CN107392166A - 肤色检测方法、装置及计算机可读存储介质 - Google Patents

肤色检测方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN107392166A
CN107392166A CN201710638938.XA CN201710638938A CN107392166A CN 107392166 A CN107392166 A CN 107392166A CN 201710638938 A CN201710638938 A CN 201710638938A CN 107392166 A CN107392166 A CN 107392166A
Authority
CN
China
Prior art keywords
pixel
target image
skin color
area
key point
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
Application number
CN201710638938.XA
Other languages
English (en)
Inventor
杨松
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.)
Beijing Xiaomi Mobile Software Co Ltd
Original Assignee
Beijing Xiaomi Mobile Software 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 Beijing Xiaomi Mobile Software Co Ltd filed Critical Beijing Xiaomi Mobile Software Co Ltd
Priority to CN201710638938.XA priority Critical patent/CN107392166A/zh
Publication of CN107392166A publication Critical patent/CN107392166A/zh
Pending legal-status Critical Current

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
    • G06V40/161—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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • 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
    • 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

Landscapes

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

Abstract

本公开是关于一种肤色检测方法、装置及计算机可读存储介质，属于图像处理领域。所述方法包括：对目标图像进行肤色检测，得到所述目标图像的初始肤色区域掩码图；对所述目标图像进行关键点检测，得到所述目标图像中的关键点；根据所述目标图像中的关键点对所述初始肤色区域掩码图进行校正，得到最终肤色区域掩码图。本公开通过目标图像中的关键点，对肤色检测得到的初始肤色区域掩码图进行校正，从而提高了肤色检测的准确率。

Description

肤色检测方法、装置及计算机可读存储介质
技术领域
本公开涉及图像处理领域，尤其涉及一种肤色检测方法、装置及计算机可读存储介质。
背景技术
随着人工智能技术的不断发展，图像处理在我们的日常生活当中扮演着越来越重要的角色。其中，肤色识别是图像处理当中比较重要且较为成熟的一个领域，而在进行肤色识别之前需要进行肤色检测。肤色检测主要是根据皮肤的固有色彩在图像中选取相对应的颜色范围作为皮肤颜色，也即是在图像中选取人体皮肤所在区域的像素点的过程。
相关技术中，可以基于目标图像，通过诸如贝叶斯模型、椭圆模型和混合高斯模型等模型进行肤色检测，得到目标图像的肤色区域掩码图。其中，肤色区域掩码图中的每个像素点的像素值为1或者0，1用于指示该像素点处于皮肤区域，0用于指示该像素点处于非皮肤区域。
发明内容
为克服相关技术中存在的问题，本公开提供一种肤色检测方法、装置及计算机可读存储介质。
根据本公开实施例的第一方面，提供一种肤色检测方法，所述方法包括：
对目标图像进行肤色检测，得到所述目标图像的初始肤色区域掩码图；
对所述目标图像进行关键点检测，得到所述目标图像中的关键点；
根据所述目标图像中的关键点对所述初始肤色区域掩码图进行校正，得到最终肤色区域掩码图。
可选地，所述根据所述目标图像中的关键点对所述初始肤色区域掩码图进行校正，得到最终肤色区域掩码图，包括：
根据所述目标图像中的关键点对所述初始肤色区域掩码图进行校正，得到校正后的肤色区域掩码图；
将所述目标图像作为引导图，对所述校正后的肤色区域掩码图进行导向滤波，得到所述最终肤色区域掩码图。
可选地，所述根据所述目标图像中的关键点对所述初始肤色区域掩码图进行校正，得到校正后的肤色区域掩码图，包括：
从所述目标图像包括的关键点中，选择属于非皮肤区域的关键点；
将所述初始肤色区域掩码图中属于非皮肤区域的关键点所围成的区域内的像素点的像素值设置为第一数值，以得到校正后的肤色区域掩码图；
其中，所述第一数值用于指示对应的像素点处于非皮肤区域。
可选地，所述将所述目标图像作为引导图，对所述校正后的肤色区域掩码图进行导向滤波，得到所述最终肤色区域掩码图，包括：
将目标像素点作为第一像素窗口的中心，并从所述校正后的肤色区域掩码图中获取位于所述第一像素窗口内的多个第一像素点的像素值，所述目标像素点为所述校正后的肤色区域掩码图中的任一像素点，所述第一像素窗口的大小为预设大小；
将所述目标图像中与所述目标像素点位于同一位置的像素点作为第二像素窗口的中心，并从在所述目标图像中获取位于所述第二像素窗口内的多个第二像素点的像素值，所述第二像素窗口的大小与所述第一像素窗口的大小相同；
基于所述多个第一像素点的像素值、所述多个第二像素点的像素值和所述目标图像中与所述目标像素点位于同一位置的像素点的像素值，确定所述目标像素点滤波后的像素值。
可选地，所述基于所述多个第一像素点的像素值、所述多个第二像素点的像素值和所述目标图像中与所述目标像素点位于同一位置的像素点的像素值，确定所述目标像素点滤波后的像素值，包括：
基于所述多个第一像素点的像素值和所述多个第二像素点的像素值，确定所述目标像素点对应的第一系数和第二系数；
确定第一平均系数和第二平均系数，所述第一平均系数和第二平均系数分别为所述第一像素窗口内所有像素点对应的第一系数和第二系数的平均值；
确定所述目标图像中与所述目标像素点位于同一位置的像素点的像素值与所述第一平均系数之间的乘积，将所述乘积与所述第二平均系数的和确定所述目标像素点滤波后的像素值。
可选地，所述对所述目标图像进行关键点检测，得到所述目标图像中的关键点，包括：
对所述目标图像进行人脸检测，得到所述目标图像中的人脸框的位置；
根据所述人脸框的位置，对所述目标图像中所述人脸框内的区域进行人脸关键点定位，得到所述目标图像中的人脸关键点。
根据本公开实施例的第二方面，提供一种肤色检测装置，所述装置包括：
第一检测模块，用于对目标图像进行肤色检测，得到所述目标图像的初始肤色区域掩码图；
第二检测模块，用于对所述目标图像进行关键点检测，得到所述目标图像中的关键点；
校正模块，用于根据所述目标图像中的关键点对所述初始肤色区域掩码图进行校正，得到最终肤色区域掩码图。
可选地，校正模块包括：
校正子模块，用于根据所述目标图像中的关键点对所述初始肤色区域掩码图进行校正，得到校正后的肤色区域掩码图；
导向滤波子模块，用于将所述目标图像作为引导图，对所述校正后的肤色区域掩码图进行导向滤波，得到所述最终肤色区域掩码图。
可选地，所述校正子模块主要用于：
从所述目标图像包括的关键点中，选择属于非皮肤区域的关键点；
将所述初始肤色区域掩码图中属于非皮肤区域的关键点所围成的区域内的像素点的像素值设置为第一数值，以得到校正后的肤色区域掩码图；
其中，所述第一数值用于指示对应的像素点处于非皮肤区域。
可选地，所述导向滤波子模块包括：
第一获取子模块，用于将目标像素点作为第一像素窗口的中心，并从所述校正后的肤色区域掩码图中获取位于所述第一像素窗口内的多个第一像素点的像素值，所述目标像素点为所述校正后的肤色区域掩码图中的任一像素点，所述第一像素窗口的大小为预设大小；
第二获取子模块，用于将所述目标图像中与所述目标像素点位于同一位置的像素点作为第二像素窗口的中心，并从在所述目标图像中获取位于所述第二像素窗口内的多个第二像素点的像素值，所述第二像素窗口的大小与所述第一像素窗口的大小相同；
确定子模块，用于基于所述多个第一像素点的像素值、所述多个第二像素点的像素值和所述目标图像中与所述目标像素点位于同一位置的像素点的像素值，确定所述目标像素点滤波后的像素值。
可选地，所述确定子模块主要用于：
基于所述多个第一像素点的像素值和所述多个第二像素点的像素值，确定所述目标像素点对应的第一系数和第二系数；
确定第一平均系数和第二平均系数，所述第一平均系数和第二平均系数分别为所述第一像素窗口内所有像素点对应的第一系数和第二系数的平均值；
确定所述目标图像中与所述目标像素点位于同一位置的像素点的像素值与所述第一平均系数之间的乘积，将所述乘积与所述第二平均系数的和确定所述目标像素点滤波后的像素值。
可选地，所述第二检测模块包括：
人脸检测子模块，用于对所述目标图像进行人脸检测，得到所述目标图像中的人脸框的位置；
关键点定位子模块，用于根据所述人脸框的位置，对所述目标图像中所述人脸框内的区域进行人脸关键点定位，得到所述目标图像中的人脸关键点。
根据本公开实施例的第三方面，提供一种肤色检测装置，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行上述第一方面所述的任一项方法的步骤。
根据本公开实施例的第四方面，提供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有指令，所述指令被处理器执行时实现上述第一方面所述的任一项方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果：本公开实施例通过肤色检测得到的目标图像的初始肤色区域掩码图；由于初始肤色区域掩码图是二分类，即皮肤区域和非皮肤区域，所以本公开通过对目标图像进行关键点检测，得到目标图像的关键点，然后基于目标图像中的关键点对初始肤色区域掩码图进行校正，以去除皮肤区域中属于非皮肤区域的关键点所围成的区域，得到最终肤色区域掩码图，从而提高肤色检测的准确率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种肤色检测方法的流程图。
图2是根据一示例性实施例示出的一种肤色检测方法的流程图。
图3是根据一示例性实施例示出的一种肤色检测装置的框图。
图4是根据一示例性实施例示出的一种装置的框图。
图5是根据一示例性实施例示出的一种装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
为了便于理解，在对本公开实施例进行详细地解释说明之前，先对本公开实施例涉及的应用场景进行介绍。
肤色检测是模式识别中的一项比较重要的应用。实际应用中，肤色检测可以应用到各个领域，接下来对这种场景进行举例说明。
比如，当通过人脸识别来验证用户身份时，在采集到含有人脸的图像或视频流后，可以通过肤色检测确定图像中的皮肤区域，进而对皮肤区域进行人脸检测，从而更快速、有效的进行人脸识别。
再比如，手势识别。当智能电视通过手势来完成选择确认、切换页面、缩放和旋转等功能时，通常在获取图像后，需要通过肤色检测对手部进行检测，以确定图像中的皮肤区域，进而对皮肤区域进行静态或动态的手势检测，以快速完成手势识别，达到用手势控制智能电视的效果。
本公开实施例不仅可以应用于上述两种应用场景中，实际应用中，可能还可以应用于其他的应用场景中，在此本公开实施例对其他应用场景不再一一列举。
在相关技术中，进行肤色检测时，通常是对每个像素点单独进行检测，也即是肤色检测后得到的初始肤色区域掩码图是纯粹的二分类，所以得到的初始肤色区域掩码图中的皮肤区域与非皮肤区域的边缘过于尖锐。为了解决上述技术问题，本公开实施例提供了一种肤色检测方法，接下来将通过以下实施例，同时结合附图对肤色检测的具体实现方式进行解释说明。
图1是根据一示例性实施例示出的一种肤色检测方法的流程图，如图1所示，该方法用于终端中，包括以下步骤：
在步骤101中，对目标图像进行肤色检测，得到目标图像的初始肤色区域掩码图。
在步骤102中，对目标图像进行关键点检测，得到目标图像中的关键点。
在步骤103中，根据目标图像中的关键点对初始肤色区域掩码图进行校正，得到最终肤色区域掩码图。
综上所述，本公开实施例通过对目标图像进行肤色检测，得到的初始肤色区域掩码图；由于得到的初始肤色区域掩码图是纯粹的二分类，所以本公开通过对目标图像进行关键点检测，确定目标图像的关键点，再基于目标图像中的关键点对通过肤色检测得到的目标图像的初始肤色区域掩码图进行校正，得到最终肤色区域掩码图，提高了肤色检测的准确率。
可选地，根据目标图像中的关键点对初始肤色区域掩码图进行校正，得到最终肤色区域掩码图，包括：
根据目标图像中的关键点对该始肤色区域掩码图进行校正，得到校正后的肤色区域掩码图；
将目标图像作为引导图，对校正后的肤色区域掩码图进行导向滤波，得到最终肤色区域掩码图。
可选地，根据目标图像中的关键点对初始肤色区域掩码图进行校正，得到该校正后的肤色区域掩码图，包括：
从目标图像包括的关键点中，选择属于非皮肤区域的关键点；
将初始肤色区域掩码图中属于非皮肤区域的关键点所围成的区域内的像素点的像素值设置为第一数值，以得到校正后的肤色区域掩码图；
其中，该第一数值用于指示对应的像素点处于非皮肤区域。
可选地，将目标图像作为引导图，对校正后的肤色区域掩码图进行导向滤波，得到该最终肤色区域掩码图，包括：
将目标像素点作为第一像素窗口的中心，并从校正后的肤色区域掩码图中获取位于该第一像素窗口内的多个第一像素点的像素值，目标像素点为该校正后的肤色区域掩码图中的任一像素点，第一像素窗口的大小为预设大小；
将目标图像中与目标像素点位于同一位置的像素点作为第二像素窗口的中心，并从在目标图像中获取位于该第二像素窗口内的多个第二像素点的像素值，该第二像素窗口的大小与该第一像素窗口的大小相同；
基于该多个第一像素点的像素值、该多个第二像素点的像素值和目标图像中与目标像素点位于同一位置的像素点的像素值，确定目标像素点滤波后的像素值。
可选地，基于该多个第一像素点的像素值、该多个第二像素点的像素值和目标图像中与目标像素点位于同一位置的像素点的像素值，确定目标像素点滤波后的像素值，包括：
基于该多个第一像素点的像素值和该多个第二像素点的像素值，确定目标像素点对应的第一系数和第二系数；
确定第一平均系数和第二平均系数，该第一平均系数和第二平均系数分别为第一像素窗口内所有像素点对应的第一系数和第二系数的平均值；
确定目标图像中与目标像素点位于同一位置的像素点的像素值与第一平均系数之间的乘积，将该乘积与第二平均系数的和确定目标像素点滤波后的像素值。
可选地，对目标图像进行关键点检测，得到目标图像中的关键点，包括：
对目标图像进行人脸检测，得到目标图像中的人脸框的位置；
根据该人脸框的位置，对目标图像中该人脸框内的区域进行人脸关键点定位，得到目标图像中的人脸关键点。
上述所有可选技术方案，均可按照任意结合形成本公开的可选实施例，本公开实施例对此不再一一赘述。
图2是根据一示例性实施例示出的一种肤色检测方法的流程图。该方法应用于终端中。下面将对上述图1所示的实施例进行详细说明。参见图2，该方法包括如下步骤：
在步骤201中，对目标图像进行肤色检测，得到目标图像的初始肤色区域掩码图。
实际应用中，可以通过贝叶斯模型、椭圆模型或混合高斯模型等模型对目标图像进行肤色检测，得到目标图像的初始肤色区域掩码图。其中，初始肤色区域掩码图中的像素点的像素值为1或0，1用于指示该像素点属于皮肤区域，0用于指示该像素点属于非皮肤区域。
由于进行肤色检测后得到的初始肤色区域掩码图中的像素点的像素值为1或0，并且通过上述模型进行肤色检测时，通常对每个像素点单独进行检测，也即是，肤色检测后得到的初始肤色区域掩码图是纯粹的二分类，即肤色区域和非肤色区域。这样，初始肤色区域掩码图中的皮肤区域与非皮肤区域的边缘过于尖锐，为了避免这种问题，接下来将通过步骤202-204对初始肤色区域掩码图进行校正，从而将皮肤区域与非皮肤区域之间的边缘像素点设置为0至1之间的数值，这样可以实现皮肤区域与非皮肤区域之间的平滑过渡，使得最终肤色区域掩码图中的皮肤区域与非皮肤区域的边缘变得平滑，也即是达到了羽化的效果。
在步骤202中，对目标图像进行关键点检测，得到目标图像中的关键点。
由于初始肤色区域掩码图中像素点的像素值为1或0，然而，对于眼睛、眉毛和嘴巴，这些区域可能在肤色检测时，被误以为是皮肤区域，以至于这些区域中内的像素点的像素值被设置为1。因此，在对目标图像进行肤色检测之后，需要对目标图像进行关键点检测，进而通过检测得到的关键点对初始肤色区域掩码图进行校正。
其中，对目标图像进行关键点检测的实现过程可以为：通过对目标图像进行人脸检测，得到目标图像中的人脸框的位置，根据该人脸框的位置，对目标图像中人脸框内的区域进行人脸关键点定位，得到目标图像中的人脸关键点。
实际应用中，可以基于Adaboost(分类器)的方法或Faster R-CNN(Faster R-CNN，Faster Region-ConvolutionNeural Network，快速区域卷积神经网络)的方法，对目标图像进行人脸检测，以确定目标图像中的人脸框的位置。通常人脸框是通过矩形框来表示，也即是，通过上述方法进行人脸检测之后，可以得到该矩形框的四个顶点的坐标。
另外，在确定目标图像中的人脸框的位置之后，可以基于人脸框的位置通过SDM(Supervised DescentMethod，有监督的梯度下降方法)、AAM(Active Appearance Model，主动外观模型)或CNN(ConvolutionNeural Network，卷积神经网络)等方法对目标图像中人脸框内的区域进行人脸关键点定位，得到目标图像中的人脸关键点，当然，实际应用中，也可以通过其他方法进行人脸关键点定位。
需要说明的是，对目标图像进行关键点检测时，不仅可以进行人脸检测，当然，也可以对其他的皮肤区域进行关键点检测，上述通过人脸检测对关键点检测进行说明的方法仅是一种示例性的方法，本公开实施例对此不做限定。
在确定目标图像中的关键点之后，需要去除初始肤色区域掩码图内皮肤区域中属于非皮肤区域的关键点所围成的区域，也即是，需要根据目标图像中的关键点对该初始肤色区域掩码图进行校正，得到最终肤色区域掩码图。其具体过程可以通过如下步骤203和步骤204来实现。
在步骤203中，根据目标图像中的关键点对初始肤色区域掩码图进行校正，得到校正后的肤色区域掩码图。
为了将初始肤色区域掩码图内皮肤区域中的非皮肤区域去除，提高肤色检测的准确率，需要对初始肤色区域掩码图进行校正，使得到的校正后的肤色区域掩码图中的轮廓更清楚。而根据目标图像中的关键点对初始肤色区域掩码图进行校正的实现过程可以为：首先从目标图像包括的关键点中，选择属于非皮肤区域的关键点；然后将初始肤色区域掩码图中属于非皮肤区域的关键点所围成的区域内的像素点的像素值设置为第一数值，以得到校正后的肤色区域掩码图。其中，该第一数值用于指示对应的像素点处于非皮肤区域，比如，第一数值为0。
由于初始肤色区域掩码图是通过目标图像进行肤色检测之后得到，因此，目标图像与初始肤色区域掩码图的尺寸相同，这样，可以建立目标图像中的关键点坐标与该初始肤色区域掩码图中对应像素点坐标的映射关系，之后，从目标图像包括的关键点中，选择属于非皮肤区域的关键点，并根据该映射关系，将选择的关键点在初始肤色区域掩码图中对应的像素点的像素值设置为第一数值，从而去除该初始肤色区域掩码图的皮肤区域中属于非皮肤区域的关键点所围成的区域，以实现对初始肤色区域掩码图的校正，得到校正后的肤色区域掩码图。
在步骤204中，将目标图像作为引导图，对校正后的肤色区域掩码图进行导向滤波，得到最终肤色区域掩码图。
由于校正后的肤色区域掩码图的皮肤区域和非皮肤区域边缘过于尖锐，所以需要通过导向滤波对校正后的肤色区域掩码图的皮肤区域和非皮肤区域边缘作平滑处理，以得到最终肤色区域掩码图。其中，将目标图像作为引导图，对校正后的肤色区域掩码图进行导向滤波的实现过程可以为：首先将目标像素点作为第一像素窗口的中心，并从校正后的肤色区域掩码图中获取位于第一像素窗口内的多个第一像素点的像素值，目标像素点为校正后的肤色区域掩码图中的任一像素点，第一像素窗口的大小为预设大小。然后将目标图像中与目标像素点位于同一位置的像素点作为第二像素窗口的中心，并从在目标图像中获取位于该第二像素窗口内的多个第二像素点的像素值，该第二像素窗口的大小与该第一像素窗口的大小相同。最后基于该多个第一像素点的像素值、该多个第二像素点的像素值和目标图像中与目标像素点位于同一位置的像素点的像素值，确定目标像素点滤波后的像素值。
其中，基于该多个第一像素点的像素值、该多个第二像素点的像素值和目标图像中与目标像素点位于同一位置的像素点的像素值，确定目标像素点滤波后的像素值的实现过程可以按照如下步骤(a)-(c)来实现。
(a)、基于该多个第一像素点的像素值和该多个第二像素点的像素值，确定该目标像素点对应的第一系数和第二系数。
在一种可能的实现方式中，基于该多个第一像素点的像素值和该多个第二像素点的像素值，通过公式(1)和(2)来确定目标像素点对应的第一系数和第二系数。
其中，在上述公式(1)中，a为目标像素点对应的第一系数，w为第一像素窗口内的像素点的数量，Ii为该多个第二像素点中的第i个像素点的像素值，pi为该多个第一像素点中的第i个像素点的像素值，μ和σ为该多个第二像素点的像素值的均值和方差，为该多个第一像素点的像素值的均值，ε为预先设置的参数，用来控制导向滤波的程度。在上述公式(2)中，b为目标像素点对应的第二系数。
(b)、确定第一平均系数和第二平均系数，第一平均系数和第二平均系数分别为第一像素窗口内所有像素点对应的第一系数和第二系数的平均值。
由于目标像素点会被多个第一像素窗口覆盖，所以通过如下公式(3)和(4)计算所有覆盖到目标像素点的第一像素窗口内所有像素点对应的第一系数和第二系数平均值，得到第一平均系数和第二平均系数。
其中，在上述公式(3)中，为第一平均系数，ak为以目标像素点为中心的第一像素窗口内的第k个像素点对应的第一系数。在上述公式(4)中，为第二平均系数，bk为以目标像素点为中心的第一像素窗口内的第k个像素点对应的第二系数。
(c)、确定目标图像中与目标像素点位于同一位置的像素点的像素值与第一平均系数之间的乘积，将该乘积与第二平均系数的和确定目标像素点滤波后的像素值。
也即是，通过如下公式(5)来确定标像素点滤波后的像素值，从而得到最终肤色区域掩码图。
其中，在上述公式(5)中，q为目标像素点滤波后的像素值，I为目标图像中与目标像素点位于同一位置的像素点的像素值。
需要说明的是，上述导向滤波的实现过程是本公开实施例提供的一种示例性方法，当然也可以通过其他方法来实现，比如可将校正后的肤色区域掩码图作为引导图来进行导向滤波处理，对此本公开不作限定。
综上所述，本公开实施例通过对目标图像进行肤色检测，得到目标图像的初始肤色区域掩码图；由于得到的目标图像的初始肤色区域掩码图是纯粹的二分类，所以本公开通过确定目标图像人脸框位置，然后根据目标图像人脸框位置进行关键点定位，以确定目标图像中的关键点；再基于目标图像中的关键点初始肤色区域掩码图进行校正，将该初始肤色区域掩码图的皮肤区域中属于非皮肤区域的关键点所围成的区域去除，得到校正后的肤色区域掩码图，提高了肤色检测的准确率；最后通过导向滤波对该校正后的肤色区域掩码图的边缘进行平滑处理，得到最终肤色区域掩码图，使最终肤色区域掩码图中的皮肤区域与非皮肤区域的边缘变得平滑，解决了肤色检测得到的肤色区域掩码图的边缘过于尖锐的问题。
图3是根据一示例性实施例示出的一种肤色检测装置框图。参照图3，该装置包括第一检测模块301，第二检测模块302和校正模块303。
第一检测模块301，用于对目标图像进行肤色检测，得到目标图像的初始肤色区域掩码图。
第二检测模块302，用于对目标图像进行关键点检测，得到目标图像中的关键点。
校正模块303，用于根据目标图像中的关键点对初始肤色区域掩码图进行校正，得到最终肤色区域掩码图。
可选地，校正模块303包括：
校正子模块，用于根据目标图像中的关键点对初始肤色区域掩码图进行校正，得到校正后的肤色区域掩码图；
导向滤波子模块，用于将目标图像作为引导图，对校正后的肤色区域掩码图进行导向滤波，得到最终肤色区域掩码图。
可选地，校正子模块主要用于：
从目标图像包括的关键点中，选择属于非皮肤区域的关键点；
将初始肤色区域掩码图中属于非皮肤区域的关键点所围成的区域内的像素点的像素值设置为第一数值，以得到校正后的肤色区域掩码图；
其中，该第一数值用于指示对应的像素点处于非皮肤区域。
可选地，导向滤波子模块包括：
第一获取子模块，用于将目标像素点作为第一像素窗口的中心，并从校正后的肤色区域掩码图中获取位于第一像素窗口内的多个第一像素点的像素值，目标像素点为校正后的肤色区域掩码图中的任一像素点，第一像素窗口的大小为预设大小；
第二获取子模块，用于将目标图像中与目标像素点位于同一位置的像素点作为第二像素窗口的中心，并从在目标图像中获取位于第二像素窗口内的多个第二像素点的像素值，该第二像素窗口的大小与该第一像素窗口的大小相同；
确定子模块，用于基于该多个第一像素点的像素值、该多个第二像素点的像素值和目标图像中与目标像素点位于同一位置的像素点的像素值，确定目标像素点滤波后的像素值。
可选地，确定子模块主要用于：
基于该多个第一像素点的像素值和该多个第二像素点的像素值，确定目标像素点对应的第一系数和第二系数；
确定第一平均系数和第二平均系数，该第一平均系数和第二平均系数分别为第一像素窗口内所有像素点对应的第一系数和第二系数的平均值；
确定目标图像中与目标像素点位于同一位置的像素点的像素值与第一平均系数之间的乘积，将该乘积与第二平均系数的和确定目标像素点滤波后的像素值。
可选地，第二检测模块302包括：
对目标图像进行人脸检测，得到目标图像中的人脸框的位置；
根据该人脸框的位置，对目标图像中该人脸框内的区域进行人脸关键点定位，得到目标图像中的人脸关键点。
综上所述，本公开实施例通过肤色检测得到目标图像的初始肤色区域掩码图；由于初始肤色区域掩码图是纯粹的二分类，所以本公开通过对目标图像进行关键点检测，得到目标图像的关键点再基于目标图像中的关键点对初始肤色区域掩码图进行校正，以去除皮肤区域中属于非皮肤区域的关键点所围成的区域，得到最终肤色区域掩码图，从而提高肤色检测的准确率。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图4是根据一示例性实施例示出的一种用于肤色检测的装置400的框图。例如，装置400可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图4，装置400可以包括以下一个或多个组件：处理组件402，存储器404，电源组件406，多媒体组件408，音频组件410，输入/输出(I/O)的接口412，传感器组件414，以及通信组件416。
处理组件402通常控制装置400的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件402可以包括一个或多个处理器420来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件402可以包括一个或多个模块，便于处理组件402和其他组件之间的交互。例如，处理组件402可以包括多媒体模块，以方便多媒体组件408和处理组件402之间的交互。
存储器404被配置为存储各种类型的数据以支持在装置400的操作。这些数据的示例包括用于在装置400上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件406为装置400的各种组件提供电源。电源组件406可以包括电源管理***，一个或多个电源，及其他与为装置400生成、管理和分配电源相关联的组件。
多媒体组件408包括在所述装置400和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件408包括一个前置摄像头和/或后置摄像头。当装置400处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件410被配置为输出和/或输入音频信号。例如，音频组件410包括一个麦克风(MIC)，当装置400处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器404或经由通信组件416发送。在一些实施例中，音频组件410还包括一个扬声器，用于输出音频信号。
I/O接口412为处理组件402和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件414包括一个或多个传感器，用于为装置400提供各个方面的状态评估。例如，传感器组件414可以检测到装置400的打开/关闭状态，组件的相对定位，例如所述组件为装置400的显示器和小键盘，传感器组件414还可以检测装置400或装置400一个组件的位置改变，用户与装置400接触的存在或不存在，装置400方位或加速/减速和装置400的温度变化。传感器组件414可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件414还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件414还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件416被配置为便于装置400和其他设备之间有线或无线方式的通信。装置400可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件416经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件416还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置400可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述图1-图2所示实施例提供的方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器404，上述指令可由装置400的处理器420执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
图5是根据一示例性实施例示出的一种用于肤色检测的装置500的框图。例如，装置500可以被提供为一服务器。参照图5，装置500包括处理器522，其进一步包括一个或多个处理器，以及由存储器532所代表的存储器资源，用于存储可由处理器522的执行的指令，例如应用程序。存储器532中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理器522被配置为执行指令，以执行上述图1-图2所示实施例提供的方法。
装置500还可以包括一个电源组件526被配置为执行装置500的电源管理，一个有线或无线网络接口550被配置为将装置500连接到网络，和一个输入输出(I/O)接口558。装置500可以操作基于存储在存储器532的操作***，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器532，上述指令可由装置500的处理器522执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (14)

1.一种肤色检测方法，其特征在于，所述方法包括：
对目标图像进行肤色检测，得到所述目标图像的初始肤色区域掩码图；
对所述目标图像进行关键点检测，得到所述目标图像中的关键点；
根据所述目标图像中的关键点对所述初始肤色区域掩码图进行校正，得到最终肤色区域掩码图。
2.如权利要求1所述的方法，其特征在于，所述根据所述目标图像中的关键点对所述初始肤色区域掩码图进行校正，得到最终肤色区域掩码图，包括：
根据所述目标图像中的关键点对所述初始肤色区域掩码图进行校正，得到校正后的肤色区域掩码图；
将所述目标图像作为引导图，对所述校正后的肤色区域掩码图进行导向滤波，得到所述最终肤色区域掩码图。
3.如权利要求2所述的方法，其特征在于，所述根据所述目标图像中的关键点对所述初始肤色区域掩码图进行校正，得到校正后的肤色区域掩码图，包括：
从所述目标图像包括的关键点中，选择属于非皮肤区域的关键点；
将所述初始肤色区域掩码图中属于非皮肤区域的关键点所围成的区域内的像素点的像素值设置为第一数值，以得到校正后的肤色区域掩码图；
其中，所述第一数值用于指示对应的像素点处于非皮肤区域。
4.如权利要求2所述的方法，其特征在于，所述将所述目标图像作为引导图，对所述校正后的肤色区域掩码图进行导向滤波，得到所述最终肤色区域掩码图，包括：
将目标像素点作为第一像素窗口的中心，并从所述校正后的肤色区域掩码图中获取位于所述第一像素窗口内的多个第一像素点的像素值，所述目标像素点为所述校正后的肤色区域掩码图中的任一像素点，所述第一像素窗口的大小为预设大小；
将所述目标图像中与所述目标像素点位于同一位置的像素点作为第二像素窗口的中心，并从在所述目标图像中获取位于所述第二像素窗口内的多个第二像素点的像素值，所述第二像素窗口的大小与所述第一像素窗口的大小相同；
基于所述多个第一像素点的像素值、所述多个第二像素点的像素值和所述目标图像中与所述目标像素点位于同一位置的像素点的像素值，确定所述目标像素点滤波后的像素值。
5.如权利要求4所述的方法，其特征在于，所述基于所述多个第一像素点的像素值、所述多个第二像素点的像素值和所述目标图像中与所述目标像素点位于同一位置的像素点的像素值，确定所述目标像素点滤波后的像素值，包括：
基于所述多个第一像素点的像素值和所述多个第二像素点的像素值，确定所述目标像素点对应的第一系数和第二系数；
确定第一平均系数和第二平均系数，所述第一平均系数和第二平均系数分别为所述第一像素窗口内所有像素点对应的第一系数和第二系数的平均值；
确定所述目标图像中与所述目标像素点位于同一位置的像素点的像素值与所述第一平均系数之间的乘积，将所述乘积与所述第二平均系数的和确定所述目标像素点滤波后的像素值。
6.如权利要求1-5任一所述的方法，其特征在于，所述对所述目标图像进行关键点检测，得到所述目标图像中的关键点，包括：
对所述目标图像进行人脸检测，得到所述目标图像中的人脸框的位置；
根据所述人脸框的位置，对所述目标图像中所述人脸框内的区域进行人脸关键点定位，得到所述目标图像中的人脸关键点。
7.一种肤色检测装置，其特征在于，所述装置包括：
第一检测模块，用于对目标图像进行肤色检测，得到所述目标图像的初始肤色区域掩码图；
第二检测模块，用于对所述目标图像进行关键点检测，得到所述目标图像中的关键点；
校正模块，用于根据所述目标图像中的关键点对所述初始肤色区域掩码图进行校正，得到最终肤色区域掩码图。
8.根据权利要求7所述的装置，其特征在于，校正模块包括：
校正子模块，用于根据所述目标图像中的关键点对所述初始肤色区域掩码图进行校正，得到校正后的肤色区域掩码图；
导向滤波子模块，用于将所述目标图像作为引导图，对所述校正后的肤色区域掩码图进行导向滤波，得到所述最终肤色区域掩码图。
9.如权利要求8所述的装置，其特征在于，所述校正子模块主要用于：
从所述目标图像包括的关键点中，选择属于非皮肤区域的关键点；
将所述初始肤色区域掩码图中属于非皮肤区域的关键点所围成的区域内的像素点的像素值设置为第一数值，以得到校正后的肤色区域掩码图；
其中，所述第一数值用于指示对应的像素点处于非皮肤区域。
10.如权利要求8所述的装置，其特征在于，所述导向滤波子模块包括：
第一获取子模块，用于将目标像素点作为第一像素窗口的中心，并从所述校正后的肤色区域掩码图中获取位于所述第一像素窗口内的多个第一像素点的像素值，所述目标像素点为所述校正后的肤色区域掩码图中的任一像素点，所述第一像素窗口的大小为预设大小；
第二获取子模块，用于将所述目标图像中与所述目标像素点位于同一位置的像素点作为第二像素窗口的中心，并从在所述目标图像中获取位于所述第二像素窗口内的多个第二像素点的像素值，所述第二像素窗口的大小与所述第一像素窗口的大小相同；
确定子模块，用于基于所述多个第一像素点的像素值、所述多个第二像素点的像素值和所述目标图像中与所述目标像素点位于同一位置的像素点的像素值，确定所述目标像素点滤波后的像素值。
11.如权利要求10所述的装置，其特征在于，所述确定子模块主要用于：
基于所述多个第一像素点的像素值和所述多个第二像素点的像素值，确定所述目标像素点对应的第一系数和第二系数；
确定第一平均系数和第二平均系数，所述第一平均系数和第二平均系数分别为所述第一像素窗口内所有像素点对应的第一系数和第二系数的平均值；
确定所述目标图像中与所述目标像素点位于同一位置的像素点的像素值与所述第一平均系数之间的乘积，将所述乘积与所述第二平均系数的和确定所述目标像素点滤波后的像素值。
12.如权利要求7-11任一所述的装置，其特征在于，所述第二检测模块包括：
人脸检测子模块，用于对所述目标图像进行人脸检测，得到所述目标图像中的人脸框的位置；
关键点定位子模块，用于根据所述人脸框的位置，对所述目标图像中所述人脸框内的区域进行人脸关键点定位，得到所述目标图像中的人脸关键点。
13.一种肤色检测装置，其特征在于，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行权利要求1-6所述的任一项方法的步骤。
14.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现权利要求1-6所述的任一项方法的步骤。
CN201710638938.XA 2017-07-31 2017-07-31 肤色检测方法、装置及计算机可读存储介质 Pending CN107392166A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710638938.XA CN107392166A (zh) 2017-07-31 2017-07-31 肤色检测方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710638938.XA CN107392166A (zh) 2017-07-31 2017-07-31 肤色检测方法、装置及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN107392166A true CN107392166A (zh) 2017-11-24

Family

ID=60342359

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710638938.XA Pending CN107392166A (zh) 2017-07-31 2017-07-31 肤色检测方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN107392166A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108509839A (zh) * 2018-02-02 2018-09-07 东华大学 一种基于区域卷积神经网络高效的手势检测识别方法
CN109389562A (zh) * 2018-09-29 2019-02-26 深圳市商汤科技有限公司 图像修复方法及装置
CN109558864A (zh) * 2019-01-16 2019-04-02 苏州科达科技股份有限公司 人脸关键点检测方法、装置及存储介质
CN109829930A (zh) * 2019-01-15 2019-05-31 深圳市云之梦科技有限公司 人脸图像处理方法、装置、计算机设备及可读存储介质
CN110348358A (zh) * 2019-07-03 2019-10-18 网易（杭州）网络有限公司 一种肤色检测***、方法、介质和计算设备
CN111310600A (zh) * 2020-01-20 2020-06-19 北京达佳互联信息技术有限公司 一种图像处理方法、装置、设备及介质
CN112651893A (zh) * 2020-12-24 2021-04-13 北京达佳互联信息技术有限公司 图像处理方法、装置、电子设备及存储介质
CN112712569A (zh) * 2020-12-25 2021-04-27 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
CN114066740A (zh) * 2020-08-07 2022-02-18 北京小米移动软件有限公司 图像处理方法、装置、存储介质及电子设备
WO2022169096A1 (ko) * 2021-02-04 2022-08-11 주식회사 엘지생활건강 화장품의 색조 원료 획득 장치

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1211638A2 (en) * 2000-10-20 2002-06-05 Eastman Kodak Company Method for blond-hair-pixel removal in image skin-color detection
CN105354793A (zh) * 2015-11-25 2016-02-24 小米科技有限责任公司 人脸图像处理方法及装置
CN105469356A (zh) * 2015-11-23 2016-04-06 小米科技有限责任公司 人脸图像处理方法及装置
CN106611415A (zh) * 2016-12-29 2017-05-03 北京奇艺世纪科技有限公司 一种皮肤区域的检测方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1211638A2 (en) * 2000-10-20 2002-06-05 Eastman Kodak Company Method for blond-hair-pixel removal in image skin-color detection
CN105469356A (zh) * 2015-11-23 2016-04-06 小米科技有限责任公司 人脸图像处理方法及装置
CN105354793A (zh) * 2015-11-25 2016-02-24 小米科技有限责任公司 人脸图像处理方法及装置
CN106611415A (zh) * 2016-12-29 2017-05-03 北京奇艺世纪科技有限公司 一种皮肤区域的检测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
KAIMING HE ET AL.: "Guided Image Filtering", 《2010 EUROPEAN CONFERENCE ON COMPUTER VISION》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108509839A (zh) * 2018-02-02 2018-09-07 东华大学 一种基于区域卷积神经网络高效的手势检测识别方法
CN109389562A (zh) * 2018-09-29 2019-02-26 深圳市商汤科技有限公司 图像修复方法及装置
CN109389562B (zh) * 2018-09-29 2022-11-08 深圳市商汤科技有限公司 图像修复方法及装置
CN109829930A (zh) * 2019-01-15 2019-05-31 深圳市云之梦科技有限公司 人脸图像处理方法、装置、计算机设备及可读存储介质
CN109558864A (zh) * 2019-01-16 2019-04-02 苏州科达科技股份有限公司 人脸关键点检测方法、装置及存储介质
CN110348358A (zh) * 2019-07-03 2019-10-18 网易（杭州）网络有限公司 一种肤色检测***、方法、介质和计算设备
CN110348358B (zh) * 2019-07-03 2021-11-23 网易（杭州）网络有限公司 一种肤色检测***、方法、介质和计算设备
CN111310600A (zh) * 2020-01-20 2020-06-19 北京达佳互联信息技术有限公司 一种图像处理方法、装置、设备及介质
CN111310600B (zh) * 2020-01-20 2024-02-20 北京达佳互联信息技术有限公司 一种图像处理方法、装置、设备及介质
CN114066740A (zh) * 2020-08-07 2022-02-18 北京小米移动软件有限公司 图像处理方法、装置、存储介质及电子设备
CN112651893A (zh) * 2020-12-24 2021-04-13 北京达佳互联信息技术有限公司 图像处理方法、装置、电子设备及存储介质
CN112712569A (zh) * 2020-12-25 2021-04-27 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
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
WO2022169096A1 (ko) * 2021-02-04 2022-08-11 주식회사 엘지생활건강 화장품의 색조 원료 획득 장치

Similar Documents

Publication Publication Date Title
CN107392166A (zh) 肤色检测方法、装置及计算机可读存储介质
CN105512605B (zh) 人脸图像处理方法及装置
JP6374986B2 (ja) 顔認識方法、装置及び端末
CN104156947B (zh) 图像分割方法、装置及设备
CN107123081A (zh) 图像处理方法、装置及终端
CN106651955A (zh) 图片中目标物的定位方法及装置
CN107862673A (zh) 图像处理方法及装置
CN106778531A (zh) 人脸定位方法及装置
CN107368810A (zh) 人脸检测方法及装置
CN104036240B (zh) 人脸特征点的定位方法和装置
CN104063865B (zh) 分类模型创建方法、图像分割方法及相关装置
CN106980840A (zh) 脸型匹配方法、装置及存储介质
CN106682736A (zh) 图像识别方法及装置
CN105426079B (zh) 图片亮度的调整方法及装置
CN107730448A (zh) 基于图像处理的美颜方法及装置
CN107480665A (zh) 文字检测方法、装置及计算机可读存储介质
CN106778773A (zh) 图片中目标物的定位方法及装置
WO2020114236A1 (zh) 关键点检测方法、装置、电子设备及存储介质
CN107798654A (zh) 图像磨皮方法及装置、存储介质
CN108062547A (zh) 文字检测方法及装置
CN105203456B (zh) 植物品种识别方法及装置
CN107967459A (zh) 卷积处理方法、装置及存储介质
CN107729880A (zh) 人脸检测方法及装置
CN107463903A (zh) 人脸关键点定位方法及装置
CN108717542A (zh) 识别文字区域的方法、装置及计算机可读存储介质

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: 20171124

RJ01 Rejection of invention patent application after publication