本發(fā)明屬于模式識別領(lǐng)域，尤其是涉及一種人體膚色檢測方法。

背景技術(shù)：

人體膚色檢測技術(shù)廣泛應(yīng)用于多個(gè)領(lǐng)域，如人體檢測、人臉檢測、手勢識別和圖像過濾等。該技術(shù)的主要目標(biāo)是從圖像中盡可能多地檢測出人體皮膚的像素點(diǎn)，并且減少非膚色像素點(diǎn)的數(shù)目。

目前基于像素的人體膚色檢測方法主要分為兩類：第一類是非參數(shù)模型，例如膚色空間的直接閾值法和直方圖方法；第二類是參數(shù)化模型，例如單高斯模型、橢圓邊界模型等。然而，上述傳統(tǒng)的人體膚色檢測方法普遍存在如下問題：1)受光照影響嚴(yán)重。當(dāng)光照條件改變時(shí)，現(xiàn)有方法誤差較大；2)時(shí)間復(fù)雜度和檢測效果正相關(guān)。人體膚色模型越復(fù)雜，檢測耗時(shí)越長，而檢測效果越好，現(xiàn)有的快速膚色檢測方法難以滿足檢測精度需求。

技術(shù)實(shí)現(xiàn)要素：

為克服相關(guān)技術(shù)中存在的問題，本發(fā)明提出了一種人體膚色檢測方法。

本發(fā)明的技術(shù)方案是，一種人體膚色檢測方法，其特征是該方法包括以下步驟：

將待檢測圖像轉(zhuǎn)換為顏色空間內(nèi)的圖像，所述的顏色空間必須包含圖像亮度信息；

獲得所述待檢測圖像在所述顏色空間內(nèi)的膚色樣本；

采用預(yù)先構(gòu)建的膚色模型對所述膚色樣本進(jìn)行檢測，獲得所述待檢測圖像中屬于膚色的像素點(diǎn)，其中，所述膚色模型是通過已知膚色樣本訓(xùn)練獲得的用于判斷像素點(diǎn)是否為膚色點(diǎn)的膚色模型。

進(jìn)一步，在所述采用預(yù)先構(gòu)建的膚色模型對所述膚色樣本進(jìn)行檢測之前，所述方法還包括：

收集已知膚色分布的樣本圖像數(shù)據(jù)構(gòu)成數(shù)據(jù)庫；

將所述數(shù)據(jù)庫中的樣本圖像轉(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；

根據(jù)所述已知膚色樣本中像素不同的亮度值，分別統(tǒng)計(jì)所述已知膚色樣本在每一個(gè)亮度值的像素分布，利用主動(dòng)輪廓法對所述獲得的各個(gè)亮度值的像素分布分別訓(xùn)練，獲得M個(gè)主動(dòng)輪廓模型；在亮度值i獲得的所述主動(dòng)輪廓模型定義為：

S(i)＝{(x₁,y₁),(x₂,y₂),…,(x_k,y_k),…,(x_n,y_n)}

其中：

S(i)為亮度值為i時(shí)的主動(dòng)輪廓模型；

i為亮度值，即代表一種膚色光照量(i＝0,1,…,M-1)；

(x_k,y_k)為主動(dòng)輪廓模型S(i)中的序號為k的輪廓像素點(diǎn)；

n為主動(dòng)輪廓模型S(i)中的輪廓像素點(diǎn)的總個(gè)數(shù)；

所述獲得的主動(dòng)輪廓模型S(i)由n個(gè)像素點(diǎn)組成，且相鄰兩個(gè)像素點(diǎn)之間的距離小于等于1。所有的輪廓點(diǎn)依次相連可組成閉合輪廓φ(i)，即對于亮度為i的像素點(diǎn)(x,y)_i，若滿足(x,y)_i∈φ(i)，則所述像素點(diǎn)(x,y)_i是膚色點(diǎn)。

對所述獲得的主動(dòng)輪廓模型S(i)(i＝0,1,…,M-1)建立三維查找表，即獲得所述膚色模型。

本發(fā)明的有益效果是，從訓(xùn)練數(shù)據(jù)庫中挖掘所有可能出現(xiàn)的膚色光照情況，由此生成多個(gè)光照主動(dòng)輪廓模型，這些光照模型能夠有效地對不同的膚色光照信息進(jìn)行模擬，從而達(dá)到提高檢測精度的目的。同時(shí)光照主動(dòng)輪廓模型采用查找表的形式表達(dá)，可以極大地提高檢測速度。

附圖說明

此處所說明的附圖用來提供對本發(fā)明的進(jìn)一步理解，構(gòu)成本申請的一部分，并不構(gòu)成對本發(fā)明的限定。在附圖中：

圖1為本發(fā)明的膚色檢測流程圖。

圖2為本發(fā)明的膚色模型訓(xùn)練流程圖。

具體實(shí)施方式

為使本發(fā)明的目的、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，對本發(fā)明做進(jìn)一步詳細(xì)說明。在此，本發(fā)明的示意性實(shí)施方式及其說明用于解釋本公開，但并不作為對本發(fā)明的限定。

本發(fā)明實(shí)施例提供一種膚色檢測方法，以下結(jié)合附圖對本發(fā)明進(jìn)行詳細(xì)說明。

在一個(gè)實(shí)施例中，如圖1所示，該膚色檢測方法包括：

步驟S101：將待檢測圖像轉(zhuǎn)換為顏色空間內(nèi)的圖像。

在獲得待檢測圖像后，將該待檢測圖像轉(zhuǎn)換至顏色空間(YCbCr空間)，得到亮度通道Y(u,v)和顏色通道：Cb通道Cb(u,v)，Cr通道Cr(u,v),其中u∈[0,m]，v∈[0,n]，m為圖像寬度，n為圖像高度。

步驟S102：獲得待檢測圖像在顏色空間內(nèi)的膚色樣本。

獲得待檢測圖像的膚色樣本，該膚色樣本即待檢測圖像中每一坐標(biāo)點(diǎn)pos(u,v)在顏色空間中對應(yīng)的像素值color＝(Cb,Cr)。

步驟S103：采用預(yù)先構(gòu)建的膚色模型對膚色樣本進(jìn)行檢測，獲得待檢測圖像中膚色像素點(diǎn)。

在執(zhí)行步驟S103之前，首先構(gòu)建膚色模型，該膚色模型是用于確定像素點(diǎn)是否為膚色點(diǎn)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。

該模型的構(gòu)建方式如圖2所示，可以包括：

步驟S201，收集已知膚色分布的樣本圖像

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，無色偏，無誤檢，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。

步驟S202，將樣本圖像轉(zhuǎn)換為顏色空間內(nèi)的圖像。

然后將這些樣本圖像轉(zhuǎn)換至YCbCr空間。

步驟S203，獲得樣本圖像在顏色空間內(nèi)的已知膚色樣本。

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)均為膚色點(diǎn)。其中，第k個(gè)樣本點(diǎn)p_k＝(Y_k,Cb_k,Cr_k)，所有n個(gè)樣本點(diǎn)集合P＝{p₁,p₂,…,p_n}。

步驟S204，通過統(tǒng)計(jì)各個(gè)亮度值的像素分布，建立多個(gè)膚色主動(dòng)輪廓模型。

在獲得樣本點(diǎn)集合P后，根據(jù)亮度信息Y對樣本點(diǎn)集合P分類統(tǒng)計(jì)，即可得到樣本點(diǎn)統(tǒng)計(jì)集合P'＝{P'₀,P'₁,…,P'_M}，其中M為亮度值Y取值的最大值，P'_i為所有樣本點(diǎn)中亮度值Y＝i的樣本點(diǎn)的統(tǒng)計(jì)集合P'_i＝{p'₁,p'₂,…,p'_n}，式中第k個(gè)樣本點(diǎn)p'_k＝(Cb_k,Cr_k,N_k)，其中N_k為在亮度值Y＝i的前提下像素點(diǎn)(Cb_k,Cr_k)出現(xiàn)的次數(shù)。

在獲得不同亮度值下的樣本點(diǎn)統(tǒng)計(jì)集合P'后，即可利用主動(dòng)輪廓法對各個(gè)樣本統(tǒng)計(jì)點(diǎn)集合進(jìn)行訓(xùn)練，得到連續(xù)、平滑的膚色分布，進(jìn)而獲得M個(gè)主動(dòng)輪廓模型。

步驟S205，對獲得的多個(gè)膚色主動(dòng)輪廓模型建立三維查找表，獲得膚色模型。

在獲得M個(gè)主動(dòng)輪廓模型后，根據(jù)每個(gè)主動(dòng)輪廓模型對應(yīng)的亮度值和(Cb_k,Cr_k)分布建立三維查找表，即獲得最終的膚色模型。

上述實(shí)施例只為說明本發(fā)明的技術(shù)構(gòu)思及特點(diǎn)，其目的在于讓熟悉此項(xiàng)技術(shù)的人士能夠了解本發(fā)明的內(nèi)容并加以實(shí)施，并不能以此限制本發(fā)明的保護(hù)范圍，凡根據(jù)本發(fā)明精神實(shí)質(zhì)所作的等效變化或修飾，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍內(nèi)。