一種膚色檢測(cè)方法及裝置制造方法
【專利摘要】本公開是關(guān)于一種膚色檢測(cè)方法及裝置。該膚色檢測(cè)方法包括：將待檢測(cè)圖像轉(zhuǎn)換為顏色空間內(nèi)的圖像；獲得所述待檢測(cè)圖像在所述顏色空間內(nèi)的膚色樣本；采用預(yù)先構(gòu)建的膚色概率模型對(duì)所述膚色樣本進(jìn)行檢測(cè)，獲得所述待檢測(cè)圖像的膚色概率分布，其中，所述膚色概率模型是利用已知膚色樣本訓(xùn)練獲得的用于確定膚色概率的模型。該方法能夠適用于非矩形的，較復(fù)雜的膚色分布。
【專利說(shuō)明】—種膚色檢測(cè)方法及裝置
【技術(shù)領(lǐng)域】
[0001]本公開是關(guān)于圖像處理【技術(shù)領(lǐng)域】，尤其是關(guān)于圖像的膚色識(shí)別，具體來(lái)說(shuō)是關(guān)于一種膚色檢測(cè)方法及裝置。
【背景技術(shù)】
[0002]彩色圖像的膚色檢測(cè)是自動(dòng)識(shí)別圖像中皮膚區(qū)域的方法，具有廣闊的應(yīng)用場(chǎng)景，是顏色校正、敏感信息監(jiān)測(cè)和一系列目標(biāo)檢測(cè)、識(shí)別(人臉檢測(cè)、手勢(shì)識(shí)別)等應(yīng)用的重要組成部分。
[0003]實(shí)驗(yàn)表明，在對(duì)圖像去除了亮度的影響后，不同年齡、性別、種族的人膚色在色度空間內(nèi)有明顯的聚類性，膚色在整個(gè)色度空間內(nèi)集中在一個(gè)很小的范圍內(nèi)。現(xiàn)有相關(guān)技術(shù)中，以人臉膚色檢測(cè)為例，首先利用人臉檢測(cè)的信息，以人臉像素為膚色樣本，并利用前后幀的信息，統(tǒng)計(jì)膚色樣本和膚色變化樣本；隨后將膚色樣本和膚色變化樣本的直方圖進(jìn)行合并，得到色度合并直方圖和飽和度合并直方圖，然后基于上述聚類特性，自適應(yīng)確定在色度和飽和度范圍內(nèi)的分割上下界，完成對(duì)膚色區(qū)域的檢測(cè)。
[0004]然而，上述方法中默認(rèn)為膚色區(qū)域在色度、飽和度空間內(nèi)為矩形區(qū)域，該方法對(duì)于比較復(fù)雜的、非矩形的膚色分布適應(yīng)性不高。

【發(fā)明內(nèi)容】

[0005]為克服相關(guān)技術(shù)中存在的問(wèn)題，本公開提供一種膚色檢測(cè)方法及裝置，能夠適用于復(fù)雜的、非矩形的膚色分布。
[0006]第一方面，提供一種膚色檢測(cè)方法，包括:
[0007]將待檢測(cè)圖像轉(zhuǎn)換為顏色空間內(nèi)的圖像；
[0008]獲得所述待檢測(cè)圖像在所述顏色空間內(nèi)的膚色樣本；
[0009]采用預(yù)先構(gòu)建的膚色概率模型對(duì)所述膚色樣本進(jìn)行檢測(cè)，獲得所述待檢測(cè)圖像的膚色概率分布，其中，所述膚色概率模型是利用已知膚色樣本訓(xùn)練獲得的用于確定膚色概率的模型。
[0010]進(jìn)一步，在所述采用預(yù)先構(gòu)建的膚色概率模型對(duì)所述膚色樣本進(jìn)行檢測(cè)之前，所述方法還包括:
[0011]收集已知膚色分布的樣本圖像；
[0012]將所述樣本圖像轉(zhuǎn)換為顏色空間內(nèi)的圖像；
[0013]獲得所述樣本圖像在所述顏色空間內(nèi)的已知膚色樣本；
[0014]利用密度估計(jì)算法對(duì)所述已知膚色樣本進(jìn)行訓(xùn)練，獲得膚色概率模型。
[0015]進(jìn)一步，在所述采用預(yù)先構(gòu)建的膚色概率模型對(duì)所述膚色樣本進(jìn)行檢測(cè)之前，所述方法還包括:
[0016]對(duì)所述膚色樣本進(jìn)行像素值修正。
[0017]進(jìn)一步，所述對(duì)所述膚色樣本進(jìn)行像素值修正，包括:[0018]根據(jù)所述膚色樣本構(gòu)造膚色直方圖；
[0019]將所述膚色直方圖與模型膚色直方圖進(jìn)行配準(zhǔn)，獲得所述膚色直方圖向所述模型膚色直方圖進(jìn)行變換的配準(zhǔn)參數(shù)；其中，所述模型膚色直方圖為所述膚色概率模型的直方圖；
[0020]對(duì)所述膚色樣本中所有樣本點(diǎn)的像素值按照所述配準(zhǔn)參數(shù)進(jìn)行像素值變換。
[0021]進(jìn)一步，所述根據(jù)所述膚色樣本構(gòu)造膚色直方圖，包括:
[0022]定義用于判斷是否為膚色的顏色框；
[0023]遍歷所述膚色樣本中的所有樣本點(diǎn)，對(duì)于位于所述顏色框內(nèi)的樣本點(diǎn)，在膚色直方圖中的相應(yīng)位置加一，獲得所述膚色樣本的膚色直方圖。
[0024]進(jìn)一步，所述將所述膚色直方圖與模型膚色直方圖進(jìn)行配準(zhǔn)，獲得所述膚色直方圖向所述模型膚色直方圖進(jìn)行變換的配準(zhǔn)參數(shù)，包括:
[0025]計(jì)算使所述膚色直方圖達(dá)到與所述模型膚色直方圖最大相關(guān)度的配準(zhǔn)參數(shù)，所述配準(zhǔn)參數(shù)包括像素值平移參量和旋轉(zhuǎn)參量。
[0026]進(jìn)一步，所述獲得所述待檢測(cè)圖像在所述顏色空間內(nèi)的膚色樣本，包括:
[0027]對(duì)所述待檢測(cè)圖像進(jìn)行人臉檢測(cè)，獲得人臉檢測(cè)區(qū)域；
[0028]獲得所述人臉檢測(cè)區(qū)域在所述顏色空間內(nèi)的膚色樣本。
[0029]進(jìn)一步，在獲得所述待檢測(cè)圖像的膚色概率分布之后，所述方法還包括:
[0030]對(duì)所述待檢測(cè)圖像的膚色概率分布進(jìn)行誤檢去除。
[0031]進(jìn)一步，所述對(duì)所述待檢測(cè)圖像的膚色概率分布進(jìn)行誤檢去除，包括:
[0032]在所述膚色概率分布中選擇出概率大于第一概率閾值的區(qū)域作為初始膚色區(qū)域，并將所述初始膚色區(qū)域的膚色概率置I ;
[0033]對(duì)所述初始膚色區(qū)域的膚色概率進(jìn)行高斯模糊，得到概率模糊值；
[0034]將所述概率模糊值與所述膚色概率分布中的各概率值進(jìn)行逐點(diǎn)相乘，得到最終膚色概率分布；
[0035]將所述最終膚色概率分布中，概率值低于第二概率閾值的膚色概率置O。
[0036]第二方面，提供一種膚色檢測(cè)裝置，包括:
[0037]圖像轉(zhuǎn)換單元，用于將待檢測(cè)圖像轉(zhuǎn)換為顏色空間內(nèi)的圖像；
[0038]樣本獲取單元，用于獲得所述待檢測(cè)圖像在所述顏色空間內(nèi)的膚色樣本；
[0039]模型構(gòu)建單元，用于獲得膚色概率模型，其中，所述膚色概率模型是利用已知膚色樣本訓(xùn)練獲得的用于確定膚色概率的模型；
[0040]膚色檢測(cè)單元，用于采用所述模型構(gòu)建單元構(gòu)建的膚色概率模型對(duì)所述膚色樣本進(jìn)行檢測(cè)，獲得所述待檢測(cè)圖像的膚色概率分布。
[0041]進(jìn)一步，所述模型構(gòu)建單元包括:
[0042]圖像收集子單元，用于收集已知膚色分布的樣本圖像；
[0043]圖像處理子單元，用于將所述樣本圖像轉(zhuǎn)換為顏色空間內(nèi)的圖像；
[0044]樣本獲得子單元，用于獲得所述樣本圖像在所述顏色空間內(nèi)的已知膚色樣本；
[0045]樣本訓(xùn)練子單元，用于利用密度估計(jì)算法對(duì)所述已知膚色樣本進(jìn)行訓(xùn)練，獲得膚色概率模型。
[0046]進(jìn)一步，所述裝置還包括:[0047]修正單元，用于在所述膚色檢測(cè)單元采用預(yù)先構(gòu)建的膚色概率模型對(duì)所述膚色樣本進(jìn)行檢測(cè)之前，對(duì)所述膚色樣本進(jìn)行像素值修正。
[0048]進(jìn)一步,所述修正單元包括:
[0049]構(gòu)造子單元，用于根據(jù)所述膚色樣本構(gòu)造膚色直方圖；
[0050]配準(zhǔn)子單元，用于將所述膚色直方圖與模型膚色直方圖進(jìn)行配準(zhǔn)，獲得所述膚色直方圖向所述模型膚色直方圖進(jìn)行變換的配準(zhǔn)參數(shù)；其中，所述模型膚色直方圖為所述膚色概率模型轉(zhuǎn)換的直方圖；
[0051]變換子單元，用于對(duì)所述膚色樣本中所有樣本點(diǎn)的像素值按照所述配準(zhǔn)參數(shù)進(jìn)行像素值變換。
[0052]進(jìn)一步，所述構(gòu)造子單元包括:
[0053]定義模塊，用于定義用于判斷是否為膚色的顏色框；
[0054]構(gòu)圖模塊，用于遍歷所述膚色樣本中的所有樣本點(diǎn)，對(duì)于位于所述顏色框內(nèi)的樣本點(diǎn)，在膚色直方圖中的相應(yīng)位置加一，獲得所述膚色樣本的膚色直方圖。
[0055]進(jìn)一步，所述配準(zhǔn)子單元，用于計(jì)算使所述膚色直方圖達(dá)到與所述模型膚色直方圖最大相關(guān)度的配準(zhǔn)參數(shù)，所述配準(zhǔn)參數(shù)包括像素值平移參量和旋轉(zhuǎn)參量。
[0056]進(jìn)一步,所述樣本獲取單元包括:
[0057]檢測(cè)子單元，用于對(duì)所述待檢測(cè)圖像進(jìn)行人臉檢測(cè)，獲得人臉檢測(cè)區(qū)域；
[0058]獲取子單元，用于獲得所述人臉檢測(cè)區(qū)域在所述顏色空間內(nèi)的膚色樣本。
[0059]進(jìn)一步，所述裝置還包括:
[0060]誤檢去除單元，用于在所述膚色檢測(cè)單元獲得所述待檢測(cè)圖像的膚色概率分布之后，對(duì)所述待檢測(cè)圖像的膚色概率分布進(jìn)行誤檢去除。
[0061]進(jìn)一步，所述誤檢去除單元包括:
[0062]選擇子單元，用于在所述膚色概率分布中選擇出概率大于第一概率閾值的區(qū)域作為初始膚色區(qū)域，并將所述初始膚色區(qū)域的膚色概率置I ;
[0063]第一處理子單元，用于對(duì)所述初始膚色區(qū)域的膚色概率進(jìn)行高斯模糊，得到概率模糊值；
[0064]第二處理子單元，用于將所述概率模糊值與所述膚色概率分布中的各概率值進(jìn)行逐點(diǎn)相乘，得到最終膚色概率分布；
[0065]去除子單元，用于將所述最終膚色概率分布中，概率值低于第二概率閾值的膚色概率置O。
[0066]本公開的一些有益效果可以包括:本公開首先利用多個(gè)已知膚色樣本進(jìn)行訓(xùn)練構(gòu)建膚色概率模型，然后再利用膚色概率模型來(lái)對(duì)待檢測(cè)圖像的膚色樣本進(jìn)行膚色檢測(cè)，即可獲得該待檢測(cè)圖像的膚色概率分布。該方法中用于膚色檢測(cè)的膚色概率模型相比較現(xiàn)有技術(shù)中用色度、飽和度形成的矩形來(lái)說(shuō)，更加精細(xì)，也更具有普遍適應(yīng)性，能夠適用于非矩形的，較復(fù)雜的膚色分布，進(jìn)而可以在復(fù)雜膚色分布情況下減少誤檢；而且，該方法應(yīng)用膚色概率模型可以對(duì)單張圖像進(jìn)行膚色檢測(cè)，相比較現(xiàn)有技術(shù)中需要利用前后幀圖像信息進(jìn)行膚色檢測(cè)的方法，本方法受到的局限更小，應(yīng)用范圍更廣；再有，本方法最終所獲得的膚色檢測(cè)結(jié)果是膚色概率分布，而非二值圖，更容易被后續(xù)應(yīng)用(如膚色調(diào)整、增強(qiáng)等)調(diào)用。
[0067]應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性的，并不能限制本公開。
【專利附圖】

【附圖說(shuō)明】
[0068]此處所說(shuō)明的附圖用來(lái)提供對(duì)本公開的進(jìn)一步理解，構(gòu)成本申請(qǐng)的一部分，并不構(gòu)成對(duì)本公開的限定。在附圖中:
[0069]圖1是本公開實(shí)施例一種膚色檢測(cè)方法的示例性流程圖；
[0070]圖2是本公開實(shí)施例中一種膚色概率模型構(gòu)建方法的示例性流程圖；
[0071]圖3是本公開實(shí)施例另一種膚色檢測(cè)方法的示例性流程圖；
[0072]圖4a是本公開實(shí)施例中一種獲得膚色樣本的方法的示例性流程圖；
[0073]圖4b是本公開實(shí)施例中獲得人臉檢測(cè)區(qū)域的示意圖；
[0074]圖5是本公開實(shí)施例中一種對(duì)膚色樣本進(jìn)行像素值修正的方法的示例性流程圖；
[0075]圖6是本公開實(shí)施例中一種膚色直方圖的構(gòu)造方法的示例性流程圖；
[0076]圖7a是本公開實(shí)施例中一種誤檢去除方法的示例性流程圖；
[0077]圖7b是本公開實(shí)施例中應(yīng)用膚色概率模型進(jìn)行膚色檢測(cè)后獲得的膚色概率分布示意圖；
[0078]圖7c是本公開實(shí)施例中進(jìn)行誤檢去除后的膚色概率分布示意圖；
[0079]圖8是本公開實(shí)施例一種膚色檢測(cè)裝置的結(jié)構(gòu)示意圖；
[0080]圖9是本公開實(shí)施例中一種模型構(gòu)建單元的結(jié)構(gòu)示意圖；
[0081]圖10是本公開實(shí)施例另一種膚色檢測(cè)裝置的結(jié)構(gòu)示意圖；
[0082]圖11是本公開實(shí)施例中一種修正單元的結(jié)構(gòu)示意圖；
[0083]圖12是本公開實(shí)施例中一種構(gòu)造子單元的結(jié)構(gòu)示意圖；
[0084]圖13是本公開實(shí)施例另一種膚色檢測(cè)裝置的結(jié)構(gòu)示意圖；
[0085]圖14是本公開實(shí)施例中一種誤檢去除單元的結(jié)構(gòu)示意圖；
[0086]圖15是本公開實(shí)施例中終端設(shè)備的結(jié)構(gòu)示意圖；
[0087]圖16是本公開實(shí)施例中服務(wù)器的結(jié)構(gòu)示意圖。
[0088]通過(guò)上述附圖，已示出本公開明確的實(shí)施例，后文中將有更詳細(xì)的描述。這些附圖和文字描述并不是為了通過(guò)任何方式限制本公開構(gòu)思的范圍，而是通過(guò)參考特定實(shí)施例為本領(lǐng)域技術(shù)人員說(shuō)明本公開的概念。
【具體實(shí)施方式】
[0089]為使本公開的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，下面結(jié)合實(shí)施方式和附圖，對(duì)本公開做進(jìn)一步詳細(xì)說(shuō)明。在此，本公開的示意性實(shí)施方式及其說(shuō)明用于解釋本公開，但并不作為對(duì)本公開的限定。
[0090]本公開實(shí)施例提供一種膚色檢測(cè)方法及裝置，以下結(jié)合附圖對(duì)本公開進(jìn)行詳細(xì)說(shuō)明。
[0091 ] 在一個(gè)實(shí)施例中，如圖1所示，該膚色檢測(cè)方法包括:
[0092]步驟SlOl:將待檢測(cè)圖像轉(zhuǎn)換為顏色空間內(nèi)的圖像。
[0093]在獲得待檢測(cè)圖像后，將該待檢測(cè)圖像轉(zhuǎn)換至顏色空間(YUV空間)，得到亮度通道Y(x，y)和UV通道UV(x，y)，x e [0,m],y e [0，η]，m為圖像寬度，η為圖像高度。[0094]步驟S102:獲得待檢測(cè)圖像在顏色空間內(nèi)的膚色樣本。
[0095]獲得待檢測(cè)圖像的膚色樣本，該膚色樣本即待檢測(cè)圖像中每一坐標(biāo)點(diǎn)pos (x，y)在顏色空間中對(duì)應(yīng)的像素值color= (U，V)。
[0096]步驟S103:采用預(yù)先構(gòu)建的膚色概率模型對(duì)膚色樣本進(jìn)行檢測(cè)，獲得待檢測(cè)圖像的膚色概率分布。
[0097]在執(zhí)行步驟S103之前，首先構(gòu)建膚色概率模型，該膚色概率模型是用于確定膚色概率的模型，該模型是利用多個(gè)已知膚色樣本進(jìn)行訓(xùn)練獲得的。
[0098]該模型的構(gòu)建方式之一如圖2所示，可以包括:
[0099]步驟S201，收集已知膚色分布的樣本圖像。
[0100]在本步驟中，收集的樣本圖像最好要求覆蓋典型的光照環(huán)境，無(wú)色偏，無(wú)誤檢，如果使用人臉樣本圖像，則注意避開眼睛、嘴巴等非皮膚區(qū)域。這些樣本圖像中的膚色分布已知。
[0101]步驟S202，將樣本圖像轉(zhuǎn)換為顏色空間內(nèi)的圖像。
[0102]然后將這些樣本圖像轉(zhuǎn)換至YUV空間，只保留U值和V值。
[0103]步驟S203，獲得樣本圖像在顏色空間內(nèi)的已知膚色樣本。
[0104]獲得各樣本圖像在顏色空間的已知膚色樣本，該已知膚色樣本中各樣本點(diǎn)是否為膚色已知。其中，第i個(gè)樣本點(diǎn)SiKui, Vi),所有η個(gè)樣本點(diǎn)集合S=Is1, S2,......sn}。
[0105]步驟S204，利用密度估計(jì)算法對(duì)已知膚色樣本進(jìn)行訓(xùn)練，獲得膚色概率模型。
[0106]在獲得樣本點(diǎn)集合S后，即可利用密度估計(jì)算法對(duì)樣本點(diǎn)集合進(jìn)行訓(xùn)練，進(jìn)而獲得膚色概率模型Mmtxtel (u，ν)。其中，該密度估計(jì)算法有多種，例如，混合高斯模型(GMM)，Parzen窗方法等。
[0107]以GMM為例，可以對(duì)使用樣本點(diǎn)集合S訓(xùn)練混合高斯模型，得到連續(xù)、平滑的膚色分布。其中，高斯模型的個(gè)數(shù)可以設(shè)為4，每一樣本點(diǎn)的膚色概率為多個(gè)高斯模型的加權(quán)和，GMM相當(dāng)于原始直方圖或分布圖提取了主要成分、去噪平滑后的結(jié)果。
[0108]上述膚色概率模型Mnrodel (U，ν)的圖像即為二維概率直方圖，橫坐標(biāo)表示u分量值，縱坐標(biāo)表示ν分量值。
[0109]當(dāng)然，利用已知膚色樣本進(jìn)行訓(xùn)練獲得膚色概率模型的方法有多種，步驟S201?204只是其中一種，此處不做限定。
[0110]在獲得膚色概率模型后，利用該膚色概率模型對(duì)上步驟獲得的膚色樣本中的每一個(gè)樣本點(diǎn)(U，V)進(jìn)行檢測(cè),從而獲得每一個(gè)樣本點(diǎn)的膚色概率,所有樣本點(diǎn)的膚色概率即形成該待檢測(cè)圖像的膚色概率分布。
[0111]本公開的膚色檢測(cè)方法不同于一般的膚色ο-1分割方法只判斷是否膚色區(qū)域，本方法得到的結(jié)果是一張膚色概率分布圖，每個(gè)像素點(diǎn)的概率值描述了該點(diǎn)是膚色點(diǎn)的似然度，似然度范圍可以為O到1，0表示該點(diǎn)為膚色點(diǎn)的可能性為0，I表示該點(diǎn)為膚色點(diǎn)的可能性為100%，這種概率分布圖有利于其他應(yīng)用或方法對(duì)本公開的結(jié)果進(jìn)行調(diào)用，如膚色增
強(qiáng)算法等。
[0112]本公開實(shí)施例首先利用多個(gè)已知膚色樣本進(jìn)行訓(xùn)練構(gòu)建膚色概率模型，然后再利用膚色概率模型來(lái)對(duì)待檢測(cè)圖像的膚色樣本進(jìn)行膚色檢測(cè)，即可獲得該待檢測(cè)圖像的膚色概率分布。該方法中用于膚色檢測(cè)的膚色概率模型相比較現(xiàn)有技術(shù)中用色度、飽和度形成的矩形來(lái)說(shuō)，更加精細(xì)，也更具有普遍適應(yīng)性，能夠適用于非矩形的，較復(fù)雜的膚色分布，進(jìn)而可以在復(fù)雜膚色分布情況下減少誤檢；而且，該方法應(yīng)用膚色概率模型可以對(duì)單張圖像進(jìn)行膚色檢測(cè)，相比較現(xiàn)有技術(shù)中需要利用前后幀圖像信息進(jìn)行膚色檢測(cè)的方法，本方法受到的局限更小，應(yīng)用范圍更廣；再有，本方法最終所獲得的膚色檢測(cè)結(jié)果是膚色概率分布，而非二值圖，更容易被后續(xù)應(yīng)用(如膚色調(diào)整、增強(qiáng)等)調(diào)用。
[0113]在另一個(gè)實(shí)施例中，如圖3所示，該膚色檢測(cè)方法包括:
[0114]步驟S301，將待檢測(cè)圖像轉(zhuǎn)換為顏色空間內(nèi)的圖像。
[0115]該步驟與前述步驟SlOl類似，將該待檢測(cè)圖像轉(zhuǎn)換至YUV空間，得到亮度通道Y(x，y)和UV通道UV(x，y)，X e [0,m],y e [0，η]，m為圖像寬度，η為圖像高度。
[0116]步驟S302，獲得待檢測(cè)圖像在顏色空間內(nèi)的膚色樣本。
[0117]本公開方法可以應(yīng)用于各種圖像的膚色檢測(cè)，例如應(yīng)用于人臉膚色檢測(cè)。以人臉膚色檢測(cè)為例，在本步驟中，如圖4a所示，獲得膚色樣本的過(guò)程可以進(jìn)一步包括:
[0118]步驟S401，對(duì)待檢測(cè)圖像進(jìn)行人臉檢測(cè)，獲得人臉檢測(cè)區(qū)域。
[0119]首先對(duì)待檢測(cè)圖像進(jìn)行人臉識(shí)別，如圖4b，得到人臉檢測(cè)框41的位置和大小，Rectface= {x, y, w, h}, x表示人臉中心點(diǎn)橫坐標(biāo)，y表示人臉中心點(diǎn)縱坐標(biāo)，w表示人臉框?qū)挾?，h表示人臉框高度。人臉檢測(cè)可以使用haar特征，使用AdaBoost算法訓(xùn)練級(jí)聯(lián)分類器。當(dāng)然，該人臉檢測(cè)方法還可以應(yīng)用現(xiàn)有技術(shù)中的其他人臉識(shí)別方法，此處不做限定。
[0120]步驟S402，獲得人臉檢測(cè)區(qū)域在顏色空間內(nèi)的膚色樣本。
[0121]本步驟中獲得人臉檢測(cè)區(qū)域內(nèi)的膚色樣本，該膚色樣本即人臉檢測(cè)區(qū)域中每一坐標(biāo)點(diǎn)pos (X，y)在顏色空間中對(duì)應(yīng)的color= (u, ν)。
[0122]當(dāng)本公開方法應(yīng)用于待檢測(cè)圖像中不同區(qū)域的膚色檢測(cè)時(shí)，均可以識(shí)別該相應(yīng)區(qū)域，獲得該區(qū)域內(nèi)的膚色樣本，然后對(duì)膚色樣本執(zhí)行后續(xù)步驟。
[0123]步驟S303，對(duì)膚色樣本進(jìn)行像素值修正。
[0124]為了消除光照、色偏等對(duì)膚色檢測(cè)的影響，本實(shí)施例還進(jìn)一步在獲得膚色樣本后對(duì)膚色樣本進(jìn)行像素值(也即顏色值)修正。該像素值修正的方法有多種，例如可以針對(duì)不同程度的光照、色偏用固定偏移值進(jìn)行修正，還可以動(dòng)態(tài)獲得偏移參量進(jìn)行修正。
[0125]在一種實(shí)現(xiàn)方式中，如圖5所示，該像素值修正方法可以包括:
[0126]步驟S501，根據(jù)膚色樣本構(gòu)造膚色直方圖。
[0127]以上步驟獲得的人臉檢測(cè)區(qū)域的膚色樣本為例，在本步驟中構(gòu)造人臉檢測(cè)區(qū)域的膚色直方圖Mface (U，ν)，u e [O, 255], v e [O, 255]。該膚色直方圖的構(gòu)造方法有多種。
[0128]在其中一個(gè)實(shí)現(xiàn)方式中，如圖6所示，該膚色直方圖的構(gòu)造方法可以包括以下步驟:
[0129]步驟S601，定義用于判斷是否為膚色的顏色框。
[0130]首先在顏色空間中定義一個(gè)顏色框RectMlOT= {u，v, Wcolor, hcolor}，例如可以是Rectcolor= {85, 115，70，70}。該顏色框用于粗略判斷樣本點(diǎn)是否為膚色，若膚色樣本中某一樣本點(diǎn)的像素值(u' ,N' ) e RectMlOT，則為膚色，否則為非膚色。
[0131]步驟S602，遍歷膚色樣本中的所有樣本點(diǎn)，對(duì)于位于顏色框內(nèi)的樣本點(diǎn)，在膚色直方圖中的相應(yīng)位置加一，獲得膚色樣本的膚色直方圖。
[0132]在確定顏色框后，即可遍歷上述步驟獲得的膚色樣本中的所有樣本點(diǎn)，在所有樣本點(diǎn)的像素值中，如果該像素值位于顏色框內(nèi)，則在膚色直方圖中的相應(yīng)位置加一。
[0133]即對(duì)于待檢測(cè)圖像中的任一點(diǎn)pos (X，y), color= (U，V),如果pos e Rectfaee且color e RectralOT,則Mfac;e;(u，v)=MfaM；(u，v)+l。由此即可獲得膚色樣本的膚色直方圖。
[0134]在獲得膚色直方圖后，還可以進(jìn)一步對(duì)該膚色直方圖Mfara進(jìn)行歸一化。
[0135]步驟S502，將膚色直方圖與模型膚色直方圖進(jìn)行配準(zhǔn)，獲得膚色直方圖向模型膚色直方圖進(jìn)行變換的配準(zhǔn)參數(shù)。
[0136]在獲得膚色直方圖Mf后，將膚色直方圖與模型膚色直方圖Mdkkm (U，ν)進(jìn)行配準(zhǔn)。其中，模型膚色直方圖就是膚色概率模型Mmtxtel (U，ν)的圖像，即二維概率直方圖，該膚色概率模型的獲得方法可參照前述實(shí)施例中的步驟S201~S204。
[0137]在將膚色直方圖Mfara與模型膚色直方圖Mmt^1配準(zhǔn)后，可獲得膚色直方圖向模型膚色直方圖進(jìn)行變換的配準(zhǔn)參數(shù)。其中，膚色直方圖與模型膚色直方圖的配準(zhǔn)方法有多種，例如Keren方法等。
[0138]在其中一種配準(zhǔn)方法中，可以是計(jì)算使膚色直方圖達(dá)到與模型膚色直方圖最大相關(guān)度的配準(zhǔn)參數(shù)，該配準(zhǔn)參數(shù)可以包括像素值平移參量和旋轉(zhuǎn)參量，如下:
[0139]假設(shè)Mf經(jīng)過(guò)平移(Au，Λν)和旋轉(zhuǎn)Θ達(dá)到與Mnrodel最大的相關(guān)度，求解配準(zhǔn)參數(shù)(Au, Λ ν)和 Θ。
[0140]經(jīng)過(guò)以上幾步處理得到的膚色樣本，在顏色空間的表現(xiàn)為幾乎一致的方向性，所以旋轉(zhuǎn)變換可以忽略不計(jì)，即Θ~0，可以只估計(jì)(Au，Λ V)，優(yōu)化如下能量函數(shù):
【權(quán)利要求】
1.一種膚色檢測(cè)方法，其特征在于，包括: 將待檢測(cè)圖像轉(zhuǎn)換為顏色空間內(nèi)的圖像； 獲得所述待檢測(cè)圖像在所述顏色空間內(nèi)的膚色樣本； 采用預(yù)先構(gòu)建的膚色概率模型對(duì)所述膚色樣本進(jìn)行檢測(cè)，獲得所述待檢測(cè)圖像的膚色概率分布，其中，所述膚色概率模型是利用已知膚色樣本訓(xùn)練獲得的用于確定膚色概率的模型。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述采用預(yù)先構(gòu)建的膚色概率模型對(duì)所述膚色樣本進(jìn)行檢測(cè)之前，所述方法還包括: 收集已知膚色分布的樣本圖像； 將所述樣本圖像轉(zhuǎn)換為顏色空間內(nèi)的圖像； 獲得所述樣本圖像在所述顏色空間內(nèi)的已知膚色樣本； 利用密度估計(jì)算法對(duì)所述已知膚色樣本進(jìn)行訓(xùn)練，獲得膚色概率模型。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述采用預(yù)先構(gòu)建的膚色概率模型對(duì)所述膚色樣本進(jìn)行檢測(cè)之前，所述方法還包括: 對(duì)所述膚色樣本進(jìn)行像素值修 正。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述對(duì)所述膚色樣本進(jìn)行像素值修正，包括: 根據(jù)所述膚色樣本構(gòu)造膚色直方圖； 將所述膚色直方圖與模型膚色直方圖進(jìn)行配準(zhǔn)，獲得所述膚色直方圖向所述模型膚色直方圖進(jìn)行變換的配準(zhǔn)參數(shù)；其中，所述模型膚色直方圖為所述膚色概率模型的直方圖； 對(duì)所述膚色樣本中所有樣本點(diǎn)的像素值按照所述配準(zhǔn)參數(shù)進(jìn)行像素值變換。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述膚色樣本構(gòu)造膚色直方圖，包括: 定義用于判斷是否為膚色的顏色框； 遍歷所述膚色樣本中的所有樣本點(diǎn)，對(duì)于位于所述顏色框內(nèi)的樣本點(diǎn)，在膚色直方圖中的相應(yīng)位置加一，獲得所述膚色樣本的膚色直方圖。
6.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述將所述膚色直方圖與模型膚色直方圖進(jìn)行配準(zhǔn)，獲得所述膚色直方圖向所述模型膚色直方圖進(jìn)行變換的配準(zhǔn)參數(shù)，包括: 計(jì)算使所述膚色直方圖達(dá)到與所述模型膚色直方圖最大相關(guān)度的配準(zhǔn)參數(shù)，所述配準(zhǔn)參數(shù)包括像素值平移參量和旋轉(zhuǎn)參量。
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲得所述待檢測(cè)圖像在所述顏色空間內(nèi)的膚色樣本，包括: 對(duì)所述待檢測(cè)圖像進(jìn)行人臉檢測(cè)，獲得人臉檢測(cè)區(qū)域； 獲得所述人臉檢測(cè)區(qū)域在所述顏色空間內(nèi)的膚色樣本。
8.根據(jù)權(quán)利要求1至7中任意一項(xiàng)所述的方法，其特征在于，在獲得所述待檢測(cè)圖像的膚色概率分布之后，所述方法還包括: 對(duì)所述待檢測(cè)圖像的膚色概率分布進(jìn)行誤檢去除。
9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述對(duì)所述待檢測(cè)圖像的膚色概率分布進(jìn)行誤檢去除，包括:在所述膚色概率分布中選擇出概率大于第一概率閾值的區(qū)域作為初始膚色區(qū)域，并將所述初始膚色區(qū)域的膚色概率置I; 對(duì)所述初始膚色區(qū)域的膚色概率進(jìn)行高斯模糊，得到概率模糊值； 將所述概率模糊值與所述膚色概率分布中的各概率值進(jìn)行逐點(diǎn)相乘，得到最終膚色概率分布； 將所述最終膚色概率分布中，概率值低于第二概率閾值的膚色概率置O。
10.一種膚色檢測(cè)裝置，其特征在于，包括: 圖像轉(zhuǎn)換單元，用于將待檢測(cè)圖像轉(zhuǎn)換為顏色空間內(nèi)的圖像； 樣本獲取單元，用于獲得所述待檢測(cè)圖像在所述顏色空間內(nèi)的膚色樣本； 模型構(gòu)建單元，用于獲得膚色概率模型，其中，所述膚色概率模型是利用已知膚色樣本訓(xùn)練獲得的用于確定膚色概率的模型； 膚色檢測(cè)單元，用于采用所述模型構(gòu)建單元構(gòu)建的膚色概率模型對(duì)所述膚色樣本進(jìn)行檢測(cè)，獲得所述待檢測(cè)圖像的膚色概率分布。
11.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述模型構(gòu)建單元包括: 圖像收集子單元，用于收集已知膚色分布的樣本圖像； 圖像處理子單元，用于將所述樣本圖像轉(zhuǎn)換為顏色空間內(nèi)的圖像； 樣本獲得子單元，用于獲得所述樣本圖像在所述顏色空間內(nèi)的已知膚色樣本； 樣本訓(xùn)練子單元，用于利用密度估計(jì)算法對(duì)所述已知膚色樣本進(jìn)行訓(xùn)練，獲得膚色概率模型。
12.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述裝置還包括: 修正單元，用于在所述膚色檢測(cè)單元采用預(yù)先構(gòu)建的膚色概率模型對(duì)所述膚色樣本進(jìn)行檢測(cè)之前，對(duì)所述膚色樣本進(jìn)行像素值修正。
13.根據(jù)權(quán)利要求12所述的裝置，其特征在于，所述修正單元包括: 構(gòu)造子單元，用于根據(jù)所述膚色樣本構(gòu)造膚色直方圖； 配準(zhǔn)子單元，用于將所述膚色直方圖與模型膚色直方圖進(jìn)行配準(zhǔn)，獲得所述膚色直方圖向所述模型膚色直方圖進(jìn)行變換的配準(zhǔn)參數(shù)；其中，所述模型膚色直方圖為所述膚色概率模型轉(zhuǎn)換的直方圖； 變換子單元，用于對(duì)所述膚色樣本中所有樣本點(diǎn)的像素值按照所述配準(zhǔn)參數(shù)進(jìn)行像素值變換。
14.根據(jù)權(quán)利要求13所述的裝置，其特征在于，所述構(gòu)造子單元包括: 定義模塊，用于定義用于判斷是否為膚色的顏色框； 構(gòu)圖模塊，用于遍歷所述膚色樣本中的所有樣本點(diǎn)，對(duì)于位于所述顏色框內(nèi)的樣本點(diǎn)，在膚色直方圖中的相應(yīng)位置加一，獲得所述膚色樣本的膚色直方圖。
15.根據(jù)權(quán)利要求13所述的裝置，其特征在于，所述配準(zhǔn)子單元，用于計(jì)算使所述膚色直方圖達(dá)到與所述模型膚色直方圖最大相關(guān)度的配準(zhǔn)參數(shù)，所述配準(zhǔn)參數(shù)包括像素值平移參量和旋轉(zhuǎn)參量。
16.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述樣本獲取單元包括: 檢測(cè)子單元，用于對(duì)所述待檢測(cè)圖像進(jìn)行人臉檢測(cè)，獲得人臉檢測(cè)區(qū)域； 獲取子單元，用于獲得所述人臉檢測(cè)區(qū)域在所述顏色空間內(nèi)的膚色樣本。
17.根據(jù)權(quán)利要求10至16中任意一項(xiàng)所述的裝置，其特征在于，所述裝置還包括: 誤檢去除單元，用于在所述膚色檢測(cè)單元獲得所述待檢測(cè)圖像的膚色概率分布之后，對(duì)所述待檢測(cè)圖像的膚色概率分布進(jìn)行誤檢去除。
18.根據(jù)權(quán)利要求17所述的裝置，其特征在于，所述誤檢去除單元包括: 選擇子單元，用于在所述膚色概率分布中選擇出概率大于第一概率閾值的區(qū)域作為初始膚色區(qū)域，并將所述初始膚色區(qū)域的膚色概率置I ; 第一處理子單元，用于對(duì)所述初始膚色區(qū)域的膚色概率進(jìn)行高斯模糊，得到概率模糊值； 第二處理子單元，用于將所述概率模糊值與所述膚色概率分布中的各概率值進(jìn)行逐點(diǎn)相乘，得到最終膚色概率分布； 去除子單元，用于將所述最終膚色概率分布中，概率值低于第二概率閾值的膚色概率置O。`
【文檔編號(hào)】G06K9/00GK103745193SQ201310692296
【公開日】2014年4月23日 申請(qǐng)日期:2013年12月17日 優(yōu)先權(quán)日:2013年12月17日
【發(fā)明者】王百超, 張波, 張祺深 申請(qǐng)人:小米科技有限責(zé)任公司