值和S值之间的关系得出的该像素点为背景的概率。

本申请将上述距离值和概率值相乘的结果和预先的阀值比对后，确定该像素点为肤色或背景。

通过上述系统，可以将图像中的肤色区域和背景区域进行区分。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种图像的肤色检测方法，其特征在于，包括：

提取需要被检查的图像的假设肤色的基准颜色模型；所述基准颜色模型包括：所述假设肤色的所有像素点的RGB颜色模型的B-G值的平均值、G-R值的平均值、B-R值的平均值及所述假设肤色的所有像素点的HSV颜色模型的H值的平均值，其中，B-G值为B值与G值之差，G-R值为G值与R值之差，B-R值为B值与R值之差；

计算出所述图像的像素点与假设肤色的基准颜色模型的颜色距离值；

计算出所述图像的像素点的背景概率值；

根据所述图像的像素点的上述颜色距离值和上述背景概率值判断所述图像是否为肤色像素点；

所述计算出所述图像的像素点与假设肤色的基准颜色模型的颜色距离值具体包括：

将所述图像的像素点的B-G值、G-R值、B-R值、H值与所述基准颜色模型的B-G值、G-R值、B-R值、H值分别相减；

将上述相减得到的B-G值、G-R值、B-R值及H值相加，得到所述颜色距离值。

2.如权利要求1所述的方法，其特征在于，所述图像的假设肤色由系统通过图像的坐标确定，具体包括：

系统通过统计或训练，预先确认图像中为肤色区域的坐标的位置；

系统通过图像的上述肤色区域的坐标位置找到相应的假设肤色区域。

3.如权利要求1所述的方法，其特征在于，所述图像的像素点的背景概率值通过如下方法获得：

预先将由H值和S值表征的背景像素点通过混合高斯模型的方式建立背景模型；

通过所述图像的像素点的H值和S值与上述背景模型的比对，计算出所述图像的像素点的背景概率值。

4.如权利要求1所述的方法，其特征在于，将所述图像的像素点的颜色距离值与背景概率值相乘，相乘的结果与预先设定的阀值比对，确定上述像素点为肤色或背景。

5.如权利要求1所述的方法，其特征在于，图像的像素点的颜色距离值和背景概率值的计算同时执行，具体包括：

在计算上述图像的像素点的颜色距离值时；

上述图像的背景概率值也在被同时计算。

6.如权利要求1-5中任一项所述的方法，其特征在于，所述图像的肤色检测方法应用于掌纹识别方法中。

7.一种图像的肤色检测系统，其特征在于，包括：

提取单元，用于提取需要被检查的图像的基准颜色模型；所述基准颜色模型包括：假设肤色的所有像素点的RGB颜色模型的B-G值的平均值、G-R值的平均值、B-R值的平均值及所述假设肤色的所有像素点的HSV颜色模型的H值的平均值，其中，B-G值为B值与G值之差，G-R值为G值与R值之差，B-R值为B值与R值之差；

第一计算单元，用于计算所述图像中的像素点的颜色模型和基准颜色模型之间的颜色距离值；所述第一计算单元具体用于：将所述图像的像素点的B-G值、G-R值、B-R值、H值与所述基准颜色模型的B-G值、G-R值、B-R值、H值分别相减；将上述相减得到的B-G值、G-R值、B-R值及H值相加，得到所述颜色距离值；

第二计算单元，用于计算所述图像中的像素点的背景概率值；

第三计算单元，用于将所述图像中的像素点的颜色距离值和背景概率值相乘；

判断单元，用于将上述像素点的颜色距离值和概率相乘得到的值与预先设定阀值进行比对，判断所述图像是否为肤色像素点。

8.如权利要求7所述的系统，其特征在于，基准颜色模型通过由提取图像的假设肤色确定，具体包括：

系通预先通过统计或训练，预先确认图像中为肤色区域的坐标；

系通通过上述图像的坐标提取图像的假设肤色。

9.如权利要求7所述的系统，其特征在于，所述图像的像素点的背景概率值由该像素点的颜色模型的H值和S值与系统预先建立的背景模型的比对确定的，具体包括：

预先将由颜色模型的H值和S值表征的背景像素点通过混合高斯模型的方式，在系统内建立背景模型；

通过所述图像的像素点的颜色模型的H值和S值与上述背景模型的比对，计算出所述图像的像素点的背景概率值。

10.如权利要求7-9中任一项所述的系统，其特征在于，所述图像的肤色检测系统被应用于掌纹识别系统中。