CN112712569A - 一种肤色检测方法、装置、移动终端和存储介质 - Google Patents
一种肤色检测方法、装置、移动终端和存储介质 Download PDFInfo
- Publication number
- CN112712569A CN112712569A CN202011563923.XA CN202011563923A CN112712569A CN 112712569 A CN112712569 A CN 112712569A CN 202011563923 A CN202011563923 A CN 202011563923A CN 112712569 A CN112712569 A CN 112712569A
- Authority
- CN
- China
- Prior art keywords
- data
- color
- skin
- face
- image data
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 102
- 238000013507 mapping Methods 0.000 claims abstract description 239
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000006870 function Effects 0.000 claims description 109
- 238000012937 correction Methods 0.000 claims description 23
- 230000000875 corresponding effect Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000009432 framing Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 210000004209 hair Anatomy 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 5
- 238000013519 translation Methods 0.000 description 5
- 230000003796 beauty Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种肤色检测方法、装置、移动终端和存储介质，该方法包括：采集视频数据，视频数据包括多帧图像数据，分别在多帧图像数据中检测人脸数据，若在第一目标图像数据中检测到人脸数据，则以人脸数据的色彩值作为先验知识修正映射函数，映射函数用于基于色彩值识别皮肤数据，将第二目标图像数据的色彩值代入映射函数中，以在第二目标图像数据中检测皮肤数据，在当前的业务场景中对皮肤数据统计出较为准确的色彩值，以此自适应修正映射函数，可以提高映射函数在当前的业务场景中进行肤色检测的准确性，并且，人脸检测、统计皮肤数据的颜色值、映射函数的修正及其应用等操作均较为简单，计算量少、速度快、耗时短。
Description
技术领域
本发明实施例涉及计算机视觉的技术领域，尤其涉及一种肤色检测方法、装置、移动终端和存储介质。
背景技术
随着移动互联网与移动终端的迅速发展，移动终端中的视频数据已成为人类活动中常用的信息载体，如直播、视频通话等，它们包含着物体的大量信息，成为人们获取外界原始信息的途径之一。
针对这些视频数据，用户通常会选择美颜，肤色检测作为美颜的基础，决定了美颜能够实现对视频数据的实时处理，并且也觉得了美颜的效果优劣。
现有主流的肤色检测可以分为基于颜色空间的肤色检测、基于机器学习分类的肤色检测以及基于深度学习图像分割的肤色检测。
其中，基于颜色空间的肤色检测由于具有快速高效的特性在从而在实时流处理领域有着广泛的应用，但精确度较低，基于机器学习分类的肤色检测以及基于深度学习图像分割的肤色检测有较高的精确度，但在实时流处理的时候性能往往会成为瓶颈，难以应用于移动终端等设备受限的情况。
发明内容
本发明实施例提出了一种肤色检测方法、装置、移动终端和存储介质，以解决如何在性能受限的情况下，兼顾肤色检测的实时性与精确度的问题。
第一方面，本发明实施例提供了一种肤色检测方法，包括：
采集视频数据，所述视频数据包括多帧图像数据；
分别在多帧所述图像数据中检测人脸数据；
若在第一目标图像数据中检测到人脸数据，则以所述人脸数据的色彩值作为先验知识修正映射函数，所述映射函数用于基于色彩值识别皮肤数据，所述第一目标图像数据为在第一时间点采集的图像数据；
将第二目标图像数据的色彩值代入所述映射函数中，以在所述第二目标图像数据中检测皮肤数据，所述第二目标图像数据为在第二时间点采集的图像数据。
第二方面，本发明实施例还提供了一种肤色检测装置，包括：
视频数据采集模块，用于采集视频数据，所述视频数据包括多帧图像数据；
人脸数据检测模块，用于分别在多帧所述图像数据中检测人脸数据；
映射函数修正模块，用于若在第一目标图像数据中检测到人脸数据，则以所述人脸数据的色彩值作为先验知识修正映射函数，所述映射函数用于基于色彩值识别皮肤数据，所述第一目标图像数据为在第一时间点采集的图像数据；
映射检测模块，用于将第二目标图像数据的色彩值代入所述映射函数中，以在所述第二目标图像数据中检测皮肤数据，所述第二目标图像数据为在第二时间点采集的图像数据。
第三方面，本发明实施例还提供了一种移动终端，所述移动终端包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的肤色检测方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如第一方所述的肤色检测方法。
在本实施例中，采集视频数据，视频数据包括多帧图像数据，分别在多帧图像数据中检测人脸数据，若在第一目标图像数据中检测到人脸数据，则以人脸数据的色彩值作为先验知识修正映射函数，映射函数用于基于色彩值识别皮肤数据，第一目标图像数据为在第一时间点采集的图像数据，将第二目标图像数据的色彩值代入映射函数中，以在第二目标图像数据中检测皮肤数据，第二目标图像数据为在第二时间点采集的图像数据，视频数据具有连续性，因此，多帧图像数据之间的内容具有相关性，使得在先的图像数据可以作为在后的图像数据的先验知识，以人脸数据作为锚点可以捕捉到优质的皮肤数据，可以在当前的业务场景中对皮肤数据统计出较为准确的色彩值，以此自适应修正映射函数，可以提高映射函数在当前的业务场景中进行肤色检测的准确性，并且，人脸检测、统计皮肤数据的颜色值、映射函数的修正及其应用等操作均较为简单，计算量少、速度快、耗时短，在移动终端等设备性能受限的情况下，可实现实时对视频数据进行肤色检测。
进一步地，在提高肤色检测的准确性的情况下，可以排除一些与皮肤数据相似的数据，如头发、衣服、背景等，使得在后续美颜处理(如磨皮处理)中保护与皮肤数据相似的数据，减缓或避免与皮肤数据相似的数据因美颜处理(如磨皮处理)而导致清晰度下降的情况，从而保证美颜处理的质量。
附图说明
图1为本发明实施例一提供的一种肤色检测方法的流程图；
图2为本发明实施例一提供的一种视频数据的时间轴的示例图；
图3为本发明实施例一提供的一种映射函数的示例图；
图4为本发明实施例一提供的一种修正映射函数的示例图；
图5为本发明实施例一提供的一种肤色检测的概率分布图；
图6为本发明实施例二提供的一种肤色检测装置的结构示意图；
图7为本发明实施例三提供的一种移动终端的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种肤色检测方法的流程图，本实施例可适用于以人脸数据的色彩值作为先验知识进行肤色检测的情况，该方法可以由肤色检测装置来执行，该肤色检测装置可以由软件和/或硬件实现，可配置在移动终端中，例如，手机、平板电脑、智能穿戴设备(如智能手表、智能眼镜等)，等等，具体包括如下步骤：
步骤101、采集视频数据。
在本实施例中，等待肤色检测的视频数据一般指在具有实时性的业务场景中所生成、传输或播放的视频数据。
一般而言，可在生成该视频数据的移动终端中对该视频数据进行肤色检测，此时，可开启移动终端的摄像头，摄像头采集视频数据。
当然，除了在生成该视频数据的移动终端中对该视频数据进行肤色检测之外，也可以在播放该视频数据的移动终端对该视频数据进行肤色检测，本实施例对此不加以限制。
例如，在直播的业务场景中，等待肤色检测的视频数据可以指用于承载直播内容的视频数据，主播用户所登录的移动终端产生视频数据，以及，将该视频数据通过直播平台分发到各个观众用户所登录的设备进行播放，此时，通常在主播用户所登录的移动终端对该视频数据进行肤色检测。
又例如，在视频通话的业务场景中，等待肤色检测的视频数据可以指用于承载通话内容的视频数据，发起通话的用户所登录的移动终端产生视频数据，以及，将该视频数据发送到各个被邀请通话的用户所登录的设备进行播放，此时，通常在发起通话的用户所登录的移动终端对该视频数据进行肤色检测。
又例如，在视频会议的业务场景中，等待肤色检测的视频数据可以指用于承载会议内容的视频数据，正在发言的用户所登录的移动终端产生视频数据，以及，将该视频数据发送到各个参与该会议的用户所登录的设备进行播放，此时，通常正在发言的用户所登录的移动终端对该视频数据进行肤色检测。
当然，等待肤色检测的视频数据也可以指在实时性要求较低的业务场景中所生成的视频数据，如短视频等，本实施例对此不加以限制。
步骤102、分别在多帧图像数据中检测人脸数据。
在不同的业务场景中，通常是对用户采集视频数据，因此，在视频数据的多帧图像数据中通常具有用户的人物形象，所谓人物形象，可以指图像数据中用于表示人物的像素点。
该人物形象至少包括用于表示人脸的人脸数据(像素点)，除此之外，还可以包括用于表示头发的头发数据(像素点)、用于表示躯体的躯体数据(像素点)、用于表示四肢的四肢数据(像素点)，等等，本发明实施例对此不加以限制。
其中，对于人脸数据、躯体数据、四肢数据等可以包括用于表示皮肤的皮肤数据(像素点)。
在本实施例中，可对多帧图像数据分别进行人脸检测，识别该图像数据中包含的人脸数据，以人脸数据作为优质的锚点，可捕捉到质量较高的皮肤数据。
在一些情况中，人脸数据以人脸关键点表示，即给定人脸数据，定位出人脸面部的关键区域位置，包括眉毛、眼睛、鼻子、嘴巴、脸部轮廓等等。
在另一些情况中，可以基于人脸关键点生成指定形状的范围，用该范围表示人脸数据，其中，该形状包括矩形、椭圆形等，对于矩形的范围，又可称之为人脸框。
在具体实现中，可以使用如下方法对多帧图像数据进行人脸检测：
1、利用人工提取特征，如haar特征，使用特征训练分类器，使用分类器进行人脸检测。
2、从通用的目标检测算法中继承人脸检测，例如，利用Faster R-CNN来检测人脸。
3、使用级联结构的卷积神经网络，例如，Cascade CNN(级联卷积神经网络)，MTCNN(Multi-task Cascaded Convolutional Networks，多任务卷积神经网络)。
这些实现人脸检测的方法可以集成在应用的模块中，直接调用该应用的模块对图像数据进行人脸检测，这些实现人脸检测的方法也可以集成在SDK(Software DevelopmentKit，软件开发工具包)，该SDK作为应用的组装数据，应用可请求SDK对多帧图像数据进行人脸检测，SDK检测到图像数据中的人脸数据，并将人脸数据返回应用。
若该应用为与摄像头配套的系统应用，该系统应用通常为这些实现人脸检测的方法提供API(应用程序编程接口，Application Program Interface)、作为人脸检测接口，例如，在Android(安卓)系统中，提供了两个人脸检测接口android.media.FaceDetector和android.media.FaceDetector.Face，在iOS系统中，提供了两个人脸检测接口AVCaptureMetadataOutput和CIDetector。
针对此情况，可调用摄像头提供的人脸检测接口，以请求在摄像头采集的多帧图像数据中检测人脸数据，接收人脸检测接口返回的一个或多个人脸框，人脸框为矩形框，可用于框定人脸数据，即人脸数据位于人脸框中。
对于系统应用提供的人脸检测接口，有硬件支持，以及，基于少数人脸关键点(2个人脸关键点)标定人脸框，速度快，性能消耗很低，并且，精确度可满足作为先验知识的要求。
视频数据包括多帧图像数据，按照生成的顺序依次记为P1、P2、……、Pt-1、Pt、Pt+1、……、Pn，其中，t、n为正整数，t+1＜n，由于视频数据实时生成，因此，n随着视频数据的生成而不断增大，直至视频数据生成完毕。
在本实施例中，依次遍历视频数据中的每帧图像数据进行肤色检测，为了便于描述，将在第一时间点采集的图像数据称之为第一目标图像数据，将在第二时间点采集的图像数据称之为第二目标图像数据。
其中，第二时间点位于第一时间点之后，一般情况下，第一时间点为与第二时间点最近的、检测到人脸数据的时间点，在时间轴上，第二时间点可以与第一时间点相邻，即第二时间点与第一时间点之间未间隔其他时间点，第二时间点也可以与第一时间点不相邻，即第二时间点与第一时间点之间间隔其他时间点。
例如，如图2所示，分别在时间点t2、t7对应的图像数据中检测到人脸数据，则对于时间点t2-t6，时间点t2为第一时间点，时间点t3-t6为第二时间点，对于时间点t7-t11，时间点t7为第一时间点，时间点t8-t11为第二时间点。
步骤103、若在第一目标图像数据中检测到人脸数据，则以人脸数据的色彩值作为先验知识修正映射函数。
在本实施例中，可以通过对皮肤数据、非皮肤数据等不同样本中的像素点统计色彩值的方式设置映射函数，该映射函数可用于基于色彩值识别皮肤数据，即该映射函数的输入为色彩值，输出为属于皮肤数据的概率，此时，可统计不同样本中的像素点在某一色彩值下为皮肤数据的概率，从而将这些色彩值及其概率拟合为映射函数。
为了保持通用性，映射函数可以参照不同种族、不同年龄段、不同肤色的用户的皮肤数据，也可以参照在不同光照情况下的皮肤数据，因此，映射函数较为宽泛，精确度相对较高，但是，针对当前用户进行肤色检测的情况下，精确度有所欠缺。
一般情况下，映射函数中属于皮肤数据的概率为连续值，如[0-1]，在部分情况下，映射函数中属于皮肤数据的概率为离散值，如0、1，本实施例对此不加以限制。
在一个示例中，如图3所示，在映射函数所处坐标系中，横坐标(横轴)为色彩值(X)、纵坐标(纵轴)为属于皮肤数据的概率(P)。
该映射函数包括依次连接的第一色彩映射段(横坐标为[x0，x1])、第二色彩映射段(横坐标为[x1，x2])、第三色彩映射段(横坐标为[x2，x3])，其中，第一色彩映射段中属于皮肤数据的概率从0上升至1，第二色彩映射段中属于皮肤数据的概率为1，第三色彩映射段中属于皮肤数据的概率从1下降至0。
进一步而言，第二色彩映射段属于线段，第一色彩映射段、第三色彩映射段属于曲线，可以通过使用多项式函数等方式进行拟合。
当然，上述映射函数只是作为示例，在实施本发明实施例时，可以根据实际情况设置其它映射函数，例如，该映射函数包括依次连接的第一色彩映射段、第二色彩映射段，其中，第一色彩映射段中属于皮肤数据的概率从0上升至1，第二色彩映射段中属于皮肤数据的概率从1下降至0，此时，映射函数以一元二次方程等函数表达，等等，本发明实施例对此不加以限制。另外，除了上述映射函数外，本领域技术人员还可以根据实际需要采用其它映射函数，本发明实施例对此也不加以限制。
需要说明的是，在不同颜色空间中，色彩值具有不同的色度分量，可针对各个色彩分量设置相应的映射函数，例如，在RGB颜色空间中，具有红色色度分量(R)、蓝色色度分量(G)、绿色色度分量(B)，则可以针对红色色度分量(R)设置映射函数、针对蓝色色度分量(G)设置映射函数、针对绿色色度分量(B)设置映射函数，又例如，在YCbCr颜色空间中，具有蓝色色度分量(Cb)、红色色度分量(Cr)，则可以针对蓝色色度分量(Cb)设置映射函数、针对红色色度分量(Cr)设置映射函数，等等。
如果在第一目标图像数据(即第一目标图像数据为在第一时间点采集的图像数据)中检测到人脸数据，则可以在人脸数据的范围内统计色彩值，该色彩值为皮肤数据的色彩值的置信度较高，可作为先验知识、针对当前用户修正映射函数，提高映射函数对于当前用户的精确度。
在本发明的一个实施例中，步骤103可以包括如下步骤：
步骤1031、确定映射函数。
在本实施例中，映射函数的横坐标为色彩值、纵坐标为属于皮肤数据的概率，映射函数包括依次连接的第一色彩映射段、第二色彩映射段、第三色彩映射段，第一色彩映射段中属于皮肤数据的概率从0上升至1，第二色彩映射段中属于皮肤数据的概率为1，第三色彩映射段中属于皮肤数据的概率从1下降至0。
步骤1032、基于颜色空间在人脸数据中检测皮肤数据。
在本实施例中，若第一目标图像数据中存在多个人脸数据，则可以分别统计多个人脸数据的面积，若人脸数据以人脸框框定，该人脸框的宽为w，高为h，则该人脸数据的面积S＝w×h。
将各个人脸数据的面积进行比较，提取面积最大的n(n为正整数，如3)个人脸数据，待检测皮肤数据、统计皮肤数据的颜色值，由于摄像头的成像特性、回调人脸数据的方法，其对面积较大的人脸数据的颜色描述较为准确，选择面积最大的n个人脸数据可以降低计算量的情况下、保证后续统计皮肤数据的颜色值的精确度。
当然，在第一目标图像数据中存在多个人脸数据的情况下，也可以基于颜色空间在全部人脸数据中检测皮肤数据，本实施例对此不加以限制。
针对已检测到的人脸数据，可使用基于颜色空间的方法在该人脸数据中进行肤色检测，检测表示皮肤数据的像素点，基于颜色空间的方法计算简单，因此，计算速度快，耗时少，统计多个皮肤数据的颜色值可以在整体上保持较高的精确度，满足先验知识的要求。
由于图像数据的颜色空间有所不同，针对不同的颜色空间，可使用与该颜色空间相应的方法在人脸数据中检测皮肤数据，或者，将图像数据转换至指定的颜色空间中，使用与指定的颜色空间相应的方法在人脸数据中检测皮肤数据，本实施例对此不加以限制。
在一个示例中，针对RGB颜色空间，像素点的色彩值符合如下条件时，可以认为该像素点是皮肤数据(即该像素点属于皮肤数据的概率为1)，否则，可以认为该像素点不是皮肤数据(即该像素点属于皮肤数据的概率为0)：
R＞95,G＞40,B＞20,R＞G,R＞B
(Max(R,G,B)-Min(R,G,B))＞15
Abs(R-G)＞5
其中，Max表示取最大值，Min表示取最小值，Abs表示取绝对值。
在另一个示例中，针对YCbCr颜色空间，像素点的色彩值符合如下条件时，可以认为该像素点是皮肤数据(即该像素点属于皮肤数据的概率为1)，否则，可以认为该像素点不是皮肤数据(即该像素点属于皮肤数据的概率为0)：
cx＝109.38,cy＝152.02,θ＝2.53,
a＝25.39,b＝14.03
对于调用摄像头提供的人脸检测接口进行人脸检测的情况，人脸数据可能包含头发数据、背景数据等非皮肤数据，此时，可往中心对人脸数据进行收敛，获得候选区域图像，从而减少人脸数据的在边缘的区域，减少非皮肤数据的数量，提高皮肤数据的占比，从而基于颜色空间在候选区域图像中检测皮肤数据，提高检测皮肤数据的准确度。
在一个收敛的示例中，若人脸数据以人脸框框定，则可以确定人脸框的中心点P(x0,y0)，在维持中心点P(x0,y0)的条件下，缩小人脸框的宽与高，作为候选区域图像。将人脸框的中心点P(x0,y0)设置为候选区域图像的中心点P(x0,y0)，即保持中心点P(x0,y0)不变，在此条件下，缩小人脸框的宽与高，作为候选区域图像的宽与高。
设人脸框的宽为w，高为h，则候选区域图像可表示为[x0±(a*w),y0±(b*h)]，其中，a为小于1的系数，如0.4，b为小于1的系数，如0.1。
步骤1033、对皮肤数据统计色彩值。
对于属于皮肤数据的像素点，可统计各个像素点之间的色彩值的平均值，作为皮肤数据整体的色彩值。
步骤1034、在映射函数所处坐标系的横轴上标记皮肤数据的色彩值。
如图4所示，若统计皮肤数据的色彩值C，则可以将皮肤数据的色彩值C标记在映射函数所处坐标系的横轴上。
由于皮肤数据的色彩值C的精确度较高，皮肤数据的色彩值C一般位于映射函数的第二色彩映射段(横坐标为[x1，x2])中。
步骤1035、在维持第一色彩映射段、第三色彩映射段的条件下，参考皮肤数据的色彩值缩小第二色彩映射段。
在具体实现中，可以将映射函数整体性地向皮肤数据的色彩值C进行收敛，减少映射函数的范围，排除一些概率较低的区域。
在收敛映射函数的过程中，以维持第一色彩映射段、第三色彩映射段的形状不变作为前提条件，以当前场景中用户的皮肤数据的色彩值作为参考，缩小第二色彩映射段的范围，以及，相应调整第一色彩映射段、第三色彩映射段的范围。
在本发明的一个实施例中，步骤1035包括如下步骤：
步骤10351、朝皮肤数据的色彩值收敛第二色彩映射段。
以皮肤数据的色彩值作为指定的位置，如中点、分位点等，在横坐标上朝皮肤数据的色彩值收敛第二色彩映射段，从而缩小第二色彩映射段的范围。
收敛第二色彩映射段时，可收敛第二色彩映射段的任意一端，也可以同时收敛第二色彩映射段的两端，本实施例对此不加以限制。
如图4所示，在横轴上标记皮肤数据的色彩值C，朝皮肤数据的色彩值C同时收敛第二色彩映射段的两端，收敛之前第二色彩映射段的横坐标为[x1，x2]，收敛之后第二色彩映射段的横坐标为[x1＇，x2＇]，其中，x1＇＞x1，x2＇＜x2。
在一种收敛的方式中，可确定目标长度Lt，假设第二色彩映射段的长度为L，目标长度Lt小于第二色彩映射段的长度L，即Lt＜L，以皮肤数据的色彩值作为中心点缩小第二色彩映射段，直至第二色彩映射段的长度L与目标长度Lt相等，从而缩小第二色彩映射段的范围。
如图4所示，第二色彩映射段的长度为L＝x2-x1,目标长度Lt＝x2＇-x1＇，皮肤数据的色彩值
在一些情况下，目标长度Lt为统计值，属于常数。
在另一些情况下，目标长度Lt为自适应的调整的数值，属于变量。
具体而言，可确定基准长度T，基准长度T为统计值，属于常数，其小于第二色彩映射段的长度L，即T＜L。
计算第二色彩映射段的长度L与基准长度T之间的差值，作为可调长度；
通过预设的映射方式f()将第二时间点与第一时间点之间的时间差Δt映射为修正系数wt，修正系数wt与时间差正相关，即时间差越大，修正系数wt越大，反之，时间差越小，修正系数wt越小。
计算可调长度与修正系数wt之间的乘积，作为修正长度，计算基准长度T与修正长度之间的和值，作为目标长度Lt。
此时，目标长度Lt的计算过程可如下表示：
Lt＝T+(L-T)*wt
wt＝f(Δt)
第二时间点距离第一时间点越近，场景中光照等条件变化的概率较低，在第一时间点中统计的皮肤数据的色彩值参考价值越高，第二时间点距离第一时间点越远，场景中光照等条件变化的概率较高，在第一时间点中统计的皮肤数据的色彩值的参考价值越低，因此，随着检测到人脸数据的图像数据(即第一时间点)离当前时间(第二时间点)越来越远，那么，逐渐放宽目标长度Lt，使得目标长度Lt越来越接近第二色彩映射段的长度L，从而保证修正之后的第二色彩映射段的准确性。
步骤10352、向第二色彩映射段平移第一色彩映射段，直至第一色彩映射段接驳第二色彩映射段。
如图4所示，若完成收敛第二色彩映射段，则可以在横轴上向右平移第一色彩映射段，使得第一色彩映射段朝第二色彩映射段移动，直至第一色彩映射段接驳第二色彩映射段，即第一色彩映射段接驳第二色彩映在端点x1＇处相接，平移之前第一色彩映射段的横坐标为[x0，x1]，平移之后第一色彩映射段的横坐标为[x0＇，x1＇]，其中，x0＇＞x0，x1＇＞x1，并且，x1-x0＝x1＇-x0＇。
步骤10353、向第二色彩映射段平移第三色彩映射段，直至第三色彩映射段接驳第二色彩映射段。
如图4所示，若完成收敛第二色彩映射段，则可以在横轴上向左平移第三色彩映射段，使得第三色彩映射段朝第二色彩映射段移动，直至第三色彩映射段接驳第二色彩映射段，即第三色彩映射段接驳第二色彩映在端点x2＇处相接，平移之前第三色彩映射段的横坐标为[x2，x3]，平移之后第二色彩映射段的横坐标为[x2＇，x3＇]，其中，x2＇＜x3，x2＇＜x3，并且，x3-x2＝x3＇-x2＇。
步骤104、将第二目标图像数据的色彩值代入映射函数中，以在第二目标图像数据中检测皮肤数据。
在第一时间点对应的第一目标图像数据检测到人脸数据，并以该人脸数据中皮肤数据的色彩值作为先验知识修正映射函数，该映射函数可以在位于第一时间点之后的第二时间点，对第二目标图像数据(即第二目标图像数据为在第二时间点采集的图像数据)进行肤色检测，从而在第二目标图像数据中检测像素点表征皮肤数据的程度。
进一步而言，可在映射函数所处的坐标系中的横轴标记第二目标图像数据各个像素点的色彩值，若第二目标图像数据中像素点的色彩值在映射函数外，则该像素点属于皮肤数据的概率为0，若第二目标图像数据中像素点的色彩值在映射函数内，则可通过映射函数查找该色彩值在纵轴对应的概率，作为该像素点属于皮肤数据的概率。
在一些情况中，映射函数的横坐标为色彩值、纵坐标为属于皮肤数据的概率，在不同颜色空间中，色彩值具有不同的色度分量，各个色彩分量具有相应的映射函数，针对同一个像素点，可计算出不同的概率。
针对此情况，可查询第二目标图像数据中各个像素点的色彩值，将色彩值代入相应的映射函数中，以映射为像素点在该色彩值下属于皮肤数据的候选概率，基于这些候选概率，可使用求平均值、求和、乘积、线性融合(即配置权重之后求和)等方式计算像素点属于皮肤数据的目标概率，这些目标概率体现了肤色的ROI(region of interest，感兴趣区域)区域。
在一个示例中，针对YCbCr颜色空间，第二目标图像数据具有蓝色色度分量Cb、红色色度分量Cr。
一方面，将蓝色色度分量Cb的色彩值代入蓝色色度分量Cb对应的映射函数中，以映射为像素点在蓝色色度分量Cb下属于皮肤数据的蓝色概率，作为候选概率
另一方面，将红色色度分量Cr的色彩值代入红色色度分量Cr对应的映射函数中，以映射为像素点在红色色度分量Cr下属于皮肤数据的红色概率，作为候选概率
此时，可计算蓝色概率
与红色概率
之间的乘积，作为像素点属于皮肤数据的目标概率
此外，若在先未检测到人脸数据，缺少较为优质的锚点，较难捕捉到质量较高的皮肤数据，则可以基于颜色空间在图像数据中检测皮肤数据。
例如，如图2所示，若在时间点t0、t1之前的图像数据中未检测到人脸数据，则可以基于颜色空间的方法在t0、t1对应的图像数据中检测皮肤数据。
在肤色检测之后，则可以按照用户的需求，对视频数据进行美颜处理(如磨皮处理)等操作。
为使本领域技术人员更好地理解本发明实施例，以下通过具体的示例来说明本实施例中的肤色检测方法。
如图5所示，针对同一帧图像数据，左侧为使用基于颜色空间进行肤色检测所得到的概率分布，右侧为使用应用本实施例进行肤色检测所得到的概率分布，其中，像素点的灰度越高(越偏白色)表示该像素点属于皮肤数据的概率越高，灰度越低(越偏黑色)表示该像素点属于皮肤数据的概率越低。
两者对比而言，基于颜色空间进行肤色检测将衣服、头发、背景(如电灯等)均较多地认为属于皮肤数据，而本实施例可以很好地排除衣服、头发、背景(如电灯等)，大大提高了肤色检测的准确率，在后续的美颜处理(如磨皮)中可以很好地保护衣服、头发、背景(如电灯等)。
在本实施例中，采集视频数据，视频数据包括多帧图像数据，分别在多帧图像数据中检测人脸数据，若在第一目标图像数据中检测到人脸数据，则以人脸数据的色彩值作为先验知识修正映射函数，映射函数用于基于色彩值识别皮肤数据，第一目标图像数据为在第一时间点采集的图像数据，将第二目标图像数据的色彩值代入映射函数中，以在第二目标图像数据中检测皮肤数据，第二目标图像数据为在第二时间点采集的图像数据，视频数据具有连续性，因此，多帧图像数据之间的内容具有相关性，使得在先的图像数据可以作为在后的图像数据的先验知识，以人脸数据作为锚点可以捕捉到优质的皮肤数据，可以在当前的业务场景中对皮肤数据统计出较为准确的色彩值，以此自适应修正映射函数，可以提高映射函数在当前的业务场景中进行肤色检测的准确性，并且，人脸检测、统计皮肤数据的颜色值、映射函数的修正及其应用等操作均较为简单，计算量少、速度快、耗时短，在移动终端等设备性能受限的情况下，可实现实时对视频数据进行肤色检测。
进一步地，在提高肤色检测的准确性的情况下，可以在色彩的维度下排除一些与皮肤数据相似的数据，如头发、衣服、背景等，使得在后续美颜处理(如磨皮处理)中保护与皮肤数据相似的数据，减缓或避免与皮肤数据相似的数据因美颜处理(如磨皮处理)而导致清晰度下降的情况，从而保证美颜处理的质量。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
实施例二
图6为本发明实施例二提供的一种肤色检测装置的结构框图，具体可以包括如下模块：
视频数据采集模块601，用于采集视频数据，所述视频数据包括多帧图像数据；
人脸数据检测模块602，用于分别在多帧所述图像数据中检测人脸数据；
映射函数修正模块603，用于若在第一目标图像数据中检测到人脸数据，则以所述人脸数据的色彩值作为先验知识修正映射函数，所述映射函数用于基于色彩值识别皮肤数据，所述第一目标图像数据为在第一时间点采集的图像数据；
映射检测模块604，用于将第二目标图像数据的色彩值代入所述映射函数中，以在所述第二目标图像数据中检测皮肤数据，所述第二目标图像数据为在第二时间点采集的图像数据。
在本发明的一个实施例中，所述人脸数据检测模块602包括：
人脸检测接口调用模块，用于调用摄像头提供的人脸检测接口，以请求在所述摄像头采集的多帧所述图像数据中检测人脸数据；
人脸框接收模块，用于接收所述人脸检测接口返回的一个或多个人脸框，所述人脸框用于框定人脸数据。
在本发明的一个实施例中，所述映射函数修正模块603包括：
映射函数确定模块，用于确定映射函数，所述映射函数的横坐标为色彩值、纵坐标为属于皮肤数据的概率，所述映射函数包括依次连接的第一色彩映射段、第二色彩映射段、第三色彩映射段，所述第一色彩映射段中属于皮肤数据的概率从0上升至1，所述第二色彩映射段中属于皮肤数据的概率为1，所述第三色彩映射段中属于皮肤数据的概率从1下降至0；
人脸皮肤检测模块，用于基于颜色空间在所述人脸数据中检测皮肤数据；
色彩值统计模块，用于对所述皮肤数据统计色彩值；
色彩值标记模块，用于在所述映射函数所处坐标系的横轴上标记所述皮肤数据的所述色彩值；
色彩映射段修正模块，用于在维持所述第一色彩映射段、所述第三色彩映射段的条件下，参考所述皮肤数据的所述色彩值缩小所述第二色彩映射段。
在本发明的一个实施例中，所述映射函数修正模块603还包括：
面积统计模块，用于若所述第一目标图像数据中存在多个人脸数据，则分别统计多个所述人脸数据的面积；
人脸提取模块，用于提取所述面积最大的n个所述人脸数据。
在本发明的一个实施例中，所述人脸皮肤检测模块包括：
人脸数据收敛模块，用于对所述人脸数据进行收敛，获得候选区域图像；
候选检测模块，用于基于颜色空间在所述候选区域图像中检测皮肤数据。
在本发明的一个实施例中，所述人脸数据收敛模块包括：
中心点确定模块，用于若所述人脸数据以人脸框框定，则确定所述人脸框的中心点；
人脸框缩小模块，用于将所述人脸框的中心点设置为候选区域图像的中心点，缩小所述人脸框的宽与高。
在本发明的一个实施例中，所述色彩映射段修正模块包括：
第二色彩映射段收敛模块，用于朝所述皮肤数据的所述色彩值收敛所述第二色彩映射段；
第一色彩映射段平移模块，用于向所述第二色彩映射段平移所述第一色彩映射段，直至所述第一色彩映射段接驳所述第二色彩映射段；
第三色彩映射段平移模块，用于向所述第二色彩映射段平移所述第三色彩映射段，直至所述第三色彩映射段接驳所述第二色彩映射段。
在本发明的一个实施例中，所述第二色彩映射段收敛模块包括：
目标长度确定模块，用于确定目标长度，所述目标长度的小于所述第二色彩映射段的长度；
色彩映射段缩小模块，用于以所述皮肤数据的所述色彩值作为中心点缩小所述第二色彩映射段，直至所述第二色彩映射段的长度与所述目标长度相等。
在本发明的一个实施例中，所述目标长度确定模块包括：
基准长度确定模块，用于确定基准长度，所述基准长度小于所述第二色彩映射段的长度；
可调长度计算模块，用于计算所述第二色彩映射段的长度与所述基准长度之间的差值，作为可调长度；
修正系数计算模块，用于将所述第二时间点与所述第一时间点之间的时间差映射为修正系数，所述修正系数与所述时间差正相关；
修正长度计算模块，用于计算所述可调长度与所述修正系数之间的乘积，作为修正长度；
目标长度计算模块，用于计算所述基准长度与所述修正长度之间的和值，作为目标长度。
在本发明的一个实施例中，所述映射检测模块604包括：
色彩值查询模块，用于查询所述第二目标图像数据中各个像素点的色彩值；
候选概率映射模块，用于将所述色彩值代入所述映射函数中，以映射为所述像素点在所述色彩值下属于皮肤数据的候选概率；
目标概率计算模块，用于基于所述候选概率计算所述像素点属于皮肤数据的目标概率。
在本发明的一个实施例中，所述候选概率映射模块包括：
蓝色概率映射模块，用于将蓝色色度分量的色彩值代入所述蓝色色度分量对应的所述映射函数中，以映射为所述像素点在所述蓝色色度分量下属于皮肤数据的蓝色概率，作为候选概率；
红色概率映射模块，用于将红色色度分量的色彩值代入所述红色色度分量对应的所述映射函数中，以映射为所述像素点在所述红色色度分量下属于皮肤数据的红色概率，作为候选概率；
所述目标概率计算模块包括：
概率乘积计算模块，用于计算所述蓝色概率与所述红色概率之间的乘积，作为所述像素点属于皮肤数据的目标概率。
在本发明的一个实施例中，还包括：
图像检测模块，用于若在先未检测到人脸数据，则基于颜色空间在所述图像数据中检测皮肤数据。
本发明实施例所提供的肤色检测装置可执行本发明任意实施例所提供的肤色检测方法，具备执行方法相应的功能模块和有益效果。
实施例三
图7为本发明实施例三提供的一种移动终端的结构示意图。图7示出了适于用来实现本发明实施方式的示例性移动终端12的框图。图7显示的移动终端12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，移动终端12以通用计算设备的形式表现。移动终端12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
移动终端12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被移动终端12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。移动终端12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
移动终端12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该移动终端12交互的设备通信，和/或与使得该移动终端12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，移动终端12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与移动终端12的其它模块通信。应当明白，尽管图中未示出，可以结合移动终端12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的肤色检测方法。
实施例四
本发明实施例四还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述肤色检测方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
其中，计算机可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (15)
1.一种肤色检测方法，其特征在于，包括：
采集视频数据，所述视频数据包括多帧图像数据；
分别在多帧所述图像数据中检测人脸数据；
若在第一目标图像数据中检测到人脸数据，则以所述人脸数据的色彩值作为先验知识修正映射函数，所述映射函数用于基于色彩值识别皮肤数据，所述第一目标图像数据为在第一时间点采集的图像数据；
将第二目标图像数据的色彩值代入所述映射函数中，以在所述第二目标图像数据中检测皮肤数据，所述第二目标图像数据为在第二时间点采集的图像数据。
2.根据权利要求1所述的方法，其特征在于，所述分别在多帧所述图像数据中检测人脸数据，包括：
调用摄像头提供的人脸检测接口，以请求在所述摄像头采集的多帧所述图像数据中检测人脸数据；
接收所述人脸检测接口返回的一个或多个人脸框，所述人脸框用于框定人脸数据。
3.根据权利要求1所述的方法，其特征在于，所述以所述人脸数据的色彩值作为先验知识修正映射函数，包括：
确定映射函数，所述映射函数的横坐标为色彩值、纵坐标为属于皮肤数据的概率，所述映射函数包括依次连接的第一色彩映射段、第二色彩映射段、第三色彩映射段，所述第一色彩映射段中属于皮肤数据的概率从0上升至1，所述第二色彩映射段中属于皮肤数据的概率为1，所述第三色彩映射段中属于皮肤数据的概率从1下降至0；
基于颜色空间在所述人脸数据中检测皮肤数据；
对所述皮肤数据统计色彩值；
在所述映射函数所处坐标系的横轴上标记所述皮肤数据的所述色彩值；
在维持所述第一色彩映射段、所述第三色彩映射段的条件下，参考所述皮肤数据的所述色彩值缩小所述第二色彩映射段。
4.根据权利要求3所述的方法，其特征在于，所述以所述人脸数据的色彩值作为先验知识修正映射函数，还包括：
若所述第一目标图像数据中存在多个人脸数据，则分别统计多个所述人脸数据的面积；
提取所述面积最大的n个所述人脸数据。
5.根据权利要求3所述的方法，其特征在于，所述基于颜色空间在所述人脸数据中检测皮肤数据，包括：
对所述人脸数据进行收敛，获得候选区域图像；
基于颜色空间在所述候选区域图像中检测皮肤数据。
6.根据权利要求5所述的方法，其特征在于，所述对所述人脸数据进行收敛，获得候选区域图像，包括：
若所述人脸数据以人脸框框定，则确定所述人脸框的中心点；
将所述人脸框的中心点设置为候选区域图像的中心点，缩小所述人脸框的宽与高。
7.根据权利要求3所述的方法，其特征在于，所述在维持所述第一色彩映射段、所述第三色彩映射段的条件下，参考所述皮肤数据的所述色彩值缩小所述第二色彩映射段，包括：
朝所述皮肤数据的所述色彩值收敛所述第二色彩映射段；
向所述第二色彩映射段平移所述第一色彩映射段，直至所述第一色彩映射段接驳所述第二色彩映射段；
向所述第二色彩映射段平移所述第三色彩映射段，直至所述第三色彩映射段接驳所述第二色彩映射段。
8.根据权利要求7所述的方法，其特征在于，所述朝所述皮肤数据的所述色彩值收敛所述第二色彩映射段，包括：
确定目标长度，所述目标长度的小于所述第二色彩映射段的长度；
以所述皮肤数据的所述色彩值作为中心点缩小所述第二色彩映射段，直至所述第二色彩映射段的长度与所述目标长度相等。
9.根据权利要求8所述的方法，其特征在于，所述确定目标长度，包括：
确定基准长度，所述基准长度小于所述第二色彩映射段的长度；
计算所述第二色彩映射段的长度与所述基准长度之间的差值，作为可调长度；
将所述第二时间点与所述第一时间点之间的时间差映射为修正系数，所述修正系数与所述时间差正相关；
计算所述可调长度与所述修正系数之间的乘积，作为修正长度；
计算所述基准长度与所述修正长度之间的和值，作为目标长度。
10.根据权利要求1-9任一项所述的方法，其特征在于，所述将第二目标图像数据的色彩值代入所述映射函数中，以在所述第二目标图像数据中检测皮肤数据，包括：
查询所述第二目标图像数据中各个像素点的色彩值；
将所述色彩值代入所述映射函数中，以映射为所述像素点在所述色彩值下属于皮肤数据的候选概率；
基于所述候选概率计算所述像素点属于皮肤数据的目标概率。
11.根据权利要求10所述的方法，其特征在于，所述将所述色彩值代入所述映射函数中，以映射为所述像素点在所述色彩值下属于皮肤数据的候选概率，包括：
将蓝色色度分量的色彩值代入所述蓝色色度分量对应的所述映射函数中，以映射为所述像素点在所述蓝色色度分量下属于皮肤数据的蓝色概率，作为候选概率；
将红色色度分量的色彩值代入所述红色色度分量对应的所述映射函数中，以映射为所述像素点在所述红色色度分量下属于皮肤数据的红色概率，作为候选概率；
所述基于所述候选概率计算所述像素点属于皮肤数据的目标概率，包括：
计算所述蓝色概率与所述红色概率之间的乘积，作为所述像素点属于皮肤数据的目标概率。
12.根据权利要求1-9任一项所述的方法，其特征在于，还包括：
若在先未检测到人脸数据，则基于颜色空间在所述图像数据中检测皮肤数据。
13.一种肤色检测装置，其特征在于，包括：
视频数据采集模块，用于采集视频数据，所述视频数据包括多帧图像数据；
人脸数据检测模块，用于分别在多帧所述图像数据中检测人脸数据；
映射函数修正模块，用于若在第一目标图像数据中检测到人脸数据，则以所述人脸数据的色彩值作为先验知识修正映射函数，所述映射函数用于基于色彩值识别皮肤数据，所述第一目标图像数据为在第一时间点采集的图像数据；
映射检测模块，用于将第二目标图像数据的色彩值代入所述映射函数中，以在所述第二目标图像数据中检测皮肤数据，所述第二目标图像数据为在第二时间点采集的图像数据。
14.一种移动终端，其特征在于，所述移动终端包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-12中任一项所述的肤色检测方法。
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1-12中任一项所述的肤色检测方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011563923.XA CN112712569B (zh) | 2020-12-25 | 2020-12-25 | 一种肤色检测方法、装置、移动终端和存储介质 |
| PCT/CN2021/141248 WO2022135574A1 (zh) | 2020-12-25 | 2021-12-24 | 肤色检测方法、装置、移动终端和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011563923.XA CN112712569B (zh) | 2020-12-25 | 2020-12-25 | 一种肤色检测方法、装置、移动终端和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112712569A true CN112712569A (zh) | 2021-04-27 |
| CN112712569B CN112712569B (zh) | 2023-12-12 |
Family
ID=75546610
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011563923.XA Active CN112712569B (zh) | 2020-12-25 | 2020-12-25 | 一种肤色检测方法、装置、移动终端和存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN112712569B (zh) |
| WO (1) | WO2022135574A1 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113554007A (zh) * | 2021-09-18 | 2021-10-26 | 上海齐感电子信息科技有限公司 | 人脸框的计算方法及计算系统 |
| CN113888543A (zh) * | 2021-08-20 | 2022-01-04 | 北京达佳互联信息技术有限公司 | 肤色分割方法、装置、电子设备及存储介质 |
| WO2022135574A1 (zh) * | 2020-12-25 | 2022-06-30 | 百果园技术(新加坡)有限公司 | 肤色检测方法、装置、移动终端和存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107292228A (zh) * | 2017-05-05 | 2017-10-24 | 珠海数字动力科技股份有限公司 | 一种加快人脸识别搜索速度的方法 |
| US20170339409A1 (en) * | 2016-05-23 | 2017-11-23 | Intel Corporation | Fast and robust human skin tone region detection for improved video coding |
| CN107392166A (zh) * | 2017-07-31 | 2017-11-24 | 北京小米移动软件有限公司 | 肤色检测方法、装置及计算机可读存储介质 |
| CN109063580A (zh) * | 2018-07-09 | 2018-12-21 | 北京达佳互联信息技术有限公司 | 人脸识别方法、装置、电子设备及存储介质 |
| WO2018233637A1 (zh) * | 2017-06-21 | 2018-12-27 | 深圳市万普拉斯科技有限公司 | 视频处理方法、装置、电子设备及存储介质 |
| CN110706295A (zh) * | 2019-09-10 | 2020-01-17 | 中国平安人寿保险股份有限公司 | 人脸检测方法、装置及计算机可读存储介质 |
| CN111047517A (zh) * | 2018-10-11 | 2020-04-21 | 展讯通信（上海）有限公司 | 肤色调节方法及装置、可读存储介质 |
| CN111291638A (zh) * | 2020-01-19 | 2020-06-16 | 上海云从汇临人工智能科技有限公司 | 一种对象比对方法、系统、设备及介质 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7542600B2 (en) * | 2004-10-21 | 2009-06-02 | Microsoft Corporation | Video image quality |
| CN102968623B (zh) * | 2012-12-07 | 2015-12-23 | 上海电机学院 | 肤色检测系统及方法 |
| CN103455790B (zh) * | 2013-06-24 | 2017-10-13 | 厦门美图网科技有限公司 | 一种基于肤色模型的皮肤识别方法 |
| CN104392211A (zh) * | 2014-11-12 | 2015-03-04 | 厦门美图网科技有限公司 | 一种基于显著性检测的皮肤识别方法 |
| CN106650583B (zh) * | 2016-09-28 | 2019-07-23 | Oppo广东移动通信有限公司 | 人脸检测方法、装置及终端设备 |
| CN108388885B (zh) * | 2018-03-16 | 2021-06-08 | 南京邮电大学 | 面向大型直播场景的多人特写实时识别与自动截图方法 |
| CN112712569B (zh) * | 2020-12-25 | 2023-12-12 | 百果园技术(新加坡)有限公司 | 一种肤色检测方法、装置、移动终端和存储介质 |
-
2020
- 2020-12-25 CN CN202011563923.XA patent/CN112712569B/zh active Active
-
2021
- 2021-12-24 WO PCT/CN2021/141248 patent/WO2022135574A1/zh active Application Filing
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170339409A1 (en) * | 2016-05-23 | 2017-11-23 | Intel Corporation | Fast and robust human skin tone region detection for improved video coding |
| CN107292228A (zh) * | 2017-05-05 | 2017-10-24 | 珠海数字动力科技股份有限公司 | 一种加快人脸识别搜索速度的方法 |
| WO2018233637A1 (zh) * | 2017-06-21 | 2018-12-27 | 深圳市万普拉斯科技有限公司 | 视频处理方法、装置、电子设备及存储介质 |
| CN107392166A (zh) * | 2017-07-31 | 2017-11-24 | 北京小米移动软件有限公司 | 肤色检测方法、装置及计算机可读存储介质 |
| CN109063580A (zh) * | 2018-07-09 | 2018-12-21 | 北京达佳互联信息技术有限公司 | 人脸识别方法、装置、电子设备及存储介质 |
| CN111047517A (zh) * | 2018-10-11 | 2020-04-21 | 展讯通信（上海）有限公司 | 肤色调节方法及装置、可读存储介质 |
| CN110706295A (zh) * | 2019-09-10 | 2020-01-17 | 中国平安人寿保险股份有限公司 | 人脸检测方法、装置及计算机可读存储介质 |
| CN111291638A (zh) * | 2020-01-19 | 2020-06-16 | 上海云从汇临人工智能科技有限公司 | 一种对象比对方法、系统、设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 宋红;石峰;: "面向视频监控的快速多人脸检测与分割", 兵工学报, no. 02, pages 62 - 67 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022135574A1 (zh) * | 2020-12-25 | 2022-06-30 | 百果园技术(新加坡)有限公司 | 肤色检测方法、装置、移动终端和存储介质 |
| CN113888543A (zh) * | 2021-08-20 | 2022-01-04 | 北京达佳互联信息技术有限公司 | 肤色分割方法、装置、电子设备及存储介质 |
| CN113888543B (zh) * | 2021-08-20 | 2024-03-19 | 北京达佳互联信息技术有限公司 | 肤色分割方法、装置、电子设备及存储介质 |
| CN113554007A (zh) * | 2021-09-18 | 2021-10-26 | 上海齐感电子信息科技有限公司 | 人脸框的计算方法及计算系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112712569B (zh) | 2023-12-12 |
| WO2022135574A1 (zh) | 2022-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112712569B (zh) | 一种肤色检测方法、装置、移动终端和存储介质 | |
| JP4335565B2 (ja) | 画像あるいは一連の画像内の１つあるいは複数の色領域を検出しかつ／または追跡するための方法および装置 | |
| US8983152B2 (en) | Image masks for face-related selection and processing in images | |
| Qian et al. | A robust real-time face tracking algorithm | |
| JP2022528294A (ja) | 深度を利用した映像背景減算法 | |
| WO2020125631A1 (zh) | 视频压缩方法、装置和计算机可读存储介质 | |
| US10430694B2 (en) | Fast and accurate skin detection using online discriminative modeling | |
| WO2022135579A1 (zh) | 肤色检测方法、装置、移动终端和存储介质 | |
| WO2019071739A1 (zh) | 人脸活体检测方法、装置、可读存储介质及终端设备 | |
| CN105243371A (zh) | 一种人脸美颜程度的检测方法、系统及拍摄终端 | |
| US8175382B2 (en) | Learning image enhancement | |
| CN112614060A (zh) | 人脸图像头发渲染方法、装置、电子设备和介质 | |
| US20140079319A1 (en) | Methods for enhancing images and apparatuses using the same | |
| CN111242074B (zh) | 一种基于图像处理的证件照背景替换方法 | |
| CN109725721B (zh) | 用于裸眼3d显示系统的人眼定位方法及系统 | |
| CN103440633A (zh) | 一种数字图像自动祛除斑点的方法 | |
| CN116309152A (zh) | 一种低照度图像的细节增强方法、系统、设备和存储介质 | |
| CN107153806B (zh) | 一种人脸检测方法及装置 | |
| CN112597911A (zh) | 一种磨皮处理方法、装置、移动终端和存储介质 | |
| CN109788311B (zh) | 人物替换方法、电子设备和存储介质 | |
| WO2023010796A1 (zh) | 图像处理方法及相关装置 | |
| WO2022111269A1 (zh) | 视频的细节增强方法、装置、移动终端和存储介质 | |
| CN111047533B (zh) | 一种人脸图像的美化方法和装置 | |
| CN113762058A (zh) | 一种视频合成方法、装置、计算机设备和存储介质 | |
| CN111915529A (zh) | 一种视频的暗光增强方法、装置、移动终端和存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |