CN107818285A - 一种肤色检测方法及装置 - Google Patents
一种肤色检测方法及装置 Download PDFInfo
- Publication number
- CN107818285A CN107818285A CN201610818698.7A CN201610818698A CN107818285A CN 107818285 A CN107818285 A CN 107818285A CN 201610818698 A CN201610818698 A CN 201610818698A CN 107818285 A CN107818285 A CN 107818285A
- Authority
- CN
- China
- Prior art keywords
- face detection
- msub
- mrow
- target image
- color
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Abstract
本发明实施例公开了一种肤色检测方法及装置,方法包括:首先确定至少两个颜色空间,然后了利用所确定的至少两个颜色空间的肤色检测规则对接收的目标图像进行肤色检测,获得肤色检测结果;相对于仅利用一个颜色空间来对接收到的目标图像进行肤色检测来说,本发明实施例利用至少两个颜色空间对接收到的目标图像进行肤色检测,能够将不同颜色空间下的肤色检测结果进行叠加,很大程度上降低了因某一个颜色空间的误检而导致肤色检测结果不准确的概率,提高了肤色检测的准确度。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种肤色检测方法及装置。
背景技术
肤色检测,顾名思义就是检测图像中的肤色像素点,从而确定图像中的肤色区域。肤色检测在人脸检测和跟踪、图像内容审查、人物检索、皮肤问题诊断以及化妆品效果分析等领域有着广泛的应用,因此,肤色检测也被人们越来越多的关注和研究。
目前,最常用的肤色检测方法是阈值法,阈值法最为简单实用,该方法是在某个颜色空间中定义各个参量的肤色取值范围,当目标图像中某一像素的各个参量值满足上述的各肤色取值范围时,判定该像素为肤色像素。常见的颜色空间有RGB、YUV、YCbCr、HSV以及Lab等。
上述各个参量的肤色取值范围通常是经过大量实验后总结得到的,可能存在一定程度的不准确性,因此在进行肤色检测时容易误检。例如,在利用YCbCr颜色空间进行肤色检测时,可以设置两个色度参数Cb、Cr的肤色取值范围分别为[77,127]、[133,173],Y的肤色取值范围为[60,245],上述肤色取值范围易导致目标图像中偏白的区域在检测时不敏感,容易出现误检,造成检测结果不够准确。因此,应用上述方式对目标图像进行肤色检测时,容易出现误检,肤色检测的准确度较低。
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装置,以提高肤色检测的准确度。
为达到上述目的,一方面本发明实施例提供了一种肤色检测方法,所述方法包括:
接收目标图像;
确定用于进行肤色检测的至少两个颜色空间;
基于所确定的颜色空间,对所述目标图像进行肤色检测,获得肤色检测结果;
根据所述肤色检测结果,确定所述目标图像中的肤色区域。
优选的,在所述确定用于进行肤色检测的至少两个颜色空间之前,所述方法还包括:
对所述目标图像进行降对比度处理,获得第一处理图像;
所述基于所确定的颜色空间,对所述目标图像进行肤色检测,获得肤色检测结果,包括:
基于所确定的颜色空间,对所述第一处理图像进行肤色检测,获得肤色检测结果。
优选的,所述对所述目标图像进行降对比度处理,获得第一处理图像,包括:
按照预设分段函数模型,对所述目标图像进行降对比度处理,获得第一处理图像。
优选的,所述按照预设分段函数模型,对所述目标图像进行降对比度处理,获得第一处理图像,包括:
按照预设分段函数模型:
对所述目标图像进行预处理,获得第一处理图像,式中,x为所述目标图像中任一像素点的实际亮度值,y为针对所述实际亮度值进行映射后的亮度值,a1、a2、b1、b2为预设的参数,其中a1、a2、b1、b2∈[0,255]。
优选的,所述确定用于进行肤色检测的至少两个颜色空间,包括:
确定用于进行肤色检测的RGB颜色空间和YCbCr颜色空间;
所述利用所确定的颜色空间中每一个颜色空间所对应的肤色检测规则,分别对所述目标图像进行肤色检测,获得针对每一个颜色空间的肤色检测结果,包括:
基于RGB颜色空间对应的第一肤色检测规则和基于YCbCr颜色空间对应的第二肤色检测规则,对所述目标图像进行肤色检测,获得肤色检测结果;
其中,所述第一肤色检测规则为:R>75、G>40、B>20;R>G,R>B,R-G>5,R-Min(G,B)>15;
所述第二肤色检测规则为:Y∈[60,245]、Cb∈[77,130]、Cr∈[130,180]。
优选的,所述基于所确定的颜色空间,对所述目标图像进行肤色检测,获得肤色检测结果,包括:
利用所确定的颜色空间中每一个颜色空间所对应的肤色检测规则,分别对所述目标图像进行肤色检测,获得针对每一个颜色空间的肤色检测结果。
优选的,所述根据所述肤色检测结果,确定所述目标图像中的肤色区域,包括:
确定针对每一个颜色空间的肤色检测结果之间重合的肤色区域;
将所述重合的肤色区域确定为所述目标图像中的肤色区域。
优选的,所述基于所确定的颜色空间,对所述目标图像进行肤色检测,获得肤色检测结果,包括:
从所确定的颜色空间中选择基准颜色空间;
将所确定的颜色空间中非基准颜色空间对应的原始肤色检测规则转化为所述基准颜色空间下的肤色检测规则;
根据转化得到的肤色检测规则和所述基准颜色空间对应的原始肤色检测规则,生成目标肤色检测规则;
利用所述目标肤色检测规则对所述目标图像进行肤色检测,获得肤色检测结果。
优选的,在所述根据所述肤色检测结果,确定所述目标图像中的肤色区域之前,所述方法还包括:
对所述肤色检测结果进行优化处理,获得针对所述肤色检测结果的肤色检测优化结果;
所述根据所述肤色检测结果,确定所述目标图像中的肤色区域,包括:
根据所述肤色检测优化结果,确定所述目标图像中的肤色区域。
优选的,所述优化处理包括以下处理中的至少一种:
对所述肤色检测结果进行空洞填充处理;
对所述肤色检测结果中特征部位进行保护处理;
对所述肤色检测结果进行滤波处理。
优选的,在所述确定用于进行肤色检测的至少两个颜色空间之前,所述方法还包括:
按照预设缩小规则,对所述目标图像进行缩小处理,得到目标缩小图像;
所述基于所确定的颜色空间,对所述目标图像进行肤色检测,获得肤色检测结果,包括:
基于所确定的颜色空间,对所述目标缩小图像进行肤色检测,获得所述目标缩小图像中的目标肤色区域;
按照与所述预设缩小规则相匹配的放大规则,对所述目标肤色区域进行放大处理,根据放大后的所述目标肤色区域,获得针对所述目标图像的肤色检测结果。
另一方面,本发明实施例提供了一种肤色检测装置,其特征在于,所述装置包括:
接收模块,用于接收目标图像;
第一确定模块,用于确定用于进行肤色检测的至少两个颜色空间;
肤色检测模块,用于基于所确定的颜色空间,对所述目标图像进行肤色检测,获得肤色检测结果;
第二确定模块,用于根据所述肤色检测结果,确定所述目标图像中的肤色区域。
优选的,还包括:
降对比度模块,用于对所述目标图像进行降对比度处理,获得第一处理图像;
所述肤色检测模块,具体用于:
基于所确定的颜色空间,对所述第一处理图像进行肤色检测,获得肤色检测结果。
优选的,所述降对比度模块,具体用于:
按照预设分段函数模型,对所述目标图像进行降对比度处理,获得第一处理图像。
优选的,所述降对比度模块,具体用于:
按照预设分段函数模型:
对所述目标图像进行预处理,获得第一处理图像,式中,x为所述目标图像中任一像素点的实际亮度值,y为针对所述实际亮度值进行映射后的亮度值,a1、a2、b1、b2为预设的参数,其中a1、a2、b1、b2∈[0,255]。
优选的,所述第一确定模块,具体用于:
确定用于进行肤色检测的RGB颜色空间和YCbCr颜色空间;
所述基于所确定的颜色空间,对所述目标图像进行肤色检测,获得肤色检测结果,包括:
基于RGB颜色空间对应的第一肤色检测规则和基于YCbCr颜色空间对应的第二肤色检测规则,对所述目标图像进行肤色检测,获得肤色检测结果;
其中,所述第一肤色检测规则为:R>75、G>40、B>20;R>G,R>B,R-G>5,R-Min(G,B)>15;
所述第二肤色检测规则为:Y∈[60,245]、Cb∈[77,130]、Cr∈[130,180]。
优选的,所述肤色检测模块,具体用于:
利用所确定的颜色空间中每一个颜色空间所对应的肤色检测规则,分别对所述目标图像进行肤色检测,获得针对每一个颜色空间的肤色检测结果。
优选的,所述第二确定模块,具体用于:
确定针对每一个颜色空间的肤色检测结果之间重合的肤色区域;
将所述重合的肤色区域确定为所述目标图像中的肤色区域。
优选的,所述肤色检测模块,具体用于:
从所确定的颜色空间中选择基准颜色空间;
将所确定的颜色空间中非基准颜色空间对应的原始肤色检测规则转化为所述基准颜色空间下的肤色检测规则;
根据转化得到的肤色检测规则和所述基准颜色空间对应的原始肤色检测规则,生成目标肤色检测规则;
利用所述目标肤色检测规则对所述目标图像进行肤色检测,获得肤色检测结果。
优选的,还包括:
优化模块,用于对所述肤色检测结果进行优化处理,获得针对所述肤色检测结果的肤色检测优化结果;
所述第二确定模块,具体用于:
根据所述肤色检测优化结果,确定所述目标图像中的肤色区域。
优选的,所述优化处理包括以下处理中的至少一种:
对所述肤色检测结果进行空洞填充处理;
对所述肤色检测结果中特征部位进行保护处理;
对所述肤色检测结果进行滤波处理。
优选的,还包括:
图像缩小模块,用于按照预设缩小规则,对所述目标图像进行缩小处理,得到目标缩小图像;
所述肤色检测模块,具体用于:
基于所确定的颜色空间,对所述目标缩小图像进行肤色检测,获得所述目标缩小图像中的目标肤色区域;
按照与所述预设缩小规则相匹配的放大规则,对所述目标肤色区域进行放大处理,根据放大后的所述目标肤色区域,获得针对所述目标图像的肤色检测结果。
由上可见,本发明实施例提供的方案中,首先确定至少两个颜色空间,然后了利用所确定的至少颜色空间的肤色检测规则对接收的目标图像进行肤色检测,获得肤色检测结果;相对于仅利用一个颜色空间来对接收到的目标图像进行肤色检测来说,本发明实施例利用至少两个颜色空间对接收到的目标图像进行肤色检测,能够将不同颜色空间下的肤色检测结果进行叠加,很大程度上降低了因某一个颜色空间的误检而导致肤色检测结果不准确的概率,提高了肤色检测的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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第一种肤色检测方法的流程示意图;
图2为本发明实施例提供的一张具体的目标图像;
图3为采用本发明实施例提供的方案对图2进行肤色检测后得到的肤色掩膜图;
图4为本发明实施例提供的第二种肤色检测方法的流程示意图;
图5为针对图2进行降对比度处理后的获得的第一处理图像;
图6为本发明实施例提供的第三种肤色检测方法的流程示意图;
图7为针对图3进行空洞填充处理后的处理图像;
图8为基于图7采用保护处理对图3的肤色区域中特征部位进行保护的处理图像;
图9为针对图3进行滤波处理后的处理图像;
图10为本发明实施例提供的第四种肤色检测方法的流程示意图;
图11为本发明实施例提供的第一种肤色检测装置的结构示意图;
图12为本发明实施例提供的第二种肤色检测装置的结构示意图;
图13为本发明实施例提供的第三种肤色检测装置的结构示意图;
图14为本发明实施例提供的第四种肤色检测装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面通过具体实施例,对本发明进行详细的说明。
图1为本发明实施例提供的第一种肤色检测方法的流程示意图,方法包括步骤:
S101:接收目标图像。
肤色检测常被应用于图像分析技术领域,肤色检测,顾名思义就是检测图像中的肤色像素点,从而确定图像中的肤色区域。肤色检测在人脸检测和跟踪、图像内容审查、人物检索、皮肤问题诊断以及化妆品效果分析等领域有着广泛的应用。
肤色检测系统一般是通过编程算法等实现肤色检测的功能,对于肤色检测系统来说,其接收的待检测图像就称为目标图像。例如,图2为本发明实施例提供的一张具体的目标图像。
当然,上述的图2仅为本发明实施例提供的一张具体的目标图像,实际中接收的图像以实际为准,本申请并不对其做明确限定。
S102:确定用于进行肤色检测的至少两个颜色空间。
本领域技术人员可以理解的是,肤色检测的方法多种,其中最常用的方法是阈值法,阈值法最为简单实用,该方法是在某个颜色空间中定义各个参量的肤色取值范围,当目标图像中某一像素的各个参量值满足对应的各肤色取值范围时,判定该像素为肤色像素。颜色空间也称彩色模型(又称彩色空间或彩色系统)它的用途是在某些标准下用通常可接受的方式对彩色加以说明。常见的颜色空间有RGB、YUV、YCbCr、HSV以及Lab等。
对于目标图像来说,它通常以一种颜色空间的数据格式进行存储,例如,目标图像以RGB颜色空间的数据格式进行存储;因此,在通常情况下,为了尽量的节省肤色检测的计算量,在确定颜色空间时,会将目标图像所处的当前颜色空间确定为其中的一个颜色空间,其他的颜色空间可以为其他类型的颜色空间。当然,确定的颜色空间也可以不与目标图像所处的颜色空间一致,上述仅为一个较佳的实施例,并不对所确定的颜色空间的具体类型做明确限定。
值得说明的是,确定颜色空间的过程除了上述的方式外,还可以在预先系统已经存储的多种颜色空间中选择至少两个颜色空间,这里需要系统预先存储有多种颜色空间。例如,假设系统中预先存储有RGB颜色空间、YUV颜色空间、YCbCr颜色空间、HSV颜色空间以及Lab颜色空间等,这样,可以直接从上述预先存储的颜色空间中确定出至少两个颜色空间,例如RGB颜色空间和YCbCr颜色空间。
由上可见,本发明实施例所提供的方案中,确定颜色空间的方式可以有多种,因此本申请不对确定颜色空间的具体方式做进一步限定。同时,上述所确定的颜色空间为RGB颜色空间和YCbCr颜色空间仅为本发明实施例的一个具体示例,并不构成对本发明实施例确定的颜色空间的类型以及数量的限定。
S103:基于所确定的颜色空间,对所述目标图像进行肤色检测,获得肤色检测结果。
基于所确定的颜色空间,对目标图像进行肤色检测时,可以采用如下常见的方式进行检测,例如,阈值法、高斯密度函数估计法、直方图统计法等等。其中,阈值法最为简单实用,该方法是在某个颜色空间中定义各个参量的肤色取值范围,当目标图像中某一像素的各个参量值满足对应的各肤色取值范围时,判定该像素为肤色像素。
实际应用中,上述确定用于进行肤色检测的至少两个颜色空间时,可以确定用于进行肤色检测的RGB颜色空间和YCbCr颜色空间。
进一步的,所述基于所确定的颜色空间,对所述目标图像进行肤色检测,获得肤色检测结果,可以基于RGB颜色空间对应的第一肤色检测规则和基于YCbCr颜色空间对应的第二肤色检测规则,对所述目标图像进行肤色检测,获得肤色检测结果;
其中,所述第一肤色检测规则为:R>75、G>40、B>20;R>G,R>B,R-G>5,R-Min(G,B)>15;
所述第二肤色检测规则为:Y∈[60,245]、Cb∈[77,130]、Cr∈[130,180]。
以下实施例中均以RGB颜色空间和YCbCr颜色空间这两个颜色空间为例进行说明。
示例性的,假设目标图像以RGB颜色空间的数据格式进行存储的,那么可以选择RGB颜色空间和YCbCr颜色空间作为肤色检测的两个颜色空间,采用阈值法进行肤色检测时,经过大量的实验,在RGB颜色空间中表示肤色时,可以设定各参量R(红色)、G(绿色)、B(蓝色)对应的肤色取值范围为:
R>75、G>40、B>20;
其中,R>G,R>B,R-G>5,R-Min(G,B)>15。
在YCbCr颜色空间中表示肤色时。可以设定各参量Y(亮度)、Cb和Cr(色度)对应的肤色取值范围为:
Y∈[60,245]、Cb∈[77,130]、Cr∈[130,180]。
还可以设定各参量对应的肤色取值范围为:
Y∈[60,245]、Cb∈(127,130]、Cr∈[130,180];或者,
Y∈[60,245]、Cb∈[77,130]、Cr∈(173,180];或者,
Y∈[60,245]、Cb∈(127,130]、Cr∈(173,180]。
上述设置的RGB颜色空间和YCbCr颜色空间中的各参数对应的肤色取值范围,均为大量实验获得的经验值,因此,本发明实施例并不对各参量的肤色取值范围做进一步的限定。
当确定出RGB颜色空间和YCbCr颜色空间这两个颜色空间后,根据RGB颜色空间中各参量对应的肤色取值范围以及YCbCr颜色空间中各参量对应的肤色取值范围,对接收到的目标图像进行肤色检测,获得肤色检测结果。
实际应用中,基于所确定的颜色空间,对所述目标图像进行肤色检测,获得肤色检测结果,可通过以下两种具体的方式,分别为:
方式1:利用所确定的颜色空间中每一个颜色空间所对应的肤色检测规则,分别对所述目标图像进行肤色检测,获得针对每一个颜色空间的肤色检测结果。
利用上述确定的RGB颜色空间的肤色检测规则对目标图像进行肤色检测,这里所提到的肤色检测规则就是判定图像中像素是否为肤色像素的规则,事实上就是RGB颜色空间对应的各参量的肤色取值范围,当目标图像中某一像素的各个参量值满足上述的各肤色取值范围时,判定该像素为肤色像素。例如,本发明实施例中,设定RGB颜色空间中各参量的肤色取值范围为:
R>75、G>40、B>20;
其中,R>G,R>B,R-G>5,R-Min(G,B)>15。
利用上述的RGB颜色空间的肤色检测规则对目标图像进行肤色检测,若目标图像中的某一个像素的R、G、B参量均落在上述各参量对应的肤色取值范围内时,认为该像素为肤色像素,假设图2中存在R为90、G为50、B为45的像素M,以及R为140、G为138、B为60的像素N和R为100、G为60、B为25的像素K。按照上述的肤色检测规则可以判定目标图像中的像素M为肤色像素,像素N为非肤色像素,像素K为肤色像素。
按照上述的肤色检测规则可以对目标图像中所有的像素进行判定,得到在RGB颜色空间下的肤色检测结果。肤色检测结果的形式可以为直接得到的检测结果,即目标图像中哪个是肤色像素哪个不是肤色像素;肤色检测结果的形式还可以为根据这些像素是不是肤色像素生成的一张肤色掩膜图,掩膜图是一种常用的图像提取手段,用来提取感兴趣区,感兴趣区内像素值保持不变,而非感兴趣区外像素均为0,这里感兴趣的区指的是肤色区域。例如,按照上述的肤色检测规则可以对目标图像中所有的像素进行判定,得到在RGB颜色空间下的肤色掩膜图A(图中未示出)。
本领域技术人员可以理解的是,现有的颜色空间之间可以通过现有的颜色空间转换关系式进行相互转化,例如,RGB颜色空间与YCbCr颜色空间可以通过如下颜色空间转化关系式进行转化,颜色空间转化关系式为:
Y=0.257*R+0.564*G+0.098*B+16;
Cb=-0.148*R-0.291*G+0.439*B+128;
Cr=0.439*R-0.368*G-0.071*B+128。
因此,不难理解的,可以按照上述的颜色空间转化关系式将目标图像中所有像素的R、G、B参量,转化为YCbCr颜色空间中的Y、Cb、Cr参量,转化之后的各像素便可以在YCbCr颜色空间中进行肤色检测。例如,按照上述的颜色空间转化关系式对目标图像中的像素M、像素N进行转化,得到像素M在YCbCr颜色空间中的Y为74.14、Cb为119.89、Cr为145.92、像素N在YCbCr颜色空间中的Y为135.69、Cb为93.46、Cr为134.42、像素K在YCbCr颜色空间中的Y为78、Cb为106.72、Cr为148.05。
本发明实施例中,在YCbCr颜色空间中表示肤色时。可以设定各参量Y(亮度)、Cb和Cr(色度)对应的肤色取值范围为:
Y∈[60,245]、Cb∈[77,130]、Cr∈[130,180]。
按照上述的肤色取值范围,可以判定在YCbCr颜色空间中,像素M、像素N、像素K均为肤色像素,遍历目标图像中所有的像素,得到在YCbCr颜色空间下的肤色掩膜图B(图中未示出)。
或者,可以先利用YCbCr颜色空间的肤色检测规则对目标图像进行肤色检测,例如,本发明实施例中,可以设定各参量Y(亮度)、Cb和Cr(色度)对应的肤色取值范围为:
Y∈[60,245]、Cb∈[77,130]、Cr∈[130,180]。
利用上述的RGB颜色空间的肤色检测规则对目标图像进行肤色检测,若目标图像中的某一个像素的Y、Cb、Cr参量均落在上述各参量对应的肤色取值范围内时,认为该像素为肤色像素,假设图2中存在Y为90、Cb为110、Cr为150的像素P,以及Y为100、Cb为128、Cr为178的像素Q。按照上述的肤色检测规则可以判定目标图像中的像素P、像素Q为肤色像素。按照上述的肤色检测规则可以对目标图像中所有的像素进行判定,得到在RGB颜色空间下的肤色掩膜图C(图中未示出)。
可以理解的是,颜色空间之间可以通过现有的颜色空间转换关系式进行相互转化,例如,RGB颜色空间与YCbCr颜色空间可以通过如下颜色空间转化关系式进行转化,颜色空间转化关系式为:
R=1.164*(Y-16)+1.596*(Cr-128);
G=1.164*(Y-16)-0.392*(Cb-128)-0.813*(Cr-128);
B=1.164*(Y-16)+2.017*(Cb-128)。
因此,不难理解的,可以按照上述的颜色空间转化关系式将目标图像中所有像素的Y、Cb、Cr参量,转化为RGB颜色空间中的R、G、B参量,转化之后的各像素便可以在RGB颜色空间中进行肤色检测。例如,按照上述的颜色空间转化关系式对目标图像中的像素P、像素Q进行转化,得到像素P在YCbCr颜色空间中的R为132.9、G为86.95、B为61.48、像素Q在YCbCr颜色空间中的R为189.22、G为68.77、B为109.42。
本发明实施例中,设定RGB颜色空间中参量的肤色取值范围为:
R>75、G>40、B>20;
其中,R>G,R>B,R-G>5,R-Min(G,B)>15。
按照上述的肤色取值范围,可以判定在RGB颜色空间中,像素P、像素Q均为肤色像素,按照上述的规则,可以遍历目标图像中所有的像素,得到在YCbCr颜色空间下的肤色掩膜图D(图中未示出)。
可见,在方式1中目标图像可以先在RGB颜色空间中进行肤色检测,也可以先在YCbCr颜色空间中进行肤色检测。因此,本发明实施例并不对目标图像在各颜色空间中进行肤色检测的顺序做明确的限定。
方式2:从所确定的颜色空间中选择基准颜色空间;
将所确定的颜色空间中非基准颜色空间对应的原始肤色检测规则转化为所述基准颜色空间下的肤色检测规则;
根据转化得到的肤色检测规则和所述基准颜色空间对应的原始肤色检测规则,生成目标肤色检测规则;
利用所述目标肤色检测规则对所述目标图像进行肤色检测,获得肤色检测结果。
实际应用中,在选择基准颜色空间时,一般选择目标图像所处的颜色空间作为基准颜色空间。示例性的,假设目标图像以RGB颜色空间的数据格式进行存储的,那么可从已确定的RGB颜色空间和YCbCr颜色空间中选择RGB颜色空间作为基准颜色空间。
将YCbCr颜色空间对应的肤色检测规则转化为在RGB颜色空间下的肤色检测规则,由方式1可知,各个颜色空间之间是可以相互转化的,因此可以将YCbCr颜色空间对应的肤色检测规则转化为在RGB颜色空间下的肤色检测规则,假设转化后在RGB颜色空间下的肤色检测规则为:R>80、G>38、B>26。
根据转化得到的肤色检测规则:R>80、G>38、B>26和RGB颜色空间对应的肤色检测规则:R>75、G>40、B>20;其中,R>G,R>B,R-G>5,R-Min(G,B)>15。合并上述两个肤色检测规则,获得一个新的肤色检测规则为R>80、G>40、B>26;其中,R>G,R>B,R-G>5,R-Min(G,B)>15;这个新的肤色检测规则即为目标肤色检测规则。
与上述方式1中对目标图像进行肤色检测相同的,只是这里利用的是目标肤色检测规则:R>80、G>40、B>26;其中,R>G,R>B,R-G>5,R-Min(G,B)>15,按照上述的目标肤色检测规则可以判定目标图像中的像素M为肤色像素,像素N为非肤色像素,像素K为非肤色像素。按照上述的目标肤色检测规则可以判定目标图像中所有的像素进行判定,不难获得肤色检测结果。
肤色检测结果的形式可以为直接得到的检测结果,即目标图像中哪个为肤色像素哪个为非肤色像素;还可以为根据这些像素是否为肤色像素的信息生成的一张肤色掩膜图,如图3所示,为采用本发明实施例提供的方案对图2进行肤色检测后得到的肤色掩膜图,事实上图3可以认为是一张黑白图像,其中白色的像素为肤色像素,黑色的像素为非肤色像素。
由上可见,对目标图像进行肤色检测的方式有多种,进一步的,肤色检测结果的形式也可以有不同的形式,因此,本申请并不对对目标图像进行肤色检测的具体方法以及肤色检测结果的具体形式做明确限定。
S104:根据所述肤色检测结果,确定所述目标图像中的肤色区域。
对于上述不同的肤色检测方式,确定目标图像中的肤色区域的方式也有所区别。具体的,若上述肤色检测采用的是方式2,只需要在图3中统计出所有白色的像素,所有白色的像素所组成的区域便为目标图像对应的肤色区域。
若肤色检测采用的是方式1,那么,需要先确定针对每一个颜色空间的肤色检测结果之间重合的肤色区域;
将所述重合的肤色区域确定为所述目标图像中的肤色区域。
示例性的,将针对目标图像在RGB颜色空间下获得的肤色掩膜图A,得到肤色掩膜图A对应的肤色区域A;将针对目标图像在YCbCr颜色空间下获得的肤色掩膜图B,获得肤色检掩膜图B对应的肤色区域B。
将肤色区域A与肤色区域B中重合的肤色区域最终确定为目标图像的肤色区域。
值得强调的是,上述所提供的仅为两个具体的颜色空间的示例,实际中还可以在三个、四个或更多的颜色空间下对目标图像进行肤色检测,进行肤色检测的过程类似,本申请文件中就不再赘述。
综上可见,应用图1提供的实施例,首先确定至少两个颜色空间,然后了利用所确定的至少两个颜色空间的肤色检测规则对接收的目标图像进行肤色检测,获得肤色检测结果;相对于仅利用一个颜色空间来对接收到的目标图像进行肤色检测来说,本发明实施例利用至少两个颜色空间对接收到的目标图像进行肤色检测,能够将不同颜色空间下的肤色检测结果进行叠加,很大程度上降低了因某一个颜色空间的误检而导致肤色检测结果不准确的概率,提高了肤色检测的准确度。
在图1提供的实施例的基础上,如图4所示,为本发明实施例提供的第二种肤色检测方法的流程示意图,方法还包括步骤S105。
S105:对所述目标图像进行降对比度处理,获得第一处理图像。
为了得到更加准确的肤色检测效果,在利用至少两个颜色空间对接收到的目标图像进行肤色检测之前,先对接收到的目标图像进行降对比度处理,获得第一处理图像。
不难理解的是,当对目标图像进行降对比度处理后,获得第一处理图像,如图5所示,为针对图2进行降对比度处理后的获得的第一处理图像;此时,图5将作为待检测的图像,因此,基于所确定的颜色空间,对所述目标图像进行肤色检测,获得肤色检测结果,实际上为基于所确定的颜色空间,对所述第一处理图像进行肤色检测,获得肤色检测结果。
在实际应用中,对所述按照预设分段函数模型,对所述目标图像进行降对比度处理,获得第一处理图像,可以按照预设分段函数模型:
对所述目标图像进行预处理,获得第一处理图像,式中,x为所述目标图像中任一像素点的实际亮度值,y为针对所述实际亮度值进行映射后的亮度值,a1、a2、b1、b2为预设的参数,其中a1、a2、b1、b2∈[0,255]。
示例性的,在上述的三段式的函数模型中,可以设置参数a1、a2、b1、b2分别为经验值80、192、100、70,但参数a1、a2、b1、b2并不局限于此,对于a1、a2、b1、b2的具体数值在本经验值附近进行适当的调整,并不对本方案产生较大的影响。
需要说明是的,分段函数模型还可以为四段式、五段式等,因此,本发明实施例并不对分段函数的形式做明确限定。
应用图4提供的实施例,通过对接收的目标图像进行降对比度处理,使得目标图像中亮度高的像素亮度减小,亮度低的像素亮度增加,有效的解决高光和阴影造成的漏检问题,提高了肤色检测的准确度。
图6为本发明实施例提供的第三种肤色检测方法的流程示意图,在图1的基础上,方法还包括步骤S106。
S106:对所述肤色检测结果进行优化处理,获得针对所述肤色检测结果的肤色检测优化结果。
为了进一步提高肤色检测的准确度,本发明实施例将在图1的基础上进一步的对获得的肤色检测结果进行优化处理,获得肤色检测优化结果。
需要说明的是,当进一步的对肤色检测结果进行优化处理后,所述根据所述肤色检测结果,确定所述目标图像中的肤色区域,可以根据所述肤色检测优化结果,确定所述目标图像中的肤色区域
具体而言,对所述肤色检测结果进行优化处理,可以采用如下处理中的至少一种:
处理A:对所述肤色检测结果进行空洞填充处理;
处理B:对所述肤色检测结果中特征部位进行保护处理;
处理C:对所述肤色检测结果进行滤波处理。
下面通过具体的示例来对上述的各处理过程进行说明,假设获得的肤色检测结果为如图3所示。
在如图3中的肤色区域在斑点、噪声等区域形成了小空洞,若采用处理A,可以对图3进行空洞填充处理;填充的方法有很多,例如可以采用闭操作进行空洞填充。用结构元素对肤色检测图进行闭操作,就是用结构元素先对肤色检测图进行膨胀,然后用结构元素对肤色检测图进行腐蚀,这样做可以消弭狭窄的间断和长细的鸿沟,消除小的空洞,并填补轮廓线中的断裂,使轮廓线更加光滑。如图7所示,为针对图3进行空洞填充处理后的处理图像。
可见,图7中虽然可以消除空洞但也容易将眼睛等特征部位的误检,因此,为了消除对眼睛区域的误检,通常在采用处理A对图3所示的肤色检测图优化处理得到图7之后,会接着采用处理B对特征部位进行保护处理。示例性的,以眼睛为例进行说明,由于多数人的瞳孔是黑色或者灰色,我们可以利用这个先验信息对眼睛区域进行保护,例如,当图3中的某像素的Y值小于某一阈值(例如45)时,判断该像素处于眼睛区域,按照这一判断过程,对图3所示的肤色检测图中在图7的肤色区域里的所有像素进行判断,确定眼睛区域,如图8所示,为基于图7采用保护处理对图3的肤色区域中特征部位进行保护的处理图像。
值得强调的是,可以单独采用处理B对图3进行优化处理,但是,如果采用处理A的情况下,通常会继续采用处理B来消除因采用处理A带来的误检问题。
如图3中肤色区域的边缘部分比较生硬,容易对一些应用产生不良影响。例如利用肤色检测进行肤色美颜,即在肤色区域进行肤色美白、磨皮等操作,在非肤色区域不采取任何操作,这将造成肤色边缘区域有明显的差异,使得美颜后的图像不自然。
为了解决上述的肤色区域的边缘部分比较生硬的问题,可以采用处理C来对图3进行滤波处理,滤波处理的手段有很多,例如高斯滤波、盒子滤波、导向图滤波等等,本发明实施例选用导向图滤波。具体的,图3作为滤波处理的目标图像,图3中肤色区域亮度值为255,非肤色区域亮度值为0。以图2作为引导图,对图3进行导向图滤波,最后得到的结果大体与图3相似,但是纹理部分与引导图相似。这样图3在肤色区域的边缘可以平滑过渡,而不是0到255的突变,使得肤色检测结果在肤色边缘平滑过渡,如图9所示,为针对图3进行滤波处理后的处理图像。同样的,图7、图8中肤色区域的边缘部分也比较生硬,因此,可以在采用处理A或采用处理B之后进行处理C,来使得肤色检测结果在肤色区域的边缘平滑过渡。
值得一提的是,上述的处理A、处理B和处理C三者之间可以都采用,也可单独采用,并且三者之间没有明确的先后顺序,因此,本申请不对上述的优化处理的具体过程做明确限定,但为了能够获得较好的肤色检测效果,通常会在采用处理A之后采用处理B。
应用图6提供的实施例,通过对获得的肤色检测图进行进一步的优化处理,能够实现对肤色检测图中小空洞的填充,对肤色区域中特征部位的保护以及可以使肤色区域的边缘平滑过渡,对获得的肤色检测图进行优化处理,提高了肤色检测的准确度。
在图1提供的实施例基础上,如图10所示,为本发明实施例提供的第四种种肤色检测方法的流程示意图,方法还包括步骤S107。
S107:按照预设缩小规则,对所述目标图像进行缩小处理,得到目标缩小图像。
本领域技术人员可以理解的是,图像是多个像素的组合,图像越小其包含的像素也就越少;对于图像处理而言,图像包含的像素越少处理图像的速度也就越快,为了进一步的提升肤色检测的速度,本发明实施例在图1提供的实施例中的步骤S102之前,按照预设缩小规则对接收到的目标图像进行缩小处理,常见的缩小规则有:双线性插值法、三次插值法、反锯齿算法,本发明实施例采用但不限于双线性插值法。
不难理解的是,在采用双线性插值法对目标图像进行缩小处理之后,获得目标缩小图像,相应的,基于所确定的颜色空间,对所述目标图像进行肤色检测,获得肤色检测结果,事实上为基于所确定的颜色空间,对所述目标缩小图像进行肤色检测,获得所述目标缩小图像中的目标肤色区域。
为了进一步的能够与输入的目标图像能够匹配,需要按照与所述预设缩小规则相匹配的放大规则,对所述目标肤色区域进行放大处理,根据放大后的所述目标肤色区域,获得针对所述目标图像的肤色检测结果。
示例性的,采用双线性插值法对图2进行缩小4倍的处理,这里所说的缩小4倍是指对图2的长宽各为原来的1/4。假设图2的大小为800×1000,那么缩小4倍之后获得的目标缩小图像的大小为200×250,可见目标缩小图像所包含的像素数量要比图2所包含的像素数量小很多,因此,在利用至少两个颜色空间对上述获得的目标缩小图像进行肤色检测时,计算量会大大减少,提高了肤色检测的速度。
不难理解的,在对图2进行缩小4倍之后,在得到目标缩小图像的肤色检测图之后,需要将获得的目标肤色检测图放大4倍,这样放大后的肤色检测图便为针对图2的肤色检测图。
应用图10提供的实施例,通过对目标图像进行缩小处理,得到包含较少像素的目标缩小图像,因此,在利用至少两个颜色空间对上述获得的目标缩小图像进行肤色检测时,计算量会大大减少,提高了肤色检测的速度。
事实上,在本发明提供的另一个具体实施例中,可以同时包含上述各实施例提供方案的一个或多个。举例而言,如图2所示,假设现在需要对图2所示的目标图像进行美颜,应用本实施例提供的方案对目标图像进行肤色检测,以下对目标图像进行肤色检测的整个过程进行详细的介绍。
接收到图2所示的目标图像,假设图2的大小为800×1000,那么缩小4倍之后获得的目标缩小图像的大小为200×250,可见目标缩小图像所包含的像素数量要比图2所包含的像素数量小很多。
对目标缩小图像进行降对比度处理,获得第一处理图像。具体的,对目标缩小图像进行降对比度处理可以按照下述的三段式函数模型:
对所述目标图像进行预处理,获得第一处理图像,式中,x为所述目标图像中任一像素点的实际亮度值,y为针对所述实际亮度值进行映射后的亮度值。
假设系统中预先存储有RGB颜色空间、YUV颜色空间、YCbCr颜色空间、HSV颜色空间以及Lab颜色空间等,这样,可以直接从上述预先存储的颜色空间中确定RGB颜色空间和YCbCr颜色空间作为对第一处理图像进行肤色检测的颜色空间。
进一步的,可以基于RGB颜色空间对应的第一肤色检测规则和基于YCbCr颜色空间对应的第二肤色检测规则,对所述目标图像进行肤色检测,获得肤色检测结果;
其中,所述第一肤色检测规则为:R>75、G>40、B>20;R>G,R>B,R-G>5,R-Min(G,B)>15;
所述第二肤色检测规则为:Y∈[60,245]、Cb∈[77,130]、Cr∈[130,180]。
为了获得较优的肤色检测结果,可以在上述获得肤色检测结果之后,分别采用上述的处理A、处理B以及处理C对所述肤色检测结果进行优化处理处理。具体而言,先采用处理A对肤色检测结果进行空洞填充处理,得到空洞填充后的图像;然后采用处理B对空洞填充后的图像中特征部位进行保护处理,得到保护处理后的图像;最后采用处理C对保护处理后的图像进行滤波处理,得到滤波处理后的图像,这里滤波处理后的图像即为肤色检测优化结果。
由上可知,上述得到肤色检测优化结果是对肤色检测结果进行一系列的优化处理之后获得的结果,而肤色检测结果是针对图2所示的目标图像的目标缩小图像的,为了保证对目标图像进行肤色检测后得到的肤色检测结果与目标图像大小一致,则需要将上述获得的肤色检测优化结果进行放大4倍,将大小为200×250的滤波处理后的图像放大至800×1000,得到最终的肤色检测结果。
由上可见,通过以上对目标图像的各个处理过程,与现有技术相比,不仅能够获得较为准确的肤色检测结果,同时还能提高肤色检测的速度。当然上述仅为本发明实施例的一个较优的实施例,实际中并不一定要同时满足上述的全部效果。
与图1提供的方法实施例对应的,本发明提供了第一种肤色检测装置,如图11所示,装置包括:接收模块201、第一确定模块202、肤色检测模块203和第二确定模块204。
接收模块201,用于接收目标图像;
第一确定模块202,用于确定用于进行肤色检测的至少两个颜色空间;
肤色检测模块203,用于基于所确定的颜色空间,对所述目标图像进行肤色检测,获得肤色检测结果;
实际应用中,第一确定模块202,具体用于:确定用于进行肤色检测的RGB颜色空间和YCbCr颜色空间;
所述肤色检测模块203,具体用于:
基于RGB颜色空间对应的第一肤色检测规则和基于YCbCr颜色空间对应的第二肤色检测规则,对所述目标图像进行肤色检测,获得肤色检测结果;
其中,所述第一肤色检测规则为:R>75、G>40、B>20;R>G,R>B,R-G>5,R-Min(G,B)>15;
所述第二肤色检测规则为:Y∈[60,245]、Cb∈[77,130]、Cr∈[130,180]。
肤色检测模块203,具体用于:
利用所确定的颜色空间中每一个颜色空间所对应的肤色检测规则,分别对所述目标图像进行肤色检测,获得针对每一个颜色空间的肤色检测结果。
或者,具体用于:
从所确定的颜色空间中选择基准颜色空间;
将所确定的颜色空间中非基准颜色空间对应的原始肤色检测规则转化为所述基准颜色空间下的肤色检测规则;
根据转化得到的肤色检测规则和所述基准颜色空间对应的原始肤色检测规则,生成目标肤色检测规则;
利用所述目标肤色检测规则对所述目标图像进行肤色检测,获得肤色检测结果。
第二确定模块204,用于根据所述肤色检测结果,确定所述目标图像中的肤色区域。
实际应用中,若肤色检测模块203,为利用所确定的颜色空间中每一个颜色空间所对应的肤色检测规则,分别对所述目标图像进行肤色检测,获得针对每一个颜色空间的肤色检测结果的情况下。
第二确定模块204,具体用于:
确定针对每一个颜色空间的肤色检测结果之间重合的肤色区域;
将所述重合的肤色区域确定为所述目标图像中的肤色区域。
应用图11提供的实施例,首先确定至少两个颜色空间,然后了利用所确定的至少两个颜色空间的肤色检测规则对接收的目标图像进行肤色检测,获得肤色检测结果;相对于仅利用一个颜色空间来对接收到的目标图像进行肤色检测来说,本发明实施例利用至少两个颜色空间对接收到的目标图像进行肤色检测,能够将不同颜色空间下的肤色检测结果进行叠加,很大程度上降低了因某一个颜色空间的误检而导致肤色检测结果不准确的概率,提高了肤色检测的准确度。
与图4提供的方法实施例对应的,如图12所示,为本发明提供了第二种肤色检测装置,装置还包括:降对比度模块205
降对比度模块205,用于对所述目标图像进行降对比度处理,获得第一处理图像;
实际应用中,降对比度模块205,具体用于:
按照预设分段函数模型,对所述目标图像进行降对比度处理,获得第一处理图像。
具体的,所述降对比度模块205,具体用于:
按照预设分段函数模型:
对所述目标图像进行预处理,获得第一处理图像,式中,x为所述目标图像中任一像素点的实际亮度值,y为针对所述实际亮度值进行映射后的亮度值,a1、a2、b1、b2为预设的参数,其中a1、a2、b1、b2∈[0,255]。
不难理解的,对目标图像进行降对比度处理之后,获得的第一处理图像便为待检测的图像,因此,所述肤色检测模块203,具体用于:
基于所确定的颜色空间,对所述第一处理图像进行肤色检测,获得肤色检测结果。
应用图12提供的实施例,通过对接收的目标图像进行降对比度处理,使得目标图像中亮度高的像素亮度减小,亮度低的像素亮度增加,有效的解决高光和阴影造成的漏检问题,提高了肤色检测的准确度。
与图6提供的方法实施例对应的,如图13所示,为本发明提供了第三种肤色检测装置,装置还包括:优化模块206。
优化模块206,用于对所述肤色检测结果进行优化处理,获得针对所述肤色检测结果的肤色检测优化结果;
所述第二确定模块204,具体用于:
根据所述肤色检测优化结果,确定所述目标图像中的肤色区域。
在实际应用中,所述优化处理包括以下处理中的至少一种:
处理a:对所述肤色检测结果进行空洞填充处理;
处理b:对所述肤色检测结果中特征部位进行保护处理;
处理c:对所述肤色检测结果进行滤波处理。
应用图13提供的实施例,通过对获得的肤色检测图进行进一步的优化处理,能够实现对肤色检测图中小空洞的填充,对肤色区域中特征部位的保护以及可以使肤色区域的边缘平滑过渡,对获得的肤色检测图进行优化处理,提高了肤色检测的准确度。
与图10提供的方法实施例对应的,如图14所示,为本发明提供了第四种肤色检测装置,装置还包括:图像缩小模块207。
图像缩小模块207:用于按照预设缩小规则,对所述目标图像进行缩小处理,得到目标缩小图像;
所述肤色检测模块203,具体用于:
基于所确定的颜色空间,对所述目标缩小图像进行肤色检测,获得所述目标缩小图像中的目标肤色区域;
按照与所述预设缩小规则相匹配的放大规则,对所述目标肤色区域进行放大处理,根据放大后的所述目标肤色区域,获得针对所述目标图像的肤色检测结果。
应用图14提供的实施例,通过对目标图像进行缩小处理,得到包含较少像素的目标缩小图像,因此,在利用至少两个颜色空间对上述获得的目标缩小图像进行肤色检测时,计算量会大大减少,提高了肤色检测的速度。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述方法实施方式中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于计算机可读取存储介质中,这里所称得的存储介质,如:ROM/RAM、磁碟、光盘等。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。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,均包含在本发明的保护范围内。
Claims (22)
1.一种肤色检测方法,其特征在于,所述方法包括:
接收目标图像;
确定用于进行肤色检测的至少两个颜色空间;
基于所确定的颜色空间,对所述目标图像进行肤色检测,获得肤色检测结果;
根据所述肤色检测结果,确定所述目标图像中的肤色区域。
2.根据权利要求1所述的方法,其特征在于,在所述确定用于进行肤色检测的至少两个颜色空间之前,所述方法还包括:
对所述目标图像进行降对比度处理,获得第一处理图像;
所述基于所确定的颜色空间,对所述目标图像进行肤色检测,获得肤色检测结果,包括:
基于所确定的颜色空间,对所述第一处理图像进行肤色检测,获得肤色检测结果。
3.根据权利要求2所述的方法,其特征在于,所述对所述目标图像进行降对比度处理,获得第一处理图像,包括:
按照预设分段函数模型,对所述目标图像进行降对比度处理,获得第一处理图像。
4.根据权利要求3所述的方法,其特征在于,所述按照预设分段函数模型,对所述目标图像进行降对比度处理,获得第一处理图像,包括:
按照预设分段函数模型:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>y</mi>
<mo>=</mo>
<mfrac>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
</mfrac>
<mi>x</mi>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<mi>x</mi>
<mo>&le;</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>y</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>b</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
</mrow>
<mrow>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
</mrow>
</mfrac>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>-</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo><</mo>
<mi>x</mi>
<mo><</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>y</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mn>255</mn>
<mo>-</mo>
<msub>
<mi>b</mi>
<mn>2</mn>
</msub>
</mrow>
<mrow>
<mn>255</mn>
<mo>-</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
</mrow>
</mfrac>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>-</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>&le;</mo>
<mi>x</mi>
<mo>&le;</mo>
<mn>255</mn>
<mo>;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
对所述目标图像进行预处理,获得第一处理图像,式中,x为所述目标图像中任一像素点的实际亮度值,y为针对所述实际亮度值进行映射后的亮度值,a1、a2、b1、b2为预设的参数,其中a1、a2、b1、b2∈[0,255]。
5.根据权利要求1所述的方法,其特征在于,所述确定用于进行肤色检测的至少两个颜色空间,包括:
确定用于进行肤色检测的RGB颜色空间和YCbCr颜色空间;
所述基于所确定的颜色空间,对所述目标图像进行肤色检测,获得肤色检测结果,包括:
基于RGB颜色空间对应的第一肤色检测规则和基于YCbCr颜色空间对应的第二肤色检测规则,对所述目标图像进行肤色检测,获得肤色检测结果;
其中,所述第一肤色检测规则为:R>75、G>40、B>20;R>G,R>B,R-G>5,R-Min(G,B)>15;
所述第二肤色检测规则为:Y∈[60,245]、Cb∈[77,130]、Cr∈[130,180]。
6.根据权利要求5所述的方法,其特征在于,所述基于所确定的颜色空间,对所述目标图像进行肤色检测,获得肤色检测结果,包括:
利用所确定的颜色空间中每一个颜色空间所对应的肤色检测规则,分别对所述目标图像进行肤色检测,获得针对每一个颜色空间的肤色检测结果。
7.根据权利要求5所述的方法,其特征在于,所述根据所述肤色检测结果,确定所述目标图像中的肤色区域,包括:
确定针对每一个颜色空间的肤色检测结果之间重合的肤色区域;
将所述重合的肤色区域确定为所述目标图像中的肤色区域。
8.根据权利要求1所述的方法,其特征在于,所述基于所确定的颜色空间,对所述目标图像进行肤色检测,获得肤色检测结果,包括:
从所确定的颜色空间中选择基准颜色空间;
将所确定的颜色空间中非基准颜色空间对应的原始肤色检测规则转化为所述基准颜色空间下的肤色检测规则;
根据转化得到的肤色检测规则和所述基准颜色空间对应的原始肤色检测规则,生成目标肤色检测规则;
利用所述目标肤色检测规则对所述目标图像进行肤色检测,获得肤色检测结果。
9.根据权利要求1所述的方法,其特征在于,在所述根据所述肤色检测结果,确定所述目标图像中的肤色区域之前,所述方法还包括:
对所述肤色检测结果进行优化处理,获得针对所述肤色检测结果的肤色检测优化结果;
所述根据所述肤色检测结果,确定所述目标图像中的肤色区域,包括:
根据所述肤色检测优化结果,确定所述目标图像中的肤色区域。
10.根据权利要求9所述的方法,其特征在于,所述优化处理包括以下处理中的至少一种:
对所述肤色检测结果进行空洞填充处理;
对所述肤色检测结果中特征部位进行保护处理;
对所述肤色检测结果进行滤波处理。
11.根据权利要求1所述的方法,其特征在于,在所述确定用于进行肤色检测的至少两个颜色空间之前,所述方法还包括:
按照预设缩小规则,对所述目标图像进行缩小处理,得到目标缩小图像;
所述基于所确定的颜色空间,对所述目标图像进行肤色检测,获得肤色检测结果,包括:
基于所确定的颜色空间,对所述目标缩小图像进行肤色检测,获得所述目标缩小图像中的目标肤色区域;
按照与所述预设缩小规则相匹配的放大规则,对所述目标肤色区域进行放大处理,根据放大后的所述目标肤色区域,获得针对所述目标图像的肤色检测结果。
12.一种肤色检测装置,其特征在于,所述装置包括:
接收模块,用于接收目标图像;
第一确定模块,用于确定用于进行肤色检测的至少两个颜色空间;
肤色检测模块,用于基于所确定的颜色空间,对所述目标图像进行肤色检测,获得肤色检测结果;
第二确定模块,用于根据所述肤色检测结果,确定所述目标图像中的肤色区域。
13.根据权利要求12所述的装置,其特征在于,还包括:
降对比度模块,用于对所述目标图像进行降对比度处理,获得第一处理图像;
所述肤色检测模块,具体用于:
基于所确定的颜色空间,对所述第一处理图像进行肤色检测,获得肤色检测结果。
14.根据权利要求13所述的装置,其特征在于,所述降对比度模块,具体用于:
按照预设分段函数模型,对所述目标图像进行降对比度处理,获得第一处理图像。
15.根据权利要求14所述的装置,其特征在于,所述降对比度模块,具体用于:
按照预设分段函数模型:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>y</mi>
<mo>=</mo>
<mfrac>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
</mfrac>
<mi>x</mi>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<mi>x</mi>
<mo>&le;</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>y</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>b</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
</mrow>
<mrow>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
</mrow>
</mfrac>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>-</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo><</mo>
<mi>x</mi>
<mo><</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>y</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mn>255</mn>
<mo>-</mo>
<msub>
<mi>b</mi>
<mn>2</mn>
</msub>
</mrow>
<mrow>
<mn>255</mn>
<mo>-</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
</mrow>
</mfrac>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>-</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>&le;</mo>
<mi>x</mi>
<mo>&le;</mo>
<mn>255</mn>
<mo>;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
对所述目标图像进行预处理,获得第一处理图像,式中,x为所述目标图像中任一像素点的实际亮度值,y为针对所述实际亮度值进行映射后的亮度值,a1、a2、b1、b2为预设的参数,其中a1、a2、b1、b2∈[0,255]。
16.根据权利要求12所述的装置,其特征在于,所述第一确定模块,具体用于:
确定用于进行肤色检测的RGB颜色空间和YCbCr颜色空间;
所述肤色检测模块,具体用于:
基于RGB颜色空间对应的第一肤色检测规则和基于YCbCr颜色空间对应的第二肤色检测规则,对所述目标图像进行肤色检测,获得肤色检测结果;
其中,所述第一肤色检测规则为:R>75、G>40、B>20;R>G,R>B,R-G>5,R-Min(G,B)>15;
所述第二肤色检测规则为:Y∈[60,245]、Cb∈[77,130]、Cr∈[130,180]。
17.根据权利要求16所述的装置,其特征在于,所述肤色检测模块,具体用于:
利用所确定的颜色空间中每一个颜色空间所对应的肤色检测规则,分别对所述目标图像进行肤色检测,获得针对每一个颜色空间的肤色检测结果。
18.根据权利要求16所述的装置,其特征在于,所述第二确定模块,具体用于:
确定针对每一个颜色空间的肤色检测结果之间重合的肤色区域;
将所述重合的肤色区域确定为所述目标图像中的肤色区域。
19.根据权利要求12所述的装置,其特征在于,所述肤色检测模块,具体用于:
从所确定的颜色空间中选择基准颜色空间;
将所确定的颜色空间中非基准颜色空间对应的原始肤色检测规则转化为所述基准颜色空间下的肤色检测规则;
根据转化得到的肤色检测规则和所述基准颜色空间对应的原始肤色检测规则,生成目标肤色检测规则;
利用所述目标肤色检测规则对所述目标图像进行肤色检测,获得肤色检测结果。
20.根据权利要求12所述的装置,其特征在于,还包括:
优化模块,用于对所述肤色检测结果进行优化处理,获得针对所述肤色检测结果的肤色检测优化结果;
所述第二确定模块,具体用于:
根据所述肤色检测优化结果,确定所述目标图像中的肤色区域。
21.根据权利要求20所述的装置,其特征在于,所述优化处理包括以下处理中的至少一种:
对所述肤色检测结果进行空洞填充处理;
对所述肤色检测结果中特征部位进行保护处理;
对所述肤色检测结果进行滤波处理。
22.根据权利要求12所述的装置,其特征在于,还包括:
图像缩小模块,用于按照预设缩小规则,对所述目标图像进行缩小处理,得到目标缩小图像;
所述肤色检测模块,具体用于:
基于所确定的颜色空间,对所述目标缩小图像进行肤色检测,获得所述目标缩小图像中的目标肤色区域;
按照与所述预设缩小规则相匹配的放大规则,对所述目标肤色区域进行放大处理,根据放大后的所述目标肤色区域,获得针对所述目标图像的肤色检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610818698.7A CN107818285A (zh) | 2016-09-12 | 2016-09-12 | 一种肤色检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610818698.7A CN107818285A (zh) | 2016-09-12 | 2016-09-12 | 一种肤色检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107818285A true CN107818285A (zh) | 2018-03-20 |
Family
ID=61601116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610818698.7A Pending CN107818285A (zh) | 2016-09-12 | 2016-09-12 | 一种肤色检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107818285A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109727212A (zh) * | 2018-12-24 | 2019-05-07 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN111541924A (zh) * | 2020-04-30 | 2020-08-14 | 海信视像科技股份有限公司 | 显示设备及显示方法 |
WO2021218696A1 (zh) * | 2020-04-27 | 2021-11-04 | 华为技术有限公司 | 肤色检测方法、装置、终端和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101207754A (zh) * | 2007-12-18 | 2008-06-25 | 上海广电集成电路有限公司 | 一种根据视频内容动态提高对比度的方法 |
CN101251890A (zh) * | 2008-03-13 | 2008-08-27 | 西安交通大学 | 基于多色域选择性形态学处理的视频图像肤色检测方法 |
CN101630363A (zh) * | 2009-07-13 | 2010-01-20 | 中国船舶重工集团公司第七○九研究所 | 复杂背景下彩色图像人脸的快速检测方法 |
CN104952036A (zh) * | 2015-06-18 | 2015-09-30 | 福州瑞芯微电子有限公司 | 一种即时视频中的人脸美化方法和电子设备 |
CN104951742A (zh) * | 2015-03-02 | 2015-09-30 | 北京奇艺世纪科技有限公司 | 敏感视频的检测方法和系统 |
-
2016
- 2016-09-12 CN CN201610818698.7A patent/CN107818285A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101207754A (zh) * | 2007-12-18 | 2008-06-25 | 上海广电集成电路有限公司 | 一种根据视频内容动态提高对比度的方法 |
CN101251890A (zh) * | 2008-03-13 | 2008-08-27 | 西安交通大学 | 基于多色域选择性形态学处理的视频图像肤色检测方法 |
CN101630363A (zh) * | 2009-07-13 | 2010-01-20 | 中国船舶重工集团公司第七○九研究所 | 复杂背景下彩色图像人脸的快速检测方法 |
CN104951742A (zh) * | 2015-03-02 | 2015-09-30 | 北京奇艺世纪科技有限公司 | 敏感视频的检测方法和系统 |
CN104952036A (zh) * | 2015-06-18 | 2015-09-30 | 福州瑞芯微电子有限公司 | 一种即时视频中的人脸美化方法和电子设备 |
Non-Patent Citations (1)
Title |
---|
俞朝晖 等: "《Visual C++数字图像处理工程应用实践》", 31 July 2012, 《中国铁道出版社》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109727212A (zh) * | 2018-12-24 | 2019-05-07 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
WO2021218696A1 (zh) * | 2020-04-27 | 2021-11-04 | 华为技术有限公司 | 肤色检测方法、装置、终端和存储介质 |
CN111541924A (zh) * | 2020-04-30 | 2020-08-14 | 海信视像科技股份有限公司 | 显示设备及显示方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230083656A1 (en) | Methods and apparatus for enhancing color vision and quantifying color interpretation | |
CN104717432B (zh) | 处理一组输入图像的方法、图像处理设备和数字照相机 | |
JP5883949B2 (ja) | 画像取込デバイス処理のためのスペクトル合成 | |
CN111242905A (zh) | 一种x光样本图像的生成方法、生成设备和存储装置 | |
CN107578418A (zh) | 一种融合色彩和深度信息的室内场景轮廓检测方法 | |
US8346022B2 (en) | System and method for generating an intrinsic image using tone mapping and log chromaticity | |
Watson | Perimetric complexity of binary digital images: Notes on calculation and relation to visual complexity | |
US20120269430A1 (en) | System and method for combining color information with spatial information in multispectral images | |
WO2016123977A1 (zh) | 一种图像色彩识别方法、装置及终端、存储介质 | |
US20100172578A1 (en) | Detecting skin tone in images | |
US8483480B2 (en) | Method and system for factoring an illumination image | |
CN107256542A (zh) | 气体可视化布局,设备以及方法 | |
US9396411B2 (en) | Method and system for generating intrinsic images using a single reflectance technique | |
CN107818285A (zh) | 一种肤色检测方法及装置 | |
CN102985943A (zh) | 彩色图像处理方法、彩色图像处理装置以及彩色图像处理程序 | |
Huang et al. | Enhancing color representation for the color vision impaired | |
CN108431561A (zh) | 计算机辅助确定毛发颜色性能的方法和数据处理装置 | |
CN105913460A (zh) | 一种肤色检测方法及装置 | |
CN101324955A (zh) | 基于颜色特征的植物根系图像分割方法 | |
CN108734668A (zh) | 图像色彩恢复方法、装置、计算机可读存储介质及终端 | |
EP2375719A1 (en) | Color gamut mapping method having one step preserving the lightness of the cusp colors | |
Pierre et al. | Luminance-hue specification in the RGB space | |
US9754155B2 (en) | Method and system for generating intrinsic images using a single reflectance technique | |
EP3944093A1 (en) | Paint color search device | |
CN106415596A (zh) | 基于分割的图像变换 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180320 |