CN105224917B - 一种利用颜色空间创建肤色概率图的方法和*** - Google Patents

一种利用颜色空间创建肤色概率图的方法和*** Download PDF

Info

Publication number
CN105224917B
CN105224917B CN201510570761.5A CN201510570761A CN105224917B CN 105224917 B CN105224917 B CN 105224917B CN 201510570761 A CN201510570761 A CN 201510570761A CN 105224917 B CN105224917 B CN 105224917B
Authority
CN
China
Prior art keywords
skin
color
probability
colour
group
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.)
Active
Application number
CN201510570761.5A
Other languages
English (en)
Other versions
CN105224917A (zh
Inventor
刘鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Pinguo Technology Co Ltd
Original Assignee
Chengdu Pinguo Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Pinguo Technology Co Ltd filed Critical Chengdu Pinguo Technology Co Ltd
Priority to CN201510570761.5A priority Critical patent/CN105224917B/zh
Publication of CN105224917A publication Critical patent/CN105224917A/zh
Application granted granted Critical
Publication of CN105224917B publication Critical patent/CN105224917B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种利用颜色空间创建肤色概率图的方法和***，对待训练彩色图像进行计数，统计肤色中每组颜色的个数与非肤色中每组颜色的个数，形成训练统计表；利用统计表计算每组颜色属于皮肤的概率；将每组颜色属于皮肤的概率归一化，得到皮肤颜色概率查找表；预处理输入图像；根据预处理后的输入图像判断是否检测到人脸，构造肤色概率图。本发明旨在提供一种适用范围更为广泛，处理速度快的肤色概率图生成方法。

Description

一种利用颜色空间创建肤色概率图的方法和***
技术领域
本发明属于图像处理领域，具体涉及一种利用颜色空间创建肤色概率图的方法和***。
背景技术
近年来，随着相机数码化、手机相机化，一个全民摄影时代已经来临。其中对人物的拍摄是一个非常重要的组成部分。人人皆有爱美之心，对得到的人像照片进行美化也是一个热点之一。假如获知图片中哪些部位是皮肤，哪些部位不是皮肤，就能够为后续处理人像照片，比如磨皮，美白，美妆等提供重要的帮助。假如人工涂抹出皮肤区域，对于普通手机用户来说是较为繁琐和复杂的。故此，利用图像自动生成肤色模型的研究就显得尤为重要。
目前获得肤色模型的算法国际上最具有代表性的是MichaelJ.Jones提出的《StatisticalColorModelswithApplicationtoSkinDetection》。这种方法通过构造混合高斯模型，计算图形中每个像素属于皮肤的概率。但是，其算法效果对于自拍图像或者较暗图像来说并不理想，且处理过程相当费时。
发明内容
为了解决上述问题，本发明一种利用颜色空间创建肤色概率图的方法和***。本发明旨在提供一种适用范围更为广泛，处理速度快的肤色概率图生成方法。
为达到上述目的，本发明采用的技术方案是：
一种利用颜色空间创建肤色概率图的方法，包括以下几个步骤：
(1)对待训练彩色图像进行计数，统计肤色中每组颜色的个数与非肤色中每组颜色的个数，形成训练统计表；
(2)利用统计表计算每组颜色属于皮肤的概率；
(3)将每组颜色属于皮肤的概率归一化，得到皮肤颜色概率查找表；
(4)预处理用户输入图像；
(5)根据预处理后的输入图像判断是否检测到人脸，构造肤色概率图。
进一步的是，所述步骤(1)具体为，包括步骤：
对每张待训练的彩色图像，标注肤色位置和非肤色位置；
并将每张待训练的彩色图像，从RGB颜色空间转换为YCbCrCg颜色空间；
创建六个256行256列的统计表，统计表中的每个值用来计数属于对应颜色的像素总数，六个统计表分别是肤色Y-Cb统计表，肤色Y-Cr统计表，肤色Y-Cg统计表，非肤色Y-Cb统计表，非肤色Y-Cr统计表，非肤色Y-Cg统计表；
将每张待训练的图像中的每个像素根据肤色位置和非肤色位置区分以及YCbCrCg颜色空间的不同，列入相应的统计表，形成训练统计表；
其中，还需统计所有属于肤色的像素总个数与属于非肤色的像素总个数。
进一步的是，肤色Y-Cb统计表和非肤色Y-Cb统计表为一组，肤色Y-Cr统计表和非肤色Y-Cr 统计表为一组，肤色Y-Cg统计表和非肤色Y-Cg统计表为一组，得到Y-Cb、Y-Cr和Y-Cg三组统计表，总占用空间为256*256*3，远远少于YCbCrCg统计表所占用空间256*256*256*256，也远远少于传统的RGB统计表占用空间256*256*256。
进一步的是，所述步骤(2)具体为，包括步骤：
计算所有像素的总个数以及皮肤和非皮肤的概率；
将每组肤色统计表中的每一个值，分别除以肤色像素总个数，得到皮肤中包含每组颜色的概率；对相应组非肤色统计表中的每一个值，分别除以非肤色像素总个数，得到非皮肤中包含每组颜色的概率；
根据贝叶斯规则分别得出每组颜色是皮肤概率。
进一步的是，利用三组统计表分别计算Y-Cb，Y-Cr，Y-Cg中每组颜色属于皮肤的概率。
进一步的是，所述步骤(3)具体为，包括步骤：
分别对每组统计表中的256*256个皮肤概率值进行计算获得均值和标准差；根据所获均值和标准差，对所对应组统计表中皮肤概率的每一个值，进行高斯归一化处理；将处理后的数据集合形成皮肤颜色概率查找表。
其中，概率归一化取值范围为[0,1]。
进一步的是，所述步骤(4)是将输入图像从RGB颜色空间转换为YCbCrCg图像；以及对输入图像进行人脸检测，得到人脸矩形框。
进一步的是，所述步骤(5)根据步骤(4)中所检测到的人脸矩形框进行计算，包括步骤：
若没有检测到人脸，对于输入图像中的每一个像素，通过其Y-Cb、Y-Cr和Y-Cg的值，在所获皮肤颜色概率查找表中查找，并通过计算获得肤色概率；若检测到人脸，分别计算输入图像中R、G 和B通道的均值和方差；对图像中的每个点计算该点的高斯皮肤概率；对于输入图像中的每一个像素，通过其Y-Cb、Y-Cr和Y-Cg的值，在所获皮肤颜色概率查找表中查找，并通过计算获得预肤色概率；通过高斯皮肤概率和预肤色概率，得到最终的肤色概率。
其中，在进行均值和方差计算时，对检测到的人脸的每一个像素计算后进行从小到大排序，越小的说明越靠近，然后只选用排序序列较小端的像素进行计算。先进行排序，再用排在前面的像素计算均值，从而过滤掉肤色中占少量数目的牙齿或黑眼球等像素，提高准确率。
另一方面，本发明还提供了一种利用颜色空间创建肤色概率图的***，包括：
统计表生成模块，对大量待训练彩色图像进行计数，统计皮肤中每组颜色的个数与非皮肤中每组组颜色的个数，形成统计表；
皮肤概率计算模块，计算统计表中每组颜色属于皮肤的概率；
概率归一化模块，将每组颜色属于皮肤的概率进行归一化处理；
输入图像预处理模块，对输入图像进行预处理；
肤色概率图形成模块，判断输入图像中是否能够检测到人脸，从而构造肤色概率图；
其中，统计表生成模块出口端与皮肤概率计算模块入口端相连通，皮肤概率计算模块出口端连接概率归一化模块入口端，输入图像预处理模块出口端与肤色概率图形成模块入口端相连通，肤色概率图形成模块入口端还连有概率归一化模块。
采用本技术方案的有益效果：本发明所提出的一种利用颜色空间创建肤色概率图的方法和***，在传统的YCbCr颜色空间上进行改进，加入Cg颜色通道，从而在YCbCrCg空间中统计肤色，创建Y- Cb,Y-Cr,Y-Cg三组统计表，总占用空间为256*256*3，远远少于YCbCrCg统计表所占用空间 256*256*256*256，也远远少于传统的RGB统计表占用空间256*256*256；在求高斯均值时先进行排序，再用排在前面的像素计算均值，从而过滤掉肤色中占少量数目的牙齿，黑眼球等像素提高准确率；将使用YCbCrCg颜色的查找表，和通过R,G,B通道计算得到的高斯概率结合起来，使得肤色检测的结果更为准确。
附图说明
图1为本发明的利用颜色空间创建肤色概率图的方法主流程图；
图2为本发明的实施例中创建皮肤颜色概率查找表的流程图；
图3为本发明的实施例中构造肤色概率图的方法流程图；
图4为本发明所述方法借助的***结构简图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步阐述。
参见图1所示一种利用颜色空间创建肤色概率图的方法，包括以下几个步骤：
(1)对待训练彩色图像进行计数，统计肤色中每组颜色的个数与非肤色中每组颜色的个数，形成训练统计表，如图2所示。
具体步骤为：
a)对每张待训练的彩色图像，人工标注肤色位置和非肤色位置。例如肤色部位全部标注为白色，非肤色部位全部标注为黑色。
b)将每张待训练的彩色图像，从RGB颜色空间转换为YCbCrCg颜色空间，计算公式如下：
Y＝0.299*R+0.587*G+0.114*B
Cb＝-0.148*R-0.291*G+0.439*B+128
Cr＝0.439*R-0.368*G-0.071*B+128
Cg＝-0.318*R+0.439*G-0.121*B+128
上述的R,G,B分别是RGB颜色空间中三个通道的值，Y,Cb,Cr,Cg是YCbCrCg颜色空间的值，其中R,G,B,Y,Cb,Cr，Cg的取值范围均为[0,255]。
c)创建六个256行256列的统计表，统计表中的每个值用来计数属于对应颜色的像素总数。
其中，六个统计表分别是肤色Y-Cb统计表，肤色Y-Cr统计表，肤色Y-Cg统计表，非肤色Y-Cb 统计表，非肤色Y-Cr统计表，非肤色Y-Cg统计表；其中，肤色Y-Cb统计表和非肤色Y-Cb统计表为一组，肤色Y-Cr统计表和非肤色Y-Cr统计表为一组，肤色Y-Cg统计表和非肤色Y-Cg统计表为一组。创建Y-Cb,Y-Cr,Y-Cg三组统计表，总占用空间为256*256*3，远远少于YCbCrCg统计表所占用空间256*256*256*256，也远远少于传统的RGB统计表占用空间256*256*256。
假设肤色Y-Cb表中的Y[100]Cb[200]＝30000，那么代表训练过程中所有Y值为100并且Cb值为 200，且属于皮肤区域的像素总个数为30000。
d)对每张待训练的图像中的每一个像素根据肤色位置和非肤色位置区分以及YCbCrCg颜色空间的不同，列入相应的统计表。
假如根据人工标注图它是肤色点，那么肤色统计点的Y-Cb，Y-Cr，Y-Cg对应计数值分别加1；假如不是肤色点，那么非肤色统计点的Y-Cb，Y-Cr，Y-Cg对应计数值分别加1。同时统计所有属于肤色的像素总个数Skincount，与属于非肤色的像素总个数notSkincount。
(2)利用统计表计算每组颜色属于皮肤的概率，如图2所示。
计算所有像素的总个数，皮肤和非皮肤的概率；对一组肤色统计表中的每一个值，除以肤色像素总个数，得到皮肤中包含每组颜色的概率；同理对非肤色统计表中的每一个值，除以非肤色像素总个数，得到非皮肤中包含每组颜色的概率；根据贝叶斯规则分别得出每组颜色是皮肤概率。
计算所有像素的总个数Totalcount＝Skincount+notSkincount，之后计算皮肤的概率 Pskin＝Skincount/Totalcount。
同理计算非皮肤的概率Pnotskin＝notSkincount/Totalcount。
上面2个式子中，Pskin和Pnotskin取值范围均为[0，1]。
对肤色统计表Y-Cb中的每一个值，除以肤色像素总个数Skincount，得到皮肤中包含某组颜色 Y，Cb的概率P1；同理对非肤色统计表Y-Cb中的每一个值，除以非肤色像素总个数notSkincount，得到非皮肤中包含某组颜色YCbCrCg的概率P2。
P1和P2的取值范围均为[0,1]，根据贝叶斯规则：P1*Pskin/(P1*Pskin+P2*Pnotskin)得到其中一组颜色Y,Cb是皮肤的概率；同理利用该方法计算所有256*256组颜色的概率，其中 Pbayes1[Y][Cb]，Y和Cb的取值范围均为：[0,255]。
同理对肤色表Y-Cr和非肤色表Y-Cr计算256*256组颜色Y,Cr是皮肤的概率Pbayes2[Y][Cr]， Y和Cr的取值范围：[0,255]。
同理对肤色表Y-Cg和非肤色表Y-Cg计算256*256组颜色Y,Cg是皮肤的概率Pbayes3[Y][Cg], Y和Cg 的取值范围：[0，255]。
Pbayes1，Pbayes2,Pbayes3的取值范围均是0到正无穷。
(3)将每组颜色属于皮肤的概率归一化，得到皮肤颜色概率查找表，如图2所示。
对一组统计表的皮肤概率中的256*256个值，进行计算获得均值和标准差；利用所获均值和标准差，对该组统计表的皮肤概率的每一个值，进行高斯归一化处理；将处理后的数据放入皮肤颜色概率查找表。
对Pbayes1[Y][Cb]中的所有256*256个值，统计其中非0值的个数count1,将所有的值累加，获得概率和ProSum1。
之后求均值mean1＝ProSum1/count1。
之后对每一个Pbayes1[Y][Cb]，进行计算得到squre1，计算公式为： squre1＝(Pbayes1[Y][Cb]-mean1)*(Pbayes1[Y][Cb]-mean1)。
再对所有256*256值，累加square1，得到squreSum。
用squreSum/cont1，得到Pbayes1[Y][Cb]的方差sigma1，之后对sigma1开方得到标准差 SDeviation1：SDeviation1＝sqrt(sigma1)。
最后再对Pbayes1[Y][Cb]中的每一个值，进行高斯归一化处理：
Pbayes1[Y][Cb]＝((Pbayes1[Y][Cb]-mean1)/(3*SDeviation1)+1)/2
这样处理后的Pbayes1[Y][Cb]，其99％都在[0,1]，剩余的如果大于1，令其等于1；如果小于0，令其等于0。最后使得Pbayes1[Y][Cb]的取值范围[0,1]。
同理，对Pbayes2[Y][Cr]和Pbayes3[Y][Cg]进行同样的归一化处理。
其中，概率归一化取值范围为[0,1]。
(4)预处理用户输入图像，如图3所示。
将输入图像从RGB颜色空间转换为YCbCrCg图像；对输入图像进行人脸检测，得到人脸矩形框。
(5)根据预处理后的输入图像判断是否检测到人脸，构造肤色概率图，如图3所示。
若没有检测到人脸，对于输入图像中的每一个像素，通过其Y-Cb、Y-Cr和Y-Cg的值，在所获皮肤颜色概率查找表中查找，并通过计算获得肤色概率；若检测到人脸，分别计算输入图像中R、G和 B通道的均值和方差；对图像中的每个点计算该点的高斯皮肤概率；对于输入图像中的每一个像素，通过其Y-Cb、Y-Cr和Y-Cg的值，在所获皮肤颜色概率查找表中查找，并通过计算获得预肤色概率；通过高斯皮肤概率和预肤色概率，得到最终的肤色概率。
其中，在进行均值和方差计算时，对检测到的人脸的每一个像素计算后进行从小到大排序，越小的说明越靠近，然后只选用排序序列的前像素进行计算。先进行排序，再用排在前面的像素计算均值，从而过滤掉肤色中占少量数目的牙齿或黑眼球等像素，提高准确率。
a)假如没有检测到人脸，那么对于图像中每一个像素，通过其Y，Cb,Cr,Cg的值，查找 Pbayes1[Y][Cb]，Pbayes2[Y][Cr]，Pbayes3[Y][Cg]的值，最后肤色概率为这三个值的平方和再开方，计算公式如下：
Pout＝sqrt(Pbayes1[Y][Cb]*Pbayes1[Y][Cb]+
Pbayes2[Y][Cr]*Pbayes2[Y][Cr]+
Pbayes3[Y][Cg]*Pbayes3[Y][Cg])
再令Pout大于1的等于1。Pout的取值范围[0,1]。
b)假如检测到人脸，对人脸矩形框中的所有像素，在R颜色通道进行像素累加，得到R通道和 Rsum，以及矩形框中像素个数Rectcount。用Rsum除以Rectcount得到R通道的均值，计算公式如下：
Ravg＝Rsum/Rectcount
其中Ravg的取值范围为[0,255]。
之后再对人脸矩形框中的每一个像素，进行平方计算，计算公式如下：
Rsqure＝(R-Ravg)*(R-Ravg)
然后对Rsqure进行从小到大排序，越小的说明越靠近Ravg，然后只选用排序序列的前三分之一 (或者二分之一)像素，重新计算这些部位的Ravg’，同理计算获得Rsqure’＝(R-Ravg’)*(R- Ravg’)，将人脸矩形框中的每个Rsqure’累加起来得到Rsquresum。而后计算R通道的方差Rsigma，计算公式如下：
Rsigma＝Rsquresum/Rectcount
同理得到G通道的均值和方差Gavg,Gsigma，B通道的均值和方差Bavg,Bsigma。
(c)对图像中每个点，按照没检测到人脸时的方法计算Pout。
(d)对图像中每个点，利用R,G,B通道值和得到的Ravg，Rsigma，Gavg,Gsigma，Bavg,Bsigma 计算该点的高斯皮肤概率，计算公式如下：
Pgaus＝exp(-(R-Ravg)*(R-Ravg)/Rsigma
-(G-Gavg)*(G-Gavg)/Gsigma
-(B-Bavg)*(B-Bavg)/Bsigma)
其中，Pgaus的取值范围是[0,1]。
将(c),(d)步的两个概率相乘，得到最后的肤色概率：
Presult＝Pout*Pgaus。Presult取值范围[0,1]。
基于相同的发明构思，如图4所示，本发明还提供了一种利用颜色空间创建肤色概率图的***，包括：
统计表生成模块，对大量待训练彩色图像进行计数，统计肤色中每组颜色的个数与非肤色中每组颜色的个数，形成统计表；
皮肤概率计算模块，计算统计表中每组颜色属于皮肤的概率；
概率归一化模块，将每组颜色属于皮肤的概率进行归一化处理；
输入图像预处理模块，对输入图像进行预处理；
肤色概率图形成模块，判断输入图像中是否能够检测到人脸，从而构造肤色概率图；
其中，统计表生成模块出口端与皮肤概率计算模块入口端相连通，皮肤概率计算模块出口端连接概率归一化模块入口端，输入图像预处理模块出口端与肤色概率图形成模块入口端相连通，肤色概率图形成模块入口端还连有概率归一化模块。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本实发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (9)

1.一种利用颜色空间创建肤色概率图的方法，其特征在于，包括以下几个步骤：
(1)对待训练彩色图像进行计数，统计肤色中每组颜色的个数与非肤色中每组颜色的个数，形成训练统计表；所述每组颜色是指颜色分量的不同组合；
(2)利用统计表计算每组颜色属于皮肤的概率；
(3)将每组颜色属于皮肤的概率归一化，得到皮肤颜色概率查找表；
(4)预处理用户输入图像；
(5)根据预处理后的输入图像判断是否检测到人脸，通过高斯皮肤概率和预肤色概率，得到肤色概率图；
所述高斯皮肤概率的计算公式为Pgaus＝exp(-(R-Ravg)*(R-Ravg)/Rsigma-(G-Gavg)*(G-Gavg)/Gsigma-(B-Bavg)*(B-Bavg)/Bsigma)
其中，Pgaus表示高斯皮肤概率；R表示R通道值，Ravg表示R通道均值，Rsigma表示R通道均方差；G表示G通道值，Gavg表示G通道均值，Gsigma表示G通道均方差；B表示B通道值，Bavg表示B通道均值，Bsigma表示B通道均方差；
所述预肤色概率通过对输入图像中的每一个像素在所获皮肤颜色概率查找表中查找并通过计算获得。
2.根据权利要求1所述的一种利用颜色空间创建肤色概率图的方法，其特征在于，所述步骤(1)包括步骤：
对每张待训练的彩色图像，标注肤色位置和非肤色位置；
并将每张待训练的彩色图像，从RGB颜色空间转换为YCbCrCg颜色空间；
创建六个256行256列的统计表，统计表中的每个值用来计数属于对应颜色的像素总数，六个统计表分别是肤色Y-Cb统计表，肤色Y-Cr统计表，肤色Y-Cg统计表，非肤色Y-Cb统计表，非肤色Y-Cr统计表，非肤色Y-Cg统计表；
将每张待训练的图像中的每个像素根据肤色位置和非肤色位置区分以及YCbCrCg颜色空间的不同，列入相应的统计表，形成训练统计表；
其中，还需统计所有属于肤色的像素总个数与属于非肤色的像素总个数。
3.根据权利要求2所述的一种利用颜色空间创建肤色概率图的方法，其特征在于，肤色Y-Cb统计表和非肤色Y-Cb统计表为一组，肤色Y-Cr统计表和非肤色Y-Cr统计表为一组，肤色Y-Cg统计表和非肤色Y-Cg统计表为一组，得到Y-Cb、Y-Cr和Y-Cg三组统计表。
4.根据权利要求3所述的一种利用颜色空间创建肤色概率图的方法，其特征在于，所述步骤(2)包括步骤：
计算所有像素的总个数以及皮肤和非皮肤的概率；
将每组肤色统计表中的每一个值，分别除以肤色像素总个数，得到皮肤中包含每组颜色的概率；对相应组非肤色统计表中的每一个值，分别除以非肤色像素总个数，得到非皮肤中包含每组颜色的概率；
根据贝叶斯规则分别得出每组颜色是皮肤概率。
5.根据权利要求4所述的一种利用颜色空间创建肤色概率图的方法，其特征在于，利用三组统计表分别计算Y-Cb，Y-Cr，Y-Cg中每组颜色属于皮肤的概率。
6.根据权利要求5所述的一种利用颜色空间创建肤色概率图的方法，其特征在于，所述步骤(3)包括步骤：
分别对每组统计表中的256*256个皮肤概率值进行计算获得均值和标准差；
根据所获均值和标准差，对所对应组统计表中皮肤概率的每一个值，进行高斯归一化处理；
将处理后的数据集合形成皮肤颜色概率查找表；
其中，概率归一化取值范围为[0,1]。
7.根据权利要求6所述的一种利用颜色空间创建肤色概率图的方法，其特征在于，所述步骤(4)是将输入图像从RGB颜色空间转换为YCbCrCg图像；以及对输入图像进行人脸检测，得到人脸矩形框。
8.根据权利要求7所述的一种利用颜色空间创建肤色概率图的方法，其特征在于，所述步骤(5)根据步骤(4)中所检测到的人脸矩形框进行计算，包括步骤：
若没有检测到人脸，对于输入图像中的每一个像素，通过其Y-Cb、Y-Cr和Y-Cg的值，在所获皮肤颜色概率查找表中查找，并通过计算获得肤色概率；
若检测到人脸，分别计算输入图像中R、G和B通道的均值和方差；对图像中的每个点计算该点的高斯皮肤概率；对于输入图像中的每一个像素，通过其Y-Cb、Y-Cr和Y-Cg的值，在所获皮肤颜色概率查找表中查找，并通过计算获得预肤色概率；通过高斯皮肤概率和预肤色概率，得到最终的肤色概率；
其中，在进行均值和方差计算时，对检测到的人脸的每一个像素计算后进行从小到大排序，越小的说明越靠近，然后只选用排序序列较小端的像素进行计算。
9.一种利用颜色空间创建肤色概率图的***，其特征在于，包括：
统计表生成模块，对大量待训练彩色图像进行计数，统计肤色中每组颜色的个数与非肤色中每组组颜色的个数，形成统计表；所述每组颜色是指颜色分量的不同组合；
皮肤概率计算模块，计算统计表中每组颜色属于皮肤的概率；
概率归一化模块，将每组颜色属于皮肤的概率进行归一化处理；
输入图像预处理模块，对输入图像进行预处理；
肤色概率图形成模块，判断输入图像中是否能够检测到人脸，从而构造肤色概率图，构造肤色概率图是通过高斯皮肤概率和预肤色概率得到；
高斯皮肤概率的计算公式为Pgaus＝exp(-(R-Ravg)*(R-Ravg)/Rsigma-(G-Gavg)*(G-Gavg)/Gsigma-(B-Bavg)*(B-Bavg)/Bsigma)
高斯皮肤概率的计算公式中，Pgaus表示高斯皮肤概率；R表示R通道值，Ravg表示R通道均值，Rsigma表示R通道均方差；G表示G通道值，Gavg表示G通道均值，Gsigma表示G通道均方差；B表示B通道值，Bavg表示B通道均值，Bsigma表示B通道均方差；
预肤色概率通过对输入图像中的每一个像素在所获皮肤颜色概率查找表中查找并通过计算获得；
其中，统计表生成模块出口端与皮肤概率计算模块入口端相连通，皮肤概率计算模块出口端连接概率归一化模块入口端，输入图像预处理模块出口端与肤色概率图形成模块入口端相连通，肤色概率图形成模块入口端还连有概率归一化模块。
CN201510570761.5A 2015-09-10 2015-09-10 一种利用颜色空间创建肤色概率图的方法和*** Active CN105224917B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510570761.5A CN105224917B (zh) 2015-09-10 2015-09-10 一种利用颜色空间创建肤色概率图的方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510570761.5A CN105224917B (zh) 2015-09-10 2015-09-10 一种利用颜色空间创建肤色概率图的方法和***

Publications (2)

Publication Number Publication Date
CN105224917A CN105224917A (zh) 2016-01-06
CN105224917B true CN105224917B (zh) 2019-06-21

Family

ID=54993877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510570761.5A Active CN105224917B (zh) 2015-09-10 2015-09-10 一种利用颜色空间创建肤色概率图的方法和***

Country Status (1)

Country Link
CN (1) CN105224917B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105701474B (zh) * 2016-01-15 2019-02-05 西安交通大学 一种结合颜色和外型特征的视频烟雾识别方法
CN105894480A (zh) * 2016-05-03 2016-08-24 成都索贝数码科技股份有限公司 一种高效且易于并行实现的美颜装置
CN105913400A (zh) * 2016-05-03 2016-08-31 成都索贝数码科技股份有限公司 一种获得高质量且实时的美颜的装置
CN106570472B (zh) * 2016-11-02 2019-11-05 华为技术有限公司 一种肤色检测方法、装置及终端
CN106981066B (zh) * 2017-03-06 2019-07-12 武汉嫦娥医学抗衰机器人股份有限公司 一种基于肤色的内脸图像分割方法
CN106991379B (zh) * 2017-03-09 2020-07-10 Oppo广东移动通信有限公司 结合深度信息的人体皮肤识别方法及装置和电子装置
CN107424115B (zh) * 2017-05-31 2020-10-27 成都品果科技有限公司 一种基于人脸关键点的肤色修正算法
CN107274452B (zh) * 2017-05-31 2020-07-24 成都品果科技有限公司 一种痘痘自动检测方法
CN108389234B (zh) * 2018-02-05 2021-10-08 深圳市恒晨电器有限公司 一种平板lcd异色检测方法、存储装置和移动终端
CN111047619B (zh) * 2018-10-11 2022-09-30 展讯通信（上海）有限公司 人脸图像处理方法及装置、可读存储介质
CN111145086A (zh) * 2019-12-27 2020-05-12 北京奇艺世纪科技有限公司 一种图像处理方法、装置及电子设备
CN113656627B (zh) * 2021-08-20 2024-04-19 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
CN113657401B (zh) * 2021-08-24 2024-02-06 凌云光技术股份有限公司 一种用于缺陷检测的概率图可视化方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1700238A (zh) * 2005-06-23 2005-11-23 复旦大学 在彩色数字图像和视频中分割出人体皮肤区域的方法
CN1704966A (zh) * 2004-05-28 2005-12-07 中国科学院计算技术研究所 一种色情图像检测方法
CN1763765A (zh) * 2004-10-21 2006-04-26 佳能株式会社 用于检测图像中的人脸肤色区域的方法、装置和存储介质
CN101251898A (zh) * 2008-03-25 2008-08-27 腾讯科技（深圳）有限公司 一种肤色检测方法及装置
CN102236786A (zh) * 2011-07-04 2011-11-09 北京交通大学 一种光照自适应的人体肤色检测方法
CN102324025A (zh) * 2011-09-06 2012-01-18 北京航空航天大学 基于高斯肤色模型和特征分析的人脸检测与跟踪方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1353516A1 (en) * 2002-04-08 2003-10-15 Mitsubishi Electric Information Technology Centre Europe B.V. A method and apparatus for detecting and/or tracking one or more colour regions in an image or sequence of images

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1704966A (zh) * 2004-05-28 2005-12-07 中国科学院计算技术研究所 一种色情图像检测方法
CN1763765A (zh) * 2004-10-21 2006-04-26 佳能株式会社 用于检测图像中的人脸肤色区域的方法、装置和存储介质
CN1700238A (zh) * 2005-06-23 2005-11-23 复旦大学 在彩色数字图像和视频中分割出人体皮肤区域的方法
CN101251898A (zh) * 2008-03-25 2008-08-27 腾讯科技（深圳）有限公司 一种肤色检测方法及装置
CN102236786A (zh) * 2011-07-04 2011-11-09 北京交通大学 一种光照自适应的人体肤色检测方法
CN102324025A (zh) * 2011-09-06 2012-01-18 北京航空航天大学 基于高斯肤色模型和特征分析的人脸检测与跟踪方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Statistical Color Models with Application to Skin Detection;MICHAEL J.JONES等;《International Journal of Computer Vision》;20020131;第46卷(第1期);第81-96页
基于改进YCbCr空间的肤色检测模式分析;黄秀常;《计算机仿真》;20100715;第27卷(第7期);第222-225页

Also Published As

Publication number Publication date
CN105224917A (zh) 2016-01-06

Similar Documents

Publication Publication Date Title
CN105224917B (zh) 一种利用颜色空间创建肤色概率图的方法和***
CN103914699B (zh) 一种基于色彩空间的自动唇彩的图像增强的方法
CN102831176B (zh) 推荐好友的方法及服务器
CN107123088B (zh) 一种自动更换证件照背景颜色的方法
CN109214360A (zh) 一种基于ParaSoftMax损失函数的人脸识别模型的构建方法及应用
CN101853286B (zh) 视频缩略图智能选取方法
CN102332034B (zh) 一种人像图片检索方法和装置
CN101567043A (zh) 基于分类识别的人脸跟踪方法
CN101493887B (zh) 基于半监督学习和哈希索引的眉毛图像分割方法
CN103020589B (zh) 一种单训练样本人脸识别方法
CN104966085A (zh) 一种基于多显著特征融合的遥感图像感兴趣区域检测方法
CN104182970A (zh) 一种基于摄影构图规则的留念照人像站位推荐方法
CN105913051A (zh) 一种识别人脸图像的模版库的更新装置及方法
CN107657625A (zh) 融合时空多特征表示的无监督视频分割方法
CN103729467B (zh) 一种社交网络中的社区结构发现方法
CN102509099A (zh) 一种图像显著区域检测方法
CN103854261A (zh) 色偏图像的校正方法
CN102147921A (zh) 基于图论的中医舌质、舌苔分离算法
CN107895140A (zh) 基于人脸肤色的***识别办法
CN106909884A (zh) 一种基于分层结构和可变形部分模型的手部区域检测方法和装置
Fan et al. Lightweight forest fire detection based on deep learning
CN111652260B (zh) 一种人脸聚类样本数量的选择方法及***
CN103714328A (zh) 人脸检测的Adaboost算法
CN103049754A (zh) 社交网络的图片推荐方法和装置
CN105243380A (zh) 基于选择性中值滤波和pca结合的单人脸图像识别方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP02 Change in the address of a patent holder

Address after: 610041 the 13 floor of No. 1 middle Tianfu Avenue, No. 1268, high-tech zone, Chengdu, Sichuan.

Patentee after: Chengdu PinGuo Digital Entertainment Ltd.

Address before: 610041 No. 216 South City Road, Chengdu hi tech Zone, Sichuan

Patentee before: Chengdu PinGuo Digital Entertainment Ltd.

CP02 Change in the address of a patent holder