CN108701217A - 一种人脸肤色识别方法、装置和智能终端 - Google Patents
一种人脸肤色识别方法、装置和智能终端 Download PDFInfo
- Publication number
- CN108701217A CN108701217A CN201780009028.3A CN201780009028A CN108701217A CN 108701217 A CN108701217 A CN 108701217A CN 201780009028 A CN201780009028 A CN 201780009028A CN 108701217 A CN108701217 A CN 108701217A
- Authority
- CN
- China
- Prior art keywords
- color
- colour
- image
- skin
- area image
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/179—Human faces, e.g. facial parts, sketches or expressions metadata assisted face recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种人脸肤色识别方法、装置和智能终端。其中,所述人脸肤色识别方法包括:获取人脸图像;从所述人脸图像中截取出待检测的区域图像;获取所述区域图像在YCrCb颜色空间下的均值向量[avgY,avgCr,avgCb];基于所述均值向量[avgY,avgCr,avgCb]和预设的肤色模板确定所述人脸图像的人脸肤色,其中,所述肤色模板包括多种肤色色块,所述人脸肤色为所述多种肤色色块中的一种。通过上述技术方案,本申请实施例能够准确地识别出人脸皮肤的颜色,为人们的个人形象设计提供有效的参考。
Description
技术领域
本申请涉及人脸识别技术领域,尤其涉及一种人脸肤色识别方法、装置和智能终端。
背景技术
人脸识别技术是一种通过分析比较人脸视觉特征信息进行身份鉴定的技术,其研究领域包括:身份识别、表情识别、性别识别、国籍识别以及美容护肤等。
近年来,随着人们物质生活水平的日益提高,人们在个人形象设计方面的需求迅速增长。而为用户提供个人形象设计通常需要首先确定用户的人脸肤色,继而根据用户的人脸肤色选择合适的粉底色号、妆容、配饰等等。
当前,主流的肤色检测方法包括固定肤色分布检测方法,以及,肤色概率分布与贝叶斯决策联合检测方法。然而,这些方法均只能判断出图像中哪些区域属于皮肤区域,无法准确地识别出人脸皮肤具体的颜色,从而难以为人们的个人形象设计提供有效的参考。
因此,如何准确地识别出人脸皮肤具体的颜色是当前亟待解决的问题。
发明内容
本申请实施例提供一种人脸肤色识别方法、装置和智能终端,能够解决如何准确地识别出人脸皮肤具体的颜色的问题。
为解决上述技术问题,第一方面,本申请实施例提供了一种人脸肤色识别方法,包括:
获取人脸图像;
从所述人脸图像中截取出待检测的区域图像;
获取所述区域图像在YCrCb颜色空间下的的均值向量[avgY,avgCr,avgCb],其中,avgY表示所述区域图像在Y颜色通道的均值,avgCr表示所述区域图像在Cr颜色通道的均值,avgCb表示所述区域图像在Cb颜色通道的均值;
基于所述均值向量[avgY,avgCr,avgCb]和预设的肤色模板确定所述人脸图像的人脸肤色,其中,所述肤色模板包括多种肤色色块,所述人脸肤色为所述多种肤色色块中的一种。
可选地,所述获取所述区域图像在YCrCb颜色空间下的均值向量[avgY,avgCr,avgCb]的步骤之前,还包括:
将所述区域图像的颜色空间转换到YCrCb颜色空间。
可选地,所述将所述区域图像的颜色空间转换到YCrCb颜色空间的步骤之前,还包括:
消除所述区域图像的色彩偏移。
可选地,所述区域图像包括n个,所述n为正整数,所述获取所述区域图像在YCrCb颜色空间下的的均值向量[avgY,avgCr,avgCb],包括:
计算每一区域图像在Y颜色通道的像素值总和sumY_i、在Cr颜色通道的像素值总和sumCr_i、在Cb颜色通道的像素值总和sumCb_i,以及,每一区域图像的面积S_i;
通过如下公式获取所述n个区域图像在YCrCb颜色空间下的的均值向量[avgY,avgCr,avgCb]:
其中,1≤i≤n,sumY_i表示第i个区域图像在Y颜色通道的像素值总和,sumCr_i表示第i个区域图像在Cr颜色通道的像素值总和,sumCb_i表示第i个区域图像在Cb颜色通道的像素值总和,S_i表示第i个区域图像的面积;表示所述n个区域图像在Y颜色通道的像素值总和;表示所述n个区域图像在Cr颜色通道的像素值总和;表示所述n个区域图像在Cb颜色通道的像素值总和;表示所述n个区域图像的面积总和。
可选地,所述基于所述均值向量[avgY,avgCr,avgCb]和预设的肤色模板确定所述人脸图像的人脸肤色,包括:
获取预设的肤色模板中每一种肤色色块的标准向量[avgY_j,avgCr_j,avgCb_j];
在所述肤色模板中选择与所述均值向量[avgY,avgCr,avgCb]的欧几里得距离最小的标准向量[avgY_j,avgCr_j,avgCb_j]对应的肤色色块作为所述人脸图像的人脸肤色;
其中,avgY_j表示所述肤色模板中第j种肤色色块在Y颜色通道的均值,avgCr_j表示所述肤色模板中第j种肤色色块在Cr颜色通道的均值,avgCb_j表示所述肤色模板中第j个肤色色块在Cb颜色通道的均值。
可选地,所述区域图像包括左脸颊区域图像、鼻头区域图像以及右脸颊区域图像中的任一个或者多个。
为解决上述技术问题,第二方面,本申请实施例提供了一种人脸肤色识别装置,包括:
人脸图像获取单元,用于获取人脸图像;
截取单元,用于从所述人脸图像中截取出待检测的区域图像;
数据处理单元,用于获取所述区域图像在YCrCb颜色空间下的的均值向量[avgY,avgCr,avgCb],其中,avgY表示所述区域图像在Y颜色通道的均值,avgCr表示所述区域图像在Cr颜色通道的均值,avgCb表示所述区域图像在Cb颜色通道的均值;
分析单元,用于基于所述均值向量[avgY,avgCr,avgCb]和预设的肤色模板确定所述人脸图像的人脸肤色,其中,所述肤色模板包括多种肤色色块,所述人脸肤色为所述多种肤色色块中的一种。
可选地,所述区域图像包括n个,所述n为大于0的正整数,所述数据处理单元具体用于:
计算每一区域图像在Y颜色通道的像素值总和sumY_i、在Cr颜色通道的像素值总和sumCr_i、在Cb颜色通道的像素值总和sumCb_i,以及,每一区域图像的面积S_i;
通过如下公式获取所述n个区域图像在YCrCb颜色空间下的的均值向量[avgY,avgCr,avgCb]:
其中,1≤i≤n,sumY_i表示第i个区域图像在Y颜色通道的像素值总和,sumCr_i表示第i个区域图像在Cr颜色通道的像素值总和,sumCb_i表示第i个区域图像在Cb颜色通道的像素值总和,S_i表示第i个区域图像的面积;表示所述n个区域图像在Y颜色通道的像素值总和;表示所述n个区域图像在Cr颜色通道的像素值总和;表示所述n个区域图像在Cb颜色通道的像素值总和;表示所述n个区域图像的面积总和。
可选地,所述分析单元具体用于:
获取预设的肤色模板中每一种肤色色块的标准向量[avgY_j,avgCr_j,avgCb_j];
在所述肤色模板中选择与所述均值向量[avgY,avgCr,avgCb]的欧几里得距离最小的标准向量[avgY_j,avgCr_j,avgCb_j]对应的肤色色块作为所述人脸图像的人脸肤色;
其中,avgY_j表示所述肤色模板中第j种肤色色块在Y颜色通道的均值,avgCr_j表示所述肤色模板中第j种肤色色块在Cr颜色通道的均值,avgCb_j表示所述肤色模板中第j个肤色色块在Cb颜色通道的均值。
可选地,所述区域图像包括左脸颊区域图像、鼻头区域图像以及右脸颊区域图像中的任一个或者多个。
为解决上述技术问题,第三方面,本申请实施例提供一种智能终端,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上所述的人脸肤色识别方法。
为解决上述技术问题,第四方面,本申请实施例提供一种存储介质,所述存储介质存储有可执行指令,所述可执行指令被智能终端执行时,使所述智能终端执行如上所述的人脸肤色识别方法。
为解决上述技术问题,第五方面,本申请实施例还提供了一种程序产品,所述程序产品包括存储在存储介质上的程序,所述程序包括程序指令,当所述程序指令被智能终端执行时,使所述智能终端执行如上所述的人脸肤色识别方法。
本申请实施例的有益效果在于:本申请实施例提供的人脸肤色识别方法、装置和智能终端,通过在获取到人脸图像时,从所述人脸图像中截取出待检测的区域图像;然后,将所述区域图像的颜色空间转换为YCrCb颜色空间,并获取所述区域图像的均值向量[avgY,avgCr,avgCb];最后在预设的包括多种肤色色块的肤色模板中选择一种与该均值向量[avgY,avgCr,avgCb]匹配的肤色色块作为所述人脸图像的人脸肤色,能够准确地识别出人脸皮肤的颜色,方便为人们的个人形象设计提供有效的参考,同时,该人脸肤色识别方法基于所述均值向量[avgY,avgCr,avgCb]和预设的肤色模板确定所述人脸图像的人脸肤色,不需要大量的训练数据,识别过程简单可行。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是本申请实施例提供的一种人脸肤色识别方法的流程示意图;
图2是本申请实施例提供的一种获取所述区域图像在YCrCb颜色空间下的均值向量[avgY,avgCr,avgCb]的方法的流程示意图;
图3是本申请实施例提供的一种肤色模板的灰度示例图;
图4是本申请实施例提供的一种基于均值向量[avgY,avgCr,avgCb]和预设的肤色模板确定人脸图像的人脸肤色的方法的流程示意图;
图5是本申请实施例提供的另一种人脸肤色识别方法的流程示意图;
图6是本申请实施例提供的一种人脸肤色识别装置的结构示意图;
图7是本申请实施例提供的一种智能终端的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请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用以解释本申请,并不用于限定本申请。
需要说明的是,如果不冲突,本申请实施例中的各个特征可以相互结合,均在本申请的保护范围之内。另外,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。
本申请实施例提供了一种人脸肤色识别方法、装置、智能终端和存储介质。其中,该人脸肤色识别方法是一种基于预设的肤色模板进行人脸肤色匹配的识别方案,通过在获取到人脸图像时,从所述人脸图像中截取出待检测的区域图像;然后,获取所述区域图像在YCrCb颜色空间下的均值向量[avgY,avgCr,avgCb];最后在预设的包括多种肤色色块的肤色模板中选择一种与该均值向量[avgY,avgCr,avgCb]匹配的肤色色块作为所述人脸图像的人脸肤色,能够准确地识别出人脸皮肤的颜色,方便为人们的个人形象设计提供有效的参考,同时,该人脸肤色识别方法基于所述均值向量[avgY,avgCr,avgCb]和预设的肤色模板确定所述人脸图像的人脸肤色,不需要大量的训练数据,识别过程简单可行。
本申请实施例提供的人脸肤色识别方法、智能终端和存储介质能够应用于任意人脸识别相关的技术领域,比如,人像国籍识别等,尤其适用于美容应用、个人形象设计等领域。例如,可以基于本申请实施例提供的人脸肤色识别方法的发明构思开发美容类的应用程序,该应用程序可以在用户输入人脸图像时自动地识别出该人脸图像的人脸肤色,进而基于该人脸肤色为用户推荐合适的粉底色号、妆容、配饰、护肤品等等。
本申请实施例提供的人脸肤色识别方法可以由任意类型的具有图像处理功能的智能终端执行,该智能终端可以包括任何合适类型的,用以存储数据的存储介质,例如磁碟、光盘(CD-ROM)、只读存储记忆体或随机存储记忆体等。该智能终端还可以包括一个或者多个逻辑运算模块,单线程或者多线程并行执行任何合适类型的功能或者操作,例如查看数据库、图像处理等。所述逻辑运算模块可以是任何合适类型的,能够执行逻辑运算操作的电子电路或者贴片式电子器件,例如:单核心处理器、多核心处理器、图形处理器(GPU)等。举例来说,该智能终端可以包括但不限于:美容鉴定仪器、个人电脑、平板电脑、智能手机、服务器等。
具体地,下面结合附图,对本申请实施例作进一步阐述。
实施例一
图1是本申请实施例提供的一种人脸肤色识别方法的流程示意图,请参阅图1,该方法包括但不限于以下步骤:
步骤110:获取人脸图像。
在本实施例中,所述“人脸图像”是指包括被检测人的人脸的图像,通过该人脸图像能够获取到该被检测人的面部特征。
在本实施例中,获取人脸图像的具体实施方式可以是:实时采集被检测人的人脸图像;或者,也可以是:直接在智能终端本地或云端调取已有的包括被检测人的人脸的图像。针对不同的应用场景或者被检测人的选择,可以选择不同的获取人脸图像的方式。例如:假设在化妆品专卖店中设置有用于为用户推荐合适的化妆品的智能终端,为了能够及时地基于用户的人脸肤色为其推荐合适的粉底、遮瑕、口红等化妆品的色号,该智能终端获取人脸图像的方式可以是通过摄像装置实时采集被检测人的人脸图像。又如,用户希望通过自己的智能终端,比如,智能手机,为自己设计合适的妆容,由于其智能终端上一般存储有个人的人脸图像,因此,在该应用场景中,智能终端获取人脸图像的方式也可以是直接在智能终端本地或者云端调取已有的包括被检测人的人脸的图像。当然,在实际应用中,获取人脸图像的方式也可以不限于以上所描述的方式,本申请实施例对比不作具体限定。
步骤120:从所述人脸图像中截取出待检测的区域图像。
在本实施例中,所述“区域图像”是指作为检测人脸肤色的参考区域的图像,从而,在本实施例中,以该区域图像呈现的肤色代表整张脸的肤色。该区域图像可以是该人脸图像中位于人脸面部轮廓内的任意一个或者多个区域的图像,比如,额头区域图像、鼻子区域图像、左脸颊区域图像、右脸颊区域图像、下巴区域图像等等。其中,考虑到人脸的一些区域有可能会存在一些噪音点,比如,女性的额头区域有可能会有刘海,男性的下巴区域有可能会有胡须等,在一些实施例中,可以将左脸颊、右脸颊或者鼻子这三个相对“干净”的区域对应的图像作为待检测的区域图像,也就是说,在该实施例中,所述区域图像包括左脸颊区域图像、鼻头区域图像以及右脸颊区域图像中的任一个或者多个。其中,当区域图像包括多个时,可以增强识别结果的可靠性。
具体地,在本实施例中,从所述人脸图像中截取出待检测的区域图像的具体实施方式可以是:在获取到某一人脸图像时,首先对该人脸图像进行人脸关键点定位,比如,应用第三方工具包dlib或者face++对该人脸图像进行人脸关键点定位;然后,基于定位出的人脸关键点的位置截取出待检测的区域图像,比如,基于定位出的人脸关键点的坐标截取出人脸图像中的左脸颊区域图像,和/或,鼻头区域图像,和/或,右脸颊区域图像。
步骤130:获取所述区域图像在YCrCb颜色空间下的均值向量[avgY,avgCr,avgCb]。
在图像处理中,最常用、最基础的颜色空间为RGB颜色空间,并且现有的图像采集设备最终采集的也是RGB值。因此,在一般情况下,获取到的人脸图像/区域图像的颜色空间也是RGB颜色空间。然而,RGB颜色空间是不直观并且感知上非常不均匀的颜色空间,光照环境的变化很容易导致RGB值发生变化,进而使得人脸肤色识别结果产生较大的误差。因此,在本实施例中,为了降低光照环境对识别结果的影响,以YCrCb颜色空间下的均值向量表征截取的区域图像所呈现的颜色。其中,在YCrCb颜色空间中,Y颜色通道用于表征像素点的亮度,即,灰阶值,可以通过将该像素点上的RGB信号的特定部分叠加到一起获得;而Cr颜色通道和Cb颜色通道则用于表征像素点的色度,描述该像素点的色调及饱和度,用于指定像素的颜色,其中,Cr反映了RGB输入信号红色部分与RGB信号亮度值Y之间的差异,用于表征颜色的色调,而Cb则反映了RGB输入信号蓝色部分与RGB信号亮度值Y之间的差异,用于表征颜色的饱和度。
在本实施例中,所述“均值向量”由区域图像分别在Y、Cr、Cb三个颜色通道的均值avgY、avgCr以及avgCb构成,记为[avgY,avgCr,avgCb],用于表征区域图像中所呈现的皮肤颜色。其中,avgY表示所述区域图像在Y颜色通道的均值,avgCr表示所述区域图像在Cr颜色通道的均值,avgCb表示所述区域图像在Cb颜色通道的均值。
在本实施例中,区域图像可以包括n个,n可以为任意大于0的正整数,则,在截取到n个待检测的区域图像后,可以采用如图2所示的方法获取所述区域图像在YCrCb颜色空间下的均值向量[avgY,avgCr,avgCb]。
具体地,请参阅图2,该方法可以包括但不限于如下步骤:
步骤131:计算每一区域图像在Y颜色通道的像素值总和sumY_i、在Cr颜色通道的像素值总和sumCr_i、在Cb颜色通道的像素值总和sumCb_i,以及,每一区域图像的面积S_i。
在本实施例中,分别将所述n个区域图像的颜色空间转换为YCrCb颜色空间之后,对每一个区域图像进行Y、Cr和Cb颜色通道分割,即,针对每一个区域图像中的每一个像素点分割出Y、Cr和Cb三个颜色通道,同时,计算每一区域图像在Y颜色通道的像素值总和sumY_i、在Cr颜色通道的像素值总和sumCr_i、在Cb颜色通道的像素值总和sumCb_i,以及,每一区域图像的面积S_i,其中,1≤i≤n,sumY_i表示第i个区域图像在Y颜色通道的像素值总和,sumCr_i表示第i个区域图像在Cr颜色通道的像素值总和,sumCb_i表示第i个区域图像在Cb颜色通道的像素值总和,S_i表示第i个区域图像的面积。其中,需要说明的是,在本实施例中所述的“面积”为图像空间的面积,是指区域图像中单个颜色通道的像素点的总个数。
举例来说,假设在其中一个应用实例中,从获取到的人脸图像中截取出的区域图像包括左脸颊区域图像、鼻子区域图像和右脸颊区域图像。则,分别将左脸颊区域图像、鼻子区域图像和右脸颊区域图像的颜色空间转换为YCrCb颜色空间之后,计算左脸颊区域图像在Y、Cr和Cb三个颜色通道的像素值总和分别为:sumY_1、sumCr_1和sumCb_1,面积为S_1;计算鼻子区域图像在Y、Cr和Cb三个颜色通道的像素值总和分别为:sumY_2、sumCr_2和sumCb_2,面积为S_2;计算右脸颊区域图像在Y、Cr和Cb三个颜色通道的像素值总和分别为:sumY_3、sumCr_3和sumCb_3,面积为S_3,从而获得参数:sumY_1、sumY_2、sumY_3、sumCr_1、sumCr_2、sumCr_3、sumCb_1、sumCb_2、sumCb_3、S_1、S_2以及S_3。
步骤132:获取所述n个区域图像在YCrCb颜色空间下的均值向量[avgY,avgCr,avgCb]。
在本实施例中,基于步骤131获得的参数,可以通过如下公式获取所述n个区域图像在YCrCb颜色空间下的均值向量[avgY,avgCr,avgCb]:
其中,表示所述n个区域图像在Y颜色通道的像素值总和;表示所述n个区域图像在Cr颜色通道的像素值总和;表示所述n个区域图像在Cb颜色通道的像素值总和;表示所述n个区域图像的面积总和。
举例来说,假设步骤131获得的参数包括:sumY_1、sumY_2、sumY_3、sumCr_1、sumCr_2、sumCr_3、sumCb_1、sumCb_2、sumCb_3、S_1、S_2以及S_3,则,根据上述公式即可得到这三个区域图像的均值向量[avgY,avgCr,avgCb]:
当然,在实际应用中,当n≥2时,也可以采用其他的方式获取所述n个区域图像的均值向量[avgY,avgCr,avgCb]。比如,在将所述n个区域图像的颜色空间转换为YCrCb颜色空间之后,首先分别获取每一个区域图像在YCrCb颜色空间下的均值向量[avgY_i,avgCr_i,avgCb_i],其中,avgY_i表示第i个区域图像在Y颜色通道的均值,avgCr_i表示第i个区域图像在Cr颜色通道的均值,avgCb_i表示第i个区域图像在Cb颜色通道的均值;然后再对这n个均值向量[avgY_i,avgCr_i,avgC_i]求平均(或者,加权平均),从而获得所述n个区域图像在YCrCb颜色空间下的均值向量[avgY,avgCr,avgCb]。
此外,可以理解的是,在一些实施例中,若截取到的区域图像的颜色空间不是YCrCb颜色空间,则,获取所述区域图像在YCrCb颜色空间下的均值向量[avgY,avgCr,avgCb]的步骤之前,还包括:将所述区域图像的颜色空间转换到YCrCb颜色空间。
比如,假设获取到的人脸图像的颜色空间为RGB颜色空间,则,从所述人脸图像中截取出的区域图像的颜色空间也为RGB颜色空间,从而,根据RGB颜色空间与YCrCb颜色空间的转换算法可以将区域图像的颜色空间转换为YCrCb颜色空间。其中,在本实施例中,不对RGB颜色空间与YCrCb颜色空间的转换算法作具体限定。此外,还可以理解的是,如果在实际应用中,获取到的人脸图像的颜色空间为其他颜色空间,比如,HSV颜色空间或者CMY颜色空间等,也可以通过相应的转换算法将所述区域图像的颜色空间转换为YCrCb颜色空间。
步骤140:基于所述均值向量[avgY,avgCr,avgCb]和预设的肤色模板确定所述人脸图像的人脸肤色。
在本实施例中,所述“预设的肤色模板”可以是任意一种人们日常生活中通用的肤色样板,该肤色模板中包括多种肤色色块,每一种肤色色块代表一种人脸肤色。如图3所示,为本申请实施例提供的一种肤色模板的灰度示例图,在该肤色模板中包括66种肤色色块。
其中,在实际应用场景中,比如,在化妆品实体店中,一般会对应粉底的色号设置有肤色模板(肤色模板上的每一个肤色色块都有对应的粉底色号)以便导购员通过对比观察顾客的肤色和该肤色样板确定适合该顾客的粉底色号,因此,在本实施例中,可以基于实际获取到的表征人脸图像的肤色的均值向量[avgY,avgCr,avgCb]和预设的肤色模板确定该人脸图像的人脸肤色,即,从该肤色模板的多种肤色色块中选出与所述均值向量[avgY,avgCr,avgCb]最匹配的肤色色块作为该人脸图像的人脸肤色。从而,在本实施例中,只需选择合适的肤色模板即可进行人脸肤色识别,无需训练大量的样本数据,节省人脸肤色识别的时间和成本。
具体地,在本实施例中,可以通过如图4所示的方法基于所述均值向量[avgY,avgCr,avgCb]和预设的肤色模板确定所述人脸图像的人脸肤色。
请参阅图4,该方法可以包括但不限于如下步骤:
步骤141:获取预设的肤色模板中每一种肤色色块的标准向量[avgY_j,avgCr_j,avgCb_j]。
在本实施例中,所述“标准向量”是指肤色模板中的肤色色块的均值向量,是匹配实际获取到的人脸图像的人脸肤色的标准,一种肤色色块对应一个标准向量[avgY_j,avgCr_j,avgCb_j],其中,avgY_j表示所述肤色模板中第j种肤色色块在Y颜色通道的均值,avgCr_j表示所述肤色模板中第j种肤色色块在Cr颜色通道的均值,avgCb_j表示所述肤色模板中第j个肤色色块在Cb颜色通道的均值。
在本实施例中,通过对比实际获取到的人脸图像的均值向量[avgY,avgCr,avgCb]与肤色模板中每一种肤色色块的标准向量[avgY_j,avgCr_j,avgCb_j]的相似程度确定该肤色模板中最接近该人脸图像的人脸肤色的肤色色块,进而确定该肤色色块为该人脸图像的人脸肤色。因此,在进行匹配的过程中,需要首先获取预设的肤色模板中每一种肤色色块的标准向量[avgY_j,avgCr_j,avgCb_j]。
而获取预设的肤色模板中每一种肤色色块的标准向量[avgY_j,avgCr_j,avgCb_j]的具体实施方式可以是:首先将每一种肤色色块的颜色空间转换为YCrCb颜色空间,然后进行Y、Cr和Cb三个颜色通道的分割,并获取每一颜色通道的均值,从而计算得到每一种肤色色块对应的标准向量[avgY_j,avgCr_j,avgCb_j]。或者,也可以将已知的每一种肤色色块对应的标准向量[avgY_j,avgCr_j,avgCb_j]存储在智能终端上,以便在进行人脸肤色识别时,直接从智能终端本地调取肤色模板中每一种肤色色块的标准向量[avgY_j,avgCr_j,avgCb_j],节省时间和数据处理量。
步骤142:在所述肤色模板中选择与所述均值向量[avgY,avgCr,avgCb]的欧几里得距离最小的标准向量[avgY_j,avgCr_j,avgCb_j]对应的肤色色块作为所述人脸图像的人脸肤色。
在本实施例中,以所述均值向量[avgY,avgCr,avgCb]与每一所述标准向量[avgY_j,avgCr_j,avgCb_j]的欧几里得距离表征实际获取到的人脸图像的人脸肤色与肤色模板中的肤色色块的相似程度,欧几里得距离越小,相似程度越大。因此,在本实施例中,可以在肤色模板中选择与均值向量[avgY,avgCr,avgCb]的欧几里得距离最小的标准向量[avgY_j,avgCr_j,avgCb_j]对应的肤色色块作为该人脸图像的人脸肤色。
进一步地,可以理解的是,在实际应用中,还可以根据实际应用场景对本申请实施例提供的人脸肤色识别方法进行拓展,比如,在确定了所述人脸图像的人脸肤色之后,还可以向用户推荐与该人脸肤色匹配的化妆品色号、装饰品等等。此处便不一一列举。
通过上述技术方案可知,本申请实施例的有益效果在于:本申请实施例提供的人脸肤色识别方法通过在获取到人脸图像时,从所述人脸图像中截取出待检测的区域图像;然后,将所述区域图像的颜色空间转换为YCrCb颜色空间,并获取所述区域图像的均值向量[avgY,avgCr,avgCb];最后在预设的包括多种肤色色块的肤色模板中选择一种与该均值向量[avgY,avgCr,avgCb]匹配的肤色色块作为所述人脸图像的人脸肤色,能够准确地识别出人脸肤色的具体情况,方便为人们的个人形象设计提供有效的参考,同时,该人脸肤色识别方法基于所述均值向量[avgY,avgCr,avgCb]和预设的肤色模板确定所述人脸图像的人脸肤色,不需要大量的训练数据,识别过程简单可行。
实施例二
在实际应用中,人脸图像的色彩受采集该人脸图像时的光照环境的影响较大,也就是说,在不同的光照环境下,尤其在不同颜色的光源下,采集到的人脸图像会产生不同程度的色彩偏移,而人脸图像的色彩偏移会使得最终的肤色识别结果有较大的误差。基于此,本申请第二实施例在上述实施例一的基础上提出了另一种人脸肤色识别方法,该人脸肤色识别方法与上述实施例一的不同之处在于:在本实施例中,在将截取出的区域图像的颜色空间转换为YCrCb颜色空间之前,首先消除这些区域图像的色彩偏移。
具体地,如图5所示,为本申请实施例提供的另一种人脸肤色识别方法的流程示意图,请参阅图5,该人脸肤色识别方法包括但不限于如下步骤:
步骤210:获取人脸图像。
步骤220:从所述人脸图像中截取出待检测的区域图像。
步骤230:消除所述区域图像的色彩偏移。
在本实施例中,为了减少人脸肤色识别的误差,在对待检测的区域图像进行颜色空间转换之前,首先消除待检测的区域图像的色彩偏移。其中,在本实施例中,可以采用任意一种色彩均衡方法,比如,灰度世界算法(Gray World Algorithm)或者White PatchRetinex算法等,消除所述区域图像的色彩偏移。
步骤240:将消除色彩偏移后的区域图像的颜色空间转换为YCrCb颜色空间,并获取消除色彩偏移后的区域图像的均值向量[avgY’,avgCr’,avgCb’]。
步骤250:基于所述均值向量[avgY’,avgCr’,avgCb’]和预设的肤色模板确定所述人脸图像的人脸肤色。
在本实施例中,上述步骤210、220、240和250分别与实施例一中所述的步骤110、120、130和140具有相同或相似的技术特征,因此,其具体实施方式可以参见上述步骤110、120、130和140中相应的描述,在本实施例中便不再详述。
此外,可以理解的是,在本实施例中,在获取到人脸图像时,先从人脸图像中截取出待检测的区域图像再消除区域图像的色彩偏移,是为了减少系统的数据处理量。在其他的一些实施例中,也可以在获取到人脸图像时首先消除该人脸图像的色彩偏移,然后再从消除色彩偏移后的人脸图像中截取出待检测的区域图像。
通过上述技术方案可知,本申请实施例的有益效果在于:本申请实施例提供的人脸肤色识别方法通过在将截取出的区域图像的颜色空间转换为YCrCb颜色空间之前,首先消除这些区域图像的色彩偏移,能够降低光照环境对人脸图像的色彩的影响,从而进一步提升人脸肤色识别的准确性。
实施例三
图6是本申请实施例提供的一种人脸肤色识别装置的结构示意图,请参阅图6,该人脸肤色识别装置6包括但不限于:人脸图像获取单元61、截取单元62、数据处理单元63以及分析单元64。
其中,人脸图像获取单元61用于获取人脸图像。
截取单元62用于从所述人脸图像中截取出待检测的区域图像,其中,在一些实施例中,所述区域图像包括左脸颊区域图像、鼻头区域图像以及右脸颊区域图像中的任一个或者多个。
数据处理单元63用于获取所述区域图像在YCrCb颜色空间下的的均值向量[avgY,avgCr,avgCb],其中,avgY表示所述区域图像在Y颜色通道的均值,avgCr表示所述区域图像在Cr颜色通道的均值,avgCb表示所述区域图像在Cb颜色通道的均值。
分析单元64用于基于所述均值向量[avgY,avgCr,avgCb]和预设的肤色模板确定所述人脸图像的人脸肤色,其中,所述肤色模板包括多种肤色色块,所述人脸肤色为所述多种肤色色块中的一种。
在本申请实施例中,当人脸图像获取单元61获取到人脸图像时,利用截取单元62从所述人脸图像中截取出待检测的区域图像;并通过数据处理单元63获取所述区域图像的在YCrCb颜色空间下的均值向量[avgY,avgCr,avgCb],其中,avgY表示所述区域图像在Y颜色通道的均值,avgCr表示所述区域图像在Cr颜色通道的均值,avgCb表示所述区域图像在Cb颜色通道的均值;最后通过分析单元64基于所述均值向量[avgY,avgCr,avgCb]和预设的肤色模板确定所述人脸图像的人脸肤色,其中,所述肤色模板包括多种肤色色块,所述人脸肤色为所述多种肤色色块中的一种。
其中,在一些实施例中,所述人脸肤色识别装置,还包括:
转换单元65,用于将所述区域图像的颜色空间转换到YCrCb颜色空间。
其中,在一些实施例中,所述区域图像包括n个,所述n为大于0的正整数,数据处理单元63具体用于:计算每一区域图像在Y颜色通道的像素值总和sumY_i、在Cr颜色通道的像素值总和sumCr_i、在Cb颜色通道的像素值总和sumCb_i,以及,每一区域图像的面积S_i;通过如下公式获取所述n个区域图像在YCrCb颜色空间下的均值向量[avgY,avgCr,avgCb]:
其中,1≤i≤n,sumY_i表示第i个区域图像在Y颜色通道的像素值总和,sumCr_i表示第i个区域图像在Cr颜色通道的像素值总和,sumCb_i表示第i个区域图像在Cb颜色通道的像素值总和,S_i表示第i个区域图像的面积;表示所述n个区域图像在Y颜色通道的像素值总和;表示所述n个区域图像在Cr颜色通道的像素值总和;表示所述n个区域图像在Cb颜色通道的像素值总和;表示所述n个区域图像的面积总和。
其中,在一些实施例中,分析单元64具体用于:获取预设的肤色模板中每一种肤色色块的标准向量[avgY_j,avgCr_j,avgCb_j];在所述肤色模板中选择与所述均值向量[avgY,avgCr,avgCb]的欧几里得距离最小的标准向量[avgY_j,avgCr_j,avgCb_j]对应的肤色色块作为所述人脸图像的人脸肤色;其中,avgY_j表示所述肤色模板中第j种肤色色块在Y颜色通道的均值,avgCr_j表示所述肤色模板中第j种肤色色块在Cr颜色通道的均值,avgCb_j表示所述肤色模板中第j个肤色色块在Cb颜色通道的均值。
此外,在又一些实施例中,人脸肤色识别装置6还包括:图像预处理单元66。在该实施例中,通过该图像预处理单元66消除所述区域图像的色彩偏移,能够降低光照环境对人脸图像的色彩的影响,从而进一步提升人脸肤色识别的准确性。
还需要说明的是,由于所述人脸肤色识别装置与上述方法实施例一和二中的人脸肤色识别方法基于相同的发明构思,因此,上述方法实施例一和二的相应内容同样适用于本装置实施例,此处不再详述。
通过上述技术方案可知,本申请实施例的有益效果在于:本申请实施例提供的人脸肤色识别装置通过在人脸图像获取单元61获取到人脸图像时,利用截取单元62从所述人脸图像中截取出待检测的区域图像;然后,通过数据处理单元63获取所述区域图像在YCrCb颜色空间下的均值向量[avgY,avgCr,avgCb];最后通过分析单元64在预设的包括多种肤色色块的肤色模板中选择一种与该均值向量[avgY,avgCr,avgCb]匹配的肤色色块作为所述人脸图像的人脸肤色,能够准确地识别出人脸肤色的具体情况,方便为人们的个人形象设计提供有效的参考,同时,该分析单元64基于所述均值向量[avgY,avgCr,avgCb]和预设的肤色模板确定所述人脸图像的人脸肤色,不需要大量的训练数据,识别过程简单可行。
实施例四
图7是本申请实施例提供的一种智能终端的结构示意图,该智能终端700可以是任意类型的智能终端,如:手机、平板电脑、美容鉴定仪器等,能够执行本申请实施例提供的任意一种人脸肤色识别方法。
具体地,请参阅图7,该智能终端700包括:
一个或多个处理器701以及存储器702,图7中以一个处理器701为例。
处理器701和存储器702可以通过总线或者其他方式连接,图7中以通过总线连接为例。
存储器702作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块,如本申请实施例中的人脸肤色识别方法对应的程序指令/模块(例如,附图6所示的人脸图像获取单元61、截取单元62、数据处理单元63、分析单元64、转换单元65以及图像预处理单元66)。处理器701通过运行存储在存储器702中的非暂态软件程序、指令以及模块,从而执行人脸肤色识别装置的各种功能应用以及数据处理,即实现上述任一方法实施例的人脸肤色识别方法。
存储器702可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据智能终端700的使用所创建的数据等。此外,存储器702可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器702可选包括相对于处理器701远程设置的存储器,这些远程存储器可以通过网络连接至智能终端700。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器702中,当被所述一个或者多个处理器701执行时,执行上述任意方法实施例中的人脸肤色识别方法,例如,执行以上描述的图1中的方法步骤110至140,图2中的方法步骤131至132,图4中的方法步骤141至142,图5中的方法步骤210至250,实现图6中的单元61-66的功能。
本申请实施例还提供了一种存储介质,所述存储介质存储有可执行指令,该可执行指令被一个或多个处理器执行,例如:被图7中的一个处理器701执行,可使得上述一个或多个处理器执行上述任意方法实施例中的人脸肤色识别方法,例如,执行以上描述的图1中的方法步骤110至140,图2中的方法步骤131至132,图4中的方法步骤141至142,图5中的方法步骤210至250,实现图6中的单元61-66的功能。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非暂态计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请实施例所提供的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;在本申请的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本申请的不同方面的许多其它变化,为了简明,它们没有在细节中提供;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (12)
1.一种人脸肤色识别方法,其特征在于,包括:
获取人脸图像;
从所述人脸图像中截取出待检测的区域图像;
获取所述区域图像在YCrCb颜色空间下的均值向量[avgY,avgCr,avgCb],其中,avgY表示所述区域图像在Y颜色通道的均值,avgCr表示所述区域图像在Cr颜色通道的均值,avgCb表示所述区域图像在Cb颜色通道的均值;
基于所述均值向量[avgY,avgCr,avgCb]和预设的肤色模板确定所述人脸图像的人脸肤色,其中,所述肤色模板包括多种肤色色块,所述人脸肤色为所述多种肤色色块中的一种。
2.根据权利要求1所述的人脸肤色识别方法,其特征在于,所述获取所述区域图像在YCrCb颜色空间下的均值向量[avgY,avgCr,avgCb]的步骤之前,还包括:
将所述区域图像的颜色空间转换到YCrCb颜色空间。
3.根据权利要求2所述的人脸肤色识别方法,其特征在于,所述将所述区域图像的颜色空间转换到YCrCb颜色空间的步骤之前,还包括:
消除所述区域图像的色彩偏移。
4.根据权利要求1所述的人脸肤色识别方法,其特征在于,所述区域图像包括n个,所述n为正整数,所述获取所述区域图像在YCrCb颜色空间下的均值向量[avgY,avgCr,avgCb],包括:
计算每一区域图像在Y颜色通道的像素值总和sumY_i、在Cr颜色通道的像素值总和sumCr_i、在Cb颜色通道的像素值总和sumCb_i,以及,每一区域图像的面积S_i;
通过如下公式获取所述n个区域图像在YCrCb颜色空间下的均值向量[avgY,avgCr,avgCb]:
其中,1≤i≤n,sumY_i表示第i个区域图像在Y颜色通道的像素值总和,sumCr_i表示第i个区域图像在Cr颜色通道的像素值总和,sumCb_i表示第i个区域图像在Cb颜色通道的像素值总和,S_i表示第i个区域图像的面积;表示所述n个区域图像在Y颜色通道的像素值总和;表示所述n个区域图像在Cr颜色通道的像素值总和;表示所述n个区域图像在Cb颜色通道的像素值总和;表示所述n个区域图像的面积总和。
5.根据权利要求1所述的人脸肤色识别方法,其特征在于,所述基于所述均值向量[avgY,avgCr,avgCb]和预设的肤色模板确定所述人脸图像的人脸肤色,包括:
获取预设的肤色模板中每一种肤色色块的标准向量[avgY_j,avgCr_j,avgCb_j];
在所述肤色模板中选择与所述均值向量[avgY,avgCr,avgCb]的欧几里得距离最小的标准向量[avgY_j,avgCr_j,avgCb_j]对应的肤色色块作为所述人脸图像的人脸肤色;
其中,avgY_j表示所述肤色模板中第j种肤色色块在Y颜色通道的均值,avgCr_j表示所述肤色模板中第j种肤色色块在Cr颜色通道的均值,avgCb_j表示所述肤色模板中第j个肤色色块在Cb颜色通道的均值。
6.根据权利要求1-5任一项所述的人脸肤色识别方法,其特征在于,所述区域图像包括左脸颊区域图像、鼻头区域图像以及右脸颊区域图像中的任一个或者多个。
7.一种人脸肤色识别装置,其特征在于,包括:
人脸图像获取单元,用于获取人脸图像;
截取单元,用于从所述人脸图像中截取出待检测的区域图像;
数据处理单元,用于获取所述区域图像在YCrCb颜色空间下的的均值向量[avgY,avgCr,avgCb],其中,avgY表示所述区域图像在Y颜色通道的均值,avgCr表示所述区域图像在Cr颜色通道的均值,avgCb表示所述区域图像在Cb颜色通道的均值;
分析单元,用于基于所述均值向量[avgY,avgCr,avgCb]和预设的肤色模板确定所述人脸图像的人脸肤色,其中,所述肤色模板包括多种肤色色块,所述人脸肤色为所述多种肤色色块中的一种。
8.根据权利要求7所述的人脸肤色识别装置,其特征在于,所述区域图像包括n个,所述n为大于0的正整数,所述数据处理单元具体用于:
计算每一区域图像在Y颜色通道的像素值总和sumY_i、在Cr颜色通道的像素值总和sumCr_i、在Cb颜色通道的像素值总和sumCb_i,以及,每一区域图像的面积S_i;
通过如下公式获取所述n个区域图像在YCrCb颜色空间下的均值向量[avgY,avgCr,avgCb]:
其中,1≤i≤n,sumY_i表示第i个区域图像在Y颜色通道的像素值总和,sumCr_i表示第i个区域图像在Cr颜色通道的像素值总和,sumCb_i表示第i个区域图像在Cb颜色通道的像素值总和,S_i表示第i个区域图像的面积;表示所述n个区域图像在Y颜色通道的像素值总和;表示所述n个区域图像在Cr颜色通道的像素值总和;表示所述n个区域图像在Cb颜色通道的像素值总和;表示所述n个区域图像的面积总和。
9.根据权利要求7所述的人脸肤色识别装置,其特征在于,所述分析单元具体用于:
获取预设的肤色模板中每一种肤色色块的标准向量[avgY_j,avgCr_j,avgCb_j];
在所述肤色模板中选择与所述均值向量[avgY,avgCr,avgCb]的欧几里得距离最小的标准向量[avgY_j,avgCr_j,avgCb_j]对应的肤色色块作为所述人脸图像的人脸肤色;
其中,avgY_j表示所述肤色模板中第j种肤色色块在Y颜色通道的均值,avgCr_j表示所述肤色模板中第j种肤色色块在Cr颜色通道的均值,avgCb_j表示所述肤色模板中第j个肤色色块在Cb颜色通道的均值。
10.根据权利要求7-9任一项所述的人脸肤色识别装置,其特征在于,所述区域图像包括左脸颊区域图像、鼻头区域图像以及右脸颊区域图像中的任一个或者多个。
11.一种智能终端,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-6任一项所述的人脸肤色识别方法。
12.一种存储介质,其特征在于,所述存储介质存储有可执行指令,所述可执行指令被智能终端执行时,使所述智能终端执行如权利要求1-6任一项所述的人脸肤色识别方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2017/112533 WO2019100282A1 (zh) | 2017-11-23 | 2017-11-23 | 一种人脸肤色识别方法、装置和智能终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108701217A true CN108701217A (zh) | 2018-10-23 |
Family
ID=63844123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780009028.3A Pending CN108701217A (zh) | 2017-11-23 | 2017-11-23 | 一种人脸肤色识别方法、装置和智能终端 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108701217A (zh) |
WO (1) | WO2019100282A1 (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109413508A (zh) * | 2018-10-26 | 2019-03-01 | 广州虎牙信息科技有限公司 | 图像混合的方法、装置、设备、推流方法及直播系统 |
CN109712090A (zh) * | 2018-12-18 | 2019-05-03 | 维沃移动通信有限公司 | 一种图像处理方法、装置和移动终端 |
CN109934092A (zh) * | 2019-01-18 | 2019-06-25 | 深圳壹账通智能科技有限公司 | 识别色号方法、装置、计算机设备及存储介质 |
CN110245590A (zh) * | 2019-05-29 | 2019-09-17 | 广东技术师范大学 | 一种基于皮肤图像检测的产品推荐方法及系统 |
CN111507944A (zh) * | 2020-03-31 | 2020-08-07 | 北京百度网讯科技有限公司 | 皮肤光滑度的确定方法、装置和电子设备 |
CN111881789A (zh) * | 2020-07-14 | 2020-11-03 | 深圳数联天下智能科技有限公司 | 肤色识别方法、装置、计算设备及计算机存储介质 |
CN112102349A (zh) * | 2020-08-21 | 2020-12-18 | 深圳数联天下智能科技有限公司 | 肤色识别的方法、装置及计算机可读存储介质 |
CN113115085A (zh) * | 2021-04-16 | 2021-07-13 | 海信电子科技(武汉)有限公司 | 一种视频播放方法及显示设备 |
CN113128416A (zh) * | 2021-04-23 | 2021-07-16 | 领途智造科技(北京)有限公司 | 一种能识别肤色的面部识别方法及装置 |
CN113642358A (zh) * | 2020-04-27 | 2021-11-12 | 华为技术有限公司 | 肤色检测方法、装置、终端和存储介质 |
CN113933293A (zh) * | 2021-11-08 | 2022-01-14 | 中国联合网络通信集团有限公司 | 浓度检测方法及装置 |
CN114174783A (zh) * | 2019-04-09 | 2022-03-11 | 资生堂株式会社 | 用于创建具有改进的图像捕获的局部制剂的系统和方法 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110599554A (zh) * | 2019-09-16 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 人脸肤色的识别方法和装置、存储介质及电子装置 |
CN111815651B (zh) * | 2020-07-08 | 2024-01-30 | 深圳市梦网视讯有限公司 | 一种人脸与身体肤色区域的分割方法、系统及设备 |
CN111815653B (zh) * | 2020-07-08 | 2024-01-30 | 深圳市梦网视讯有限公司 | 一种人脸与身体肤色区域的分割方法、系统和设备 |
CN111950390B (zh) * | 2020-07-22 | 2024-04-26 | 深圳数联天下智能科技有限公司 | 皮肤敏感度的确定方法及装置、存储介质及设备 |
CN112102154B (zh) * | 2020-08-20 | 2024-04-26 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备和存储介质 |
CN113762010A (zh) * | 2020-11-18 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 图像处理方法、装置、设备和存储介质 |
CN113505674B (zh) * | 2021-06-30 | 2023-04-18 | 上海商汤临港智能科技有限公司 | 人脸图像处理方法及装置、电子设备和存储介质 |
CN113749642B (zh) * | 2021-07-07 | 2022-09-23 | 上海耐欣科技有限公司 | 量化皮肤潮红反应程度的方法、系统、介质及终端 |
CN113938672B (zh) * | 2021-09-16 | 2024-05-10 | 青岛信芯微电子科技股份有限公司 | 信号源的信号识别方法及终端设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040264744A1 (en) * | 2003-06-30 | 2004-12-30 | Microsoft Corporation | Speedup of face detection in digital images |
CN101706874A (zh) * | 2009-12-25 | 2010-05-12 | 青岛朗讯科技通讯设备有限公司 | 基于肤色特征的人脸检测方法 |
CN104156915A (zh) * | 2014-07-23 | 2014-11-19 | 小米科技有限责任公司 | 肤色调整方法和装置 |
CN105496414A (zh) * | 2014-10-13 | 2016-04-20 | 株式会社爱茉莉太平洋 | 通过肤色定制的妆色诊断方法及通过肤色定制的妆色诊断装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050455B (zh) * | 2014-06-24 | 2018-01-16 | 深圳先进技术研究院 | 一种肤色检测方法及系统 |
CN104732200B (zh) * | 2015-01-28 | 2018-04-03 | 广州远信网络科技发展有限公司 | 一种皮肤类型和皮肤问题的识别方法 |
-
2017
- 2017-11-23 CN CN201780009028.3A patent/CN108701217A/zh active Pending
- 2017-11-23 WO PCT/CN2017/112533 patent/WO2019100282A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040264744A1 (en) * | 2003-06-30 | 2004-12-30 | Microsoft Corporation | Speedup of face detection in digital images |
CN101706874A (zh) * | 2009-12-25 | 2010-05-12 | 青岛朗讯科技通讯设备有限公司 | 基于肤色特征的人脸检测方法 |
CN104156915A (zh) * | 2014-07-23 | 2014-11-19 | 小米科技有限责任公司 | 肤色调整方法和装置 |
CN105496414A (zh) * | 2014-10-13 | 2016-04-20 | 株式会社爱茉莉太平洋 | 通过肤色定制的妆色诊断方法及通过肤色定制的妆色诊断装置 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109413508A (zh) * | 2018-10-26 | 2019-03-01 | 广州虎牙信息科技有限公司 | 图像混合的方法、装置、设备、推流方法及直播系统 |
CN109712090A (zh) * | 2018-12-18 | 2019-05-03 | 维沃移动通信有限公司 | 一种图像处理方法、装置和移动终端 |
CN109934092A (zh) * | 2019-01-18 | 2019-06-25 | 深圳壹账通智能科技有限公司 | 识别色号方法、装置、计算机设备及存储介质 |
CN114174783A (zh) * | 2019-04-09 | 2022-03-11 | 资生堂株式会社 | 用于创建具有改进的图像捕获的局部制剂的系统和方法 |
CN110245590A (zh) * | 2019-05-29 | 2019-09-17 | 广东技术师范大学 | 一种基于皮肤图像检测的产品推荐方法及系统 |
CN110245590B (zh) * | 2019-05-29 | 2023-04-28 | 广东技术师范大学 | 一种基于皮肤图像检测的产品推荐方法及系统 |
CN111507944A (zh) * | 2020-03-31 | 2020-08-07 | 北京百度网讯科技有限公司 | 皮肤光滑度的确定方法、装置和电子设备 |
CN111507944B (zh) * | 2020-03-31 | 2023-07-04 | 北京百度网讯科技有限公司 | 皮肤光滑度的确定方法、装置和电子设备 |
CN113642358A (zh) * | 2020-04-27 | 2021-11-12 | 华为技术有限公司 | 肤色检测方法、装置、终端和存储介质 |
CN113642358B (zh) * | 2020-04-27 | 2023-10-10 | 华为技术有限公司 | 肤色检测方法、装置、终端和存储介质 |
CN111881789A (zh) * | 2020-07-14 | 2020-11-03 | 深圳数联天下智能科技有限公司 | 肤色识别方法、装置、计算设备及计算机存储介质 |
CN112102349A (zh) * | 2020-08-21 | 2020-12-18 | 深圳数联天下智能科技有限公司 | 肤色识别的方法、装置及计算机可读存储介质 |
CN112102349B (zh) * | 2020-08-21 | 2023-12-08 | 深圳数联天下智能科技有限公司 | 肤色识别的方法、装置及计算机可读存储介质 |
CN113115085A (zh) * | 2021-04-16 | 2021-07-13 | 海信电子科技(武汉)有限公司 | 一种视频播放方法及显示设备 |
CN113128416A (zh) * | 2021-04-23 | 2021-07-16 | 领途智造科技(北京)有限公司 | 一种能识别肤色的面部识别方法及装置 |
CN113933293A (zh) * | 2021-11-08 | 2022-01-14 | 中国联合网络通信集团有限公司 | 浓度检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2019100282A1 (zh) | 2019-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108701217A (zh) | 一种人脸肤色识别方法、装置和智能终端 | |
KR101140533B1 (ko) | 이미지로부터 추정된 피부색에 기초해서 제품을 추천하는 컴퓨터 구현된 방법 | |
US8861847B2 (en) | System and method for adaptive skin tone detection | |
CN106898026B (zh) | 一种图片的主色调提取方法和装置 | |
CN111062891A (zh) | 图像处理方法、装置、终端及计算机可读存储介质 | |
CN112614060A (zh) | 人脸图像头发渲染方法、装置、电子设备和介质 | |
CN106485222A (zh) | 一种基于肤色分层的人脸检测方法 | |
CN109033935B (zh) | 抬头纹检测方法及装置 | |
CN112241933A (zh) | 人脸图像处理方法、装置、存储介质及电子设备 | |
CN109948450A (zh) | 一种基于图像的用户行为检测方法、装置和存储介质 | |
CN111784703B (zh) | 一种图像分割方法、装置、电子设备和存储介质 | |
Chin et al. | Facial skin image classification system using Convolutional Neural Networks deep learning algorithm | |
CN107483636A (zh) | 用于推送信息的方法和装置 | |
KR20150127898A (ko) | 휴대용 피부상태 분석 장치 및 이를 이용한 피부 관리 서비스 방법 | |
CN113642358B (zh) | 肤色检测方法、装置、终端和存储介质 | |
Berbar | Novel colors correction approaches for natural scenes and skin detection techniques | |
Shih et al. | Multiskin color segmentation through morphological model refinement | |
Berbar | Skin colour correction and faces detection techniques based on HSL and R colour components | |
Hsiao et al. | An intelligent skin‐color capture method based on fuzzy C‐means with applications | |
Ko et al. | Image-processing based facial imperfection region detection and segmentation | |
CN113298753A (zh) | 敏感肌的检测方法、图像处理方法、装置及设备 | |
Solanke et al. | GPU Accelerated Computing for Human Skin Colour Detection Using YCbCr Colour Model | |
KR101706373B1 (ko) | 피부 상태 분석 장치 및 이를 이용한 피부 관리 서비스 방법 | |
Kamble | Foundation Makeup Shade Recommendation using Computer Vision Based on Skin Tone Recognition | |
CN114565506B (zh) | 图像颜色迁移方法、装置、设备及存储介质 |
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 |
Application publication date: 20181023 |
|
RJ01 | Rejection of invention patent application after publication |