CN107564073B - 肤色识别方法及装置、存储介质 - Google Patents
肤色识别方法及装置、存储介质 Download PDFInfo
- Publication number
- CN107564073B CN107564073B CN201710828760.5A CN201710828760A CN107564073B CN 107564073 B CN107564073 B CN 107564073B CN 201710828760 A CN201710828760 A CN 201710828760A CN 107564073 B CN107564073 B CN 107564073B
- Authority
- CN
- China
- Prior art keywords
- color
- target
- pixel
- face image
- skin
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000010586 diagram Methods 0.000 claims description 21
- 238000009826 distribution Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 10
- 238000005286 illumination Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 239000003086 colorant Substances 0.000 description 5
- 230000005236 sound signal Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 206010048245 Yellow skin Diseases 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- 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
- 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
- G06V40/168—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
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种肤色识别方法及装置、存储介质,属于图像处理领域。该方法包括:获取人脸图像;确定人脸图像中的每个像素的目标色域差,每个像素的目标色域差为每个像素中指定的两个颜色分量的强度值之差;根据人脸图像中的所有像素的目标色域差,确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度,肤色置信度反映人脸图像中的人脸的肤色为目标肤色的概率。本发明解决终端确定目标肤色的准确性较低的问题,提高终端确定目标肤色的准确性。本发明用于确定肤色识别。
Description
技术领域
本发明涉及图像处理领域,特别涉及一种肤色识别方法及装置、存储介质。
背景技术
随着手机等终端的普及,越来越多的人喜欢利用终端进行视频通话或直播,在视频通话或直播的过程中,终端可以对采集的人脸图像进行美肤,且针对目标肤色的人脸图像和非目标肤色的人脸图像,终端在进行美肤时采用的美肤方案不同。例如,终端可以采用黑人美肤方案(针对黑色肤色的人体的美肤方案)对黑色肤色(目标肤色)的人脸图像进行美肤,采用非黑人美肤方案(针对非黑色肤色的人体的美肤方案)对非黑色肤色(非目标肤色)的人脸图像进行美肤。因此,在对人脸图像进行美肤之前,终端需要确定人脸图像中的人脸的肤色是否为目标肤色。
现有技术中,终端确定人脸的肤色是否为目标肤色的方法包括:终端采集RGB色彩模式的人脸图像,并获取该人脸图像的红色颜色分量的强度值(也称颜色值)、绿色颜色分量的强度值和蓝色颜色分量的强度值,然后将红色颜色分量的强度值与目标肤色对应的红色颜色强度值范围进行比较,将绿色颜色分量的强度值与目标肤色对应的绿色颜色强度值范围进行比较,将蓝色颜色分量的强度值与目标肤色对应的蓝色颜色强度值范围进行比较,当红色颜色分量的强度值属于目标肤色对应的红色颜色强度值范围,绿色颜色分量的强度值属于目标肤色对应的绿色颜色强度值范围,且蓝色颜色分量的强度值属于目标肤色对应的蓝色颜色强度值范围时,终端确定人脸的肤色为目标肤色,否则,终端确定人脸的肤色为非目标肤色。
在实现本发明的过程中,发明人发现现有技术至少存在以下问题:
RGB色彩模式的人脸图像中的每个颜色分量的强度值与该颜色的亮度相关,因此RGB色彩模式的人脸图像容易受光照的影响,导致终端确定的人脸图像的各个颜色分量的强度值的准确性较低,进而导致终端确定目标肤色的准确性较低。
发明内容
本发明提供了一种肤色识别方法方法及装置、存储介质,可以解决终端确定目标肤色的准确性较低的问题。所述技术方案如下:
根据本发明实施例的第一方面,提供一种肤色识别方法,所述方法包括:
获取人脸图像;
确定所述人脸图像中的每个像素的目标色域差,所述每个像素的目标色域差为所述每个像素中指定的两个颜色分量的强度值之差;
根据所述人脸图像中的所有像素的目标色域差,确定所述人脸图像中的人脸的肤色属于目标肤色的肤色置信度,所述肤色置信度反映所述人脸图像中的人脸的肤色为所述目标肤色的概率。
可选地,所述确定所述人脸图像中的每个像素的目标色域差,包括:
确定所述每个像素的各个色度分量的色度值;
根据所述每个像素的各个色度分量的色度值,确定所述每个像素的目标色域差。
可选地,所述每个像素的色度分量包括蓝色色度分量和红色色度分量,所述根据所述每个像素的各个色度分量的色度值,确定所述每个像素的目标色域差,包括:
根据所述每个像素的蓝色色度分量的色度值和红色色度分量的色度值,采用色域差公式计算得到所述每个像素的目标色域差;
其中,所述色域差公式为C=a×(U-128)+b×(V-128),所述C表示所述每个像素的目标色域差,所述U表示所述每个像素的蓝色色度分量,所述V表示所述每个像素的红色色度分量,所述a和所述b均为常数。
可选地,所述根据所述人脸图像中的所有像素的目标色域差,确定所述人脸图像中的人脸的肤色属于目标肤色的肤色置信度,包括:
根据所述每个像素的目标色域差,确定所述每个像素的颜色置信度;
根据所述人脸图像中的所有像素的颜色置信度,确定所述人脸图像中的人脸的肤色属于目标肤色的肤色置信度。
可选地,所述根据所述每个像素的目标色域差,确定所述每个像素的颜色置信度,包括:
根据所述每个像素的目标色域差,采用颜色置信度公式计算得到所述每个像素的颜色置信度;
所述P表示所述每个像素的颜色置信度,所述C表示所述每个像素的目标色域差,所述Cmin表示所述目标色域差的最小值,所述Cmax表示所述目标色域差的最大值。
可选地,所述确定所述人脸图像中的每个像素的目标色域差,包括:
从所述人脸图像中确定目标图像区域;
确定所述目标图像区域中的每个像素的目标色域差。
可选地,所述指定的两个颜色分量包括红色颜色分量和绿色颜色分量,所述目标肤色为黑色肤色。
根据本发明实施例的第二方面,提供一种肤色识别装置,所述装置包括:
获取模块,用于获取人脸图像;
第一确定模块,用于确定所述人脸图像中的每个像素的目标色域差,所述每个像素的目标色域差为所述每个像素中指定的两个颜色分量的强度值之差;
第二确定模块,用于根据所述人脸图像中的所有像素的目标色域差,确定所述人脸图像中的人脸的肤色属于目标肤色的肤色置信度,所述肤色置信度反映所述人脸图像中的人脸的肤色为所述目标肤色的概率。
可选地,所述第一确定模块,包括:
第一确定子模块,用于确定所述每个像素的各个色度分量的色度值;
第二确定子模块,用于根据所述每个像素的各个色度分量的色度值,确定所述每个像素的目标色域差。
可选地,所述第二确定子模块,用于根据所述每个像素的蓝色色度分量的色度值和红色色度分量的色度值,采用色域差公式计算得到所述每个像素的目标色域差;
其中,所述色域差公式为C=a×(U-128)+b×(V-128),所述C表示所述每个像素的目标色域差,所述U表示所述每个像素的蓝色色度分量,所述V表示所述每个像素的红色色度分量,所述a和所述b均为常数。
可选地,所述第二确定模块,包括:
第三确定子模块,用于根据所述每个像素的目标色域差,确定所述每个像素的颜色置信度;
第四确定子模块,用于根据所述人脸图像中的所有像素的颜色置信度,确定所述人脸图像中的人脸的肤色属于目标肤色的肤色置信度。
可选地,所述第四确定子模块,用于根据所述每个像素的目标色域差,采用颜色置信度公式计算得到所述每个像素的颜色置信度;
所述P表示所述每个像素的颜色置信度,所述C表示所述每个像素的目标色域差,所述Cmin表示所述目标色域差的最小值,所述Cmax表示所述目标色域差的最大值。
可选地,所述第一确定模块包括:
第五确定子模块,用于从所述人脸图像中确定目标图像区域;
第六确定子模块,用于确定所述目标图像区域中的每个像素的目标色域差。
可选地,所述指定的两个颜色分量包括红色颜色分量和绿色颜色分量,所述目标肤色为黑色肤色。
根据本发明实施例的第三方面,提供一种肤色识别装置,包括:
处理器;
用于存储所述处理器的可执行指令的存储器;
其中,所述处理器被配置为:
获取人脸图像;
确定所述人脸图像中的每个像素的目标色域差,所述每个像素的目标色域差为所述每个像素中指定的两个颜色分量的强度值之差;
根据所述人脸图像中的所有像素的目标色域差,确定所述人脸图像中的人脸的肤色属于目标肤色的肤色置信度,所述肤色置信度反映所述人脸图像中的人脸的肤色为所述目标肤色的概率。
根据本发明实施例的第四方面,提供一种计算机可读存储介质,所述可读存储介质中存储有指令,当所述指令在处理组件上运行时,使得所述处理组件执行第一方面或第一方面的任一可选方式所述的肤色识别方法。
本发明提供的技术方案带来的有益效果是:
本发明实施例提供的肤色识别方法及装置、存储介质,终端获取人脸图像后,确定人脸图像中的每个像素的目标色域差,根据人脸图像中的所有像素的目标色域差,确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度。由于目标色域差可以消除人脸图像的亮度因素,避免光照对人脸图像产生影响,因此,可以解决终端确定目标肤色的准确性较低的问题,提高终端确定目标肤色的准确性。
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的,并不能限制本发明。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种肤色识别方法的方法流程图;
图2是本发明实施例提供的另一种肤色识别方法的方法流程图;
图3是本发明实施例提供的一种确定人脸图像中的每个像素的目标色域差的方法流程图;
图4是本发明实施例提供的一种目标图像区域的示意图;
图5是本发明实施例提供的另一种目标图像区域的示意图;
图6是本发明实施例提供的一种确定目标图像区域中的每个像素的目标色域差的方法流程图;
图7是本发明实施例提供的一种确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度的方法流程图;
图8是本发明实施例提供的另一种确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度的方法流程图;
图9是本发明实施例提供的肤色置信度与人脸图像的目标色域差的关系图;
图10是本发明实施例提供的一种肤色识别装置的框图;
图11是本发明实施例提供的一种第一确定模块的框图;
图12是本发明实施例提供的一种第二确定模块的框图;
图13是本发明实施例提供的另一种第一确定模块的框图;
图14是本发明实施例提供的一种肤色识别装置的框图。
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
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,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在对本发明实施例提供的方法进行详细描述之前,先对本发明实施例所涉及的YUV色彩模式和RGB色彩模式进行介绍。
YUV色彩模式是被欧洲电视***所采用的一种颜色编码模式,是帕尔制(英文:Phase Alteration Line;简称:PAL)和塞康制(法文:Sequentiel Couleur A Memoire;简称:SECAM)模拟彩色电视制式采用的颜色模式。在现代彩色电视***中,通常采用三管彩色摄影机或彩色电荷耦合元件(英文:Charge-coupled Device;简称:CCD)摄影机进行取像,然后把取得的彩色图像信号经分色、放大校正后得到RGB色彩模式的图像,再通过矩阵变换电路对RGB色彩模式的图像进行处理得到亮度信号Y、色差信号B-Y和色差信号R-Y,然后对亮度信号Y、色差信号B-Y和色差信号R-Y分别进行编码,得到编码后的亮度信号Y、编码后的色差信号B-Y和编码后的色差信号R-Y,最后采用同一信道将编码后的亮度信号Y、编码后的色差信号B-Y和编码后的色差信号R-Y发送出去。其中,色差信号B-Y也即是蓝色色度分量U的信号,色差信号R-Y也即是红色色度分量V的信号,YUV色彩模式的图像中,亮度信号Y和色度分量的信号(例如,蓝色色度分量U的信号和红色色度分量V的信号)是分离的。
在视频通话或视频直播的过程中,经常需要采用美肤方案对采集到的人脸图像进行处理,消除人脸图像中人脸的小瑕疵。对于不同肤色的人脸图像,采用同样的美肤方案进行处理得到的效果不同,特别是黑色肤色和黄色肤色差别较大,如果采用同样的美肤方案对黑色肤色的人脸图像和黄色肤色的人脸图像进行处理,可能难以实现美肤效果,因此,对于不同肤色的人脸图像,通常采用不同的美肤方案进行处理,从而在对采用美肤方案对人脸图像进行处理之前,需要事识别出人脸图像中的人脸的肤色。
本发明实施例提供的肤色识别方法可以对目标肤色进行识别,本发明实施例提供的肤色识别方法可以由终端执行,该终端可以为智能手机、平板电脑、智能电视、智能手表、膝上型便携计算机和台式计算机等等。
请参考图1,其示出了本发明实施例提供的一种肤色识别方法的方法流程图,该肤色识别方法可以由终端执行。参见图1,该肤色识别方法包括:
步骤101、终端获取人脸图像。
步骤102、终端确定人脸图像中的每个像素的目标色域差,每个像素的目标色域差为每个像素中指定的两个颜色分量的强度值之差。
步骤103、终端根据人脸图像中的所有像素的目标色域差,确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度,肤色置信度反映人脸图像中的肤色为目标肤色的概率。
综上所述,本发明实施例提供的肤色识别方法,终端获取人脸图像后,确定人脸图像中的每个像素的目标色域差,根据人脸图像中的所有像素的目标色域差,确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度。由于目标色域差可以消除人脸图像的亮度因素,避免光照对人脸图像产生影响,因此,可以解决终端确定目标肤色的准确性较低的问题,提高终端确定目标肤色的准确性。
请参考图2,其示出了本发明实施例提供的另一种肤色识别方法的方法流程图,该肤色识别方法可以由终端执行。参见图2,该肤色识别方法包括:
步骤201、终端获取人脸图像。
在本发明实施例中,终端可以在视频直播时获取人脸图像,或者终端在视频通话时获取人脸图像,终端也可以从自身存储的视频或者图片中确定人脸图像,本发明实施例在此不作限定。其中,人脸图像指的是人体脸部的图像。
可选地,终端中设置有摄像头,终端通过摄像头获取人脸图像,该人脸图像可以为目标肤色的人脸图像,该目标肤色可以是本发明实施例提供的肤色识别方法所识别的肤色,例如,该目标肤色为黑色肤色。需要说明的是,本发明实施例是以摄像头为终端中的摄像头为例进行说明的,实际应用中,该摄像头也可以为独立的摄像头,本发明实施例在此不作限定。
步骤202、终端确定人脸图像中的每个像素的目标色域差,每个像素的目标色域差为每个像素中指定的两个颜色分量的强度值之差。
在本发明实施例中,终端可以确定人脸图像中的每个像素的目标色域差,也可以从人脸图像中选择目标图像区域,并确定该目标图像区域中的每个像素的目标色域差。本发明实施例以确定目标图像区域中的每个像素的目标色域差为例进行说明。示例地,请参考图3,其示出了本发明实施例提供的一种确定人脸图像中的每个像素的目标色域差的方法流程图,参见图3,该方法包括:
子步骤2021、终端从人脸图像中确定目标图像区域。
在本发明实施例中,终端在获取到人脸图像后,可以从人脸图像中确定目标图像区域。其中,该目标图像区域可以为人脸图像中包括人脸的区域,或者,包括人脸的大部分区域的区域,也即是,人脸的大部分图像位于该目标图像区域中。
可选地,该目标图像区域可以为人脸框所圈区域;或者,该目标图像区域可以为人脸框所圈区域中心的四分之一区域,且该目标图像区域为人脸图像中心包括至少10×10个像素的区域。可选地,当人脸框所圈区域中心的四分之一区域包括的像素的数量大于10×10时,该目标图像区域可以为人脸框所圈区域中心的四分之一区域,当人脸框所圈区域中心的四分之一区域包括的像素的数量不大于10×10时,该目标图像区域为人脸图像中心包括10×10个像素的区域。
示例地,终端在获取到人脸图像F后,可以从人脸图像F中确定目标图像区域Q1。可选地,如图4所示,该目标图像区域Q1为人脸图像F中,人脸框(图4中未标出)所圈的区域,当该人脸框所圈区域包括40×60个像素时,该目标图像区域Q1包括40×60个像素;或者,如图5所示,该目标图像区域Q1为人脸图像F中,人脸框X所圈区域中心的四分之一区域,当该人脸框X所圈区域包括40×60个像素时,该人脸框X所圈区域中心的四分之一区域包括20×30个像素,因此,目标图像区域Q1包括20×30个像素。
需要说明的是,人脸框为终端采用人脸检测技术检测到人脸时所显示的矩形虚拟框,人脸检测技术可以为Viola-Jones人脸检测技术或者基于深度学习的人脸检测技术,人脸检测技术的发展使得从复杂背景中快速可靠地检测出人脸成为可能。在本发明实施例中,终端采用人脸检测技术检测人脸的实现过程可以参考相关技术,本发明实施例在此不再赘述。
子步骤2022、终端确定目标图像区域中的每个像素的目标色域差。
终端从人脸图像中确定目标图像区域之后,可以确定目标图像区域中的每个像素的目标色域差,该每个像素的目标色域差为每个像素中指定的两个颜色分量的强度值之差。在本发明实施例中,根据人脸图像的色彩模式的不同,终端可以采用不同的方法确定目标图像区域中的每个像素的目标色域差。其中,RGB色彩模式是通过红色光、绿色光和蓝色光三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的,因此,RGB色彩模式的人脸图像的颜色分量包括红色颜色分量、绿色颜色分量和蓝色颜色分量。从而当人脸图像为RGB色彩模式的人脸图像时,终端可以直接将每个像素中指定的两个颜色分量的强度值相减得到每个像素的目标色域差,当人脸图像为YUV色彩模式的人脸图像时,终端可以根据每个像素的色度分量的色度值计算得到每个像素的目标色域差。在发明实施例中,终端确定目标图像区域中的每个像素的目标色域差可以包括以下两个方面:
第一方面:终端将每个像素中指定的两个颜色分量的强度值相减得到每个像素的目标色域差。
终端获取人脸图像后,可以确定人脸图像的每个像素的至少两个颜色分量的强度值,该至少两个颜色分量可以包括指定的两个颜色分量,终端可以将该指定的两个颜色分量的强度值相减得到该指定的两个颜色分量的强度值的差值,该每个像素的指定的两个颜色分量的强度值的差值即为该每个像素的目标色域差。在本发明实施例中,目标肤色可以为黑色肤色,该指定的两个颜色分量可以包括红色颜色分量R和绿色颜色分量G。其中,终端确定人脸图像的每个像素的至少两个颜色分量的强度值的实现过程可以参考相关技术,本发明实施例在此不再赘述。
可选地,终端从人脸图像F中确定目标图像区域Q1后,可以确定目标图像区域Q1中的每个像素的红色颜色分量R的强度值和绿色颜色分量G的强度值,将每个像素的红色颜色分量R的强度值与绿色颜色分量G的强度值相减得到该每个像素的目标色域差。示例地,假设目标图像区域Q1中像素1的红色颜色分量R的强度值为200,绿色颜色分量G的强度值为60,则终端将该像素1的红色颜色分量R的强度值与绿色颜色分量G的强度值相减可以得到该像素1的目标色域差为140。
第二方面:终端根据每个像素的色度分量的色度值计算得到每个像素的目标色域差。
请参考图6,其示出了本发明实施例提供的一种确定目标图像区域中的每个像素的目标色域差的方法流程图,参见图6,该方法包括:
子步骤20221、终端确定每个像素的各个色度分量的色度值。
终端可以确定目标图像区域中的每个像素的各个色度分量的色度值。其中,每个像素的色度分量可以包括:蓝色色度分量U和红色色度分量V,因此,终端可以确定每个像素的蓝色色度分量U和红色色度分量V。示例地,终端确定目标图像区域Q中的每个像素的蓝色色度分量U的色度值和红色色度分量V的色度值。其中,终端确定目标图像区域中的每个像素的各个色度分量的色度值的实现过程可以参考相关技术,本发明实施例在此不再赘述。
子步骤20222、终端根据每个像素的各个色度分量的色度值,确定每个像素的目标色域差。
可选地,终端根据每个像素的蓝色色度分量U和红色色度分量V确定每个像素的目标色域差。具体地,终端根据每个像素的蓝色色度分量U的色度值和红色色度分量V的色度值,采用色域差公式计算得到每个像素的目标色域差;其中,色域差公式可以为C=a×(U-128)+b×(V-128),C表示每个像素的目标色域差,U表示每个像素的蓝色色度分量,V表示每个像素的红色色度分量,a和b均为常数。
在本发明实施例中,a和b的取值可以根据实际情况设置,在实际应用中,a和b的数值可以是BT.601(英文:Studio encoding parameters of digital television forstandard 4:3 and wide screen 16:9 aspect ratios;中文:标准4:3宽高比和宽屏幕16:9宽高比的演播室数字电视编码的参数值),包括:当a=0.334时,b=2.116,当a=0.392时,b=2.409,或者,a和b的数值可以是BT.709(英文:Parameter values for the HDTVstandards for production and international programme exchange;中文:高清晰度电视标准的参数值),包括:当a=0.1873时,b=2.0429,当a=0.2132时,b=2.3256,因此,上述色域差公式可以为以下公式中的任意一种。
(1)当a=0.334,b=2.116时,该色域差公式为:
C=0.344×(U-128)+2.116×(V-128);
(2)当a=0.392,b=2.409时,该色域差公式为:
C=0.392×(U-128)+2.409×(V-128);
(3)当a=0.1873,b=2.0429时,该色域差公式为:
C=0.1873×(U-128)+2.0429×(V-128);
(4)当a=0.2132,b=2.3256时,该色域差公式为:
C=0.2132×(U-128)+2.3256×(V-128)。
实际应用中,在根据每个像素的各个色度分量的色度值,计算每个像素的目标色域差时,可以根据终端的***确定采用上述4个公式中的哪个公式计算每个像素的目标色域差。例如,对于安卓(英文:Android)***的终端,可以采用上述公式(1)或(3)计算每个像素的目标色域差,对于苹果移动设备操作***(英文:iOS)的终端,可以采用上述4个公式中的任意一个公式计算每个像素的目标色域差。
示例地,假设目标图像区域Q1中像素1的蓝色色度分量的色度值为150,红色色度分量的色度值为191,则终端采用上述公式(1)计算得到像素1的目标色域差可以为140.15。
需要说明的是,本发明实施例是以终端从人脸图像中选择目标图像区域,确定目标图像区域中的每个像素的目标色域差为例进行说明的,实际应用中,终端还可以确定人脸图像中的每个像素的目标色域差,确定人脸图像中的每个像素的目标色域差的实现过程与确定目标图像区域中的每个像素的目标色域差的过程相同或类似,本发明实施例在此不再赘述。由于目标图像区域的像素数量小于人脸图像的像素数量,因此,确定目标图像区域中的每个像素的目标色域差的计算量较小,本发明实施例通过确定目标图像区域中的每个像素的目标色域差,可以减小计算量。
步骤203、终端根据人脸图像中的所有像素的目标色域差,确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度,肤色置信度反映人脸图像中的人脸的肤色为目标肤色的概率。
终端确定人脸图像中的每个像素的目标色域差之后,可以根据人脸图像中的所有像素的目标色域差,确定该人脸图像中的人脸的肤色属于目标肤色的肤色置信度,其中,该肤色置信度反映人脸图像中的人脸的肤色为目标肤色的概率,也即是,反映人脸图像中的人脸的肤色为目标肤色的可能性的大小。
请参考图7,其示出了本发明实施例提供的一种确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度的方法流程图,参见图7,该方法包括:
步骤2031A、终端根据每个像素的目标色域差,确定每个像素的颜色置信度。
在本发明实施例中,终端可以根据每个像素的目标色域差,确定每个像素的颜色置信度。可选地,终端根据每个像素的目标色域差,采用颜色置信度公式计算得到每个像素的颜色置信度;
P表示每个像素的颜色置信度,C表示每个像素的目标色域差,Cmin表示目标色域差的最小值,Cmax表示目标色域差的最大值。
终端可以确定每个像素的目标色域差与Cmin和Cmax的关系,根据目标色域差与Cmin和Cmax的关系,将每个像素的目标色域差代入上述颜色置信度公式,计算得到每个像素的颜色置信度。示例地,终端将像素1的目标色域差代入上述颜色置信度公式,计算得到像素1的颜色置信度。假设像素1的目标色域差C为140,目标色域差的最小值Cmin为80,目标色域差的最大值Cmax为160,则终端根据上述公式可以确定像素1的颜色置信度0.75。
需要说明的是,在本发明实施例中,目标色域差的最小值Cmin和目标色域差的最大值Cmax可以通过以下方式得到:具体地,对大量的目标肤色的人脸图像中的像素的目标色域差进行统计,根据统计结果绘制散点图,散点图中的每个散点表示一个目标色域差,根据该散点图确定目标肤色的人脸图像中的像素的目标色域差的分布情况,将散点图上散点分布密集的目标色域差的区间作为该目标色域差的取值范围,该目标色域差的取值范围的最小值即为目标色域差的最小值Cmin,目标色域差的取值范围的最大值即为目标色域差的最大值Cmax。其中,该得到目标色域差的最小值Cmin和目标色域差的最大值Cmax的过程可以是人工实现的,也可以是终端实现的,当得到目标色域差的最小值Cmin和目标色域差的最大值Cmax的过程可以是人工实现的时,人工确定该目标色域差的最小值Cmin和目标色域差的最大值Cmax之后,可以将目标色域差的最小值Cmin和目标色域差的最大值Cmax存储在终端中。
可选地,目标肤色可以为黑色肤色,可以统计大量的黑色肤色的人脸图像中的像素的目标色域差,根据黑色肤色的人脸图像中的像素的目标色域差绘制散点图S,该散点图S中的每个点表示一个目标色域差,根据该散点图S确定黑色肤色的人脸图像中的像素的目标色域差的分布情况,将散点图S上散点分布密集的区间作为该目标色域差的取值范围,该目标色域差的取值范围的最小值即为目标色域差的最小值Cmin,目标色域差的取值范围的最大值即为目标色域差的最大值Cmax。示例地,假设散点图S上散点分布密集的目标色域差的区间为[80,160],则目标色域差的最小值Cmin为80,目标色域差的最大值Cmax为160。
需要说明的是,当人脸图像为YUV色彩模式的人脸图像时,在对大量的目标肤色的人脸图像中的像素的目标色域差进行统计之前,可以先采用目标色域差公式计算得到人脸图像中的像素的目标色域差,且在计算人脸图像中的像素的目标色域差的过程中,采用的色域差公式与终端在上述子步骤20222中根据每个像素的各个色度分量的色度值,确定每个像素的目标色域差的公式相同。
示例地,若在上述步骤20222中确定每个像素的目标色域差的色域差公式为C=0.344×(U-128)+2.116×(V-128),则在该步骤203中,确定目标色域差的最大值Cmax和目标色域差的最小值Cmin时采用的色域差公式也为C=0.344×(U-128)+2.116×(V-128)。
步骤2032A、终端根据人脸图像中的所有像素的颜色置信度,确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度。
终端在确定人脸图像中的每个像素的颜色置信度之后,可以根据人脸图像中的所有像素的颜色置信度,确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度。可选地,终端可以将人脸图像中的所有像素的颜色置信度进行平均,得到人脸图像中的所有像素的颜色置信度的平均颜色置信度,将该平均颜色置信度确定为人脸图像中的人脸的肤色属于目标肤色的肤色置信度。
假设人脸图像中共有n个像素,该n个像素的颜色置信度分别为:P1、P2、P3、P4、P5……Pn,则终端可以对P1、P2、P3、P4、P5……Pn进行平均得到平均颜色置信度,将该平均颜色置信度确定为人脸图像中的人脸的肤色属于目标肤色的肤色置信度,该平均颜色置信度可以为:
示例地,假设目标肤色为黑色肤色,终端确定人脸图像F中的n个像素的颜色置信度的平均值为0.7,则终端确定人脸图像F中的人脸的肤色属于黑色肤色的肤色置信度为0.7。
需要说明的是,本发明实施例是以终端将人脸图像中的所有像素的颜色置信度进行平均得到人脸图像中的所有像素的颜色置信度的平均颜色置信度,并将该平均颜色置信度确定为人脸图像中的人脸的肤色属于目标肤色的肤色置信度为例进行说明,实际应用中,终端可以对人脸图像中的所有像素的颜色置信度进行加权运算,得到人脸图像中的所有像素的颜色置信度的加权值,并将该加权值确定为人脸图像中的人脸的肤色属于目标肤色的肤色置信度,当然,终端还可以采用其他方法确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度,本发明实施例在此不再赘述。
步骤204、终端根据人脸图像中的人脸的肤色属于目标肤色的肤色置信度,对人脸图像进行美肤。
终端在确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度之后,可以根据该肤色置信度对人脸图像进行美肤。可选地,终端可以存储针对目标肤色的美肤方案和针对非目标肤色的美肤方案,且每种美肤方案包括美肤参数,终端可以根据肤色置信度对针对目标肤色的美肤方案的美肤参数和针对非目标肤色的美肤方案的美肤参数进行处理,根据处理结果得到针对人脸图像的美肤参数,并根据该针对人脸图像的美肤参数对人脸图像进行美肤。
可选地,假设人脸图像中的人脸的肤色属于目标肤色的肤色置信度为P,终端存储的针对目标肤色的美肤方案的美肤参数为e,针对非目标肤色的美肤方案的美肤参数为f,则终端可以将S=e×P+f×(1-P)确定为针对人脸图像的美肤参数,并根据该美肤参数对人脸图像进行美肤。需要说明的是,实际应用中,美肤方案包括多种美肤参数,在本发明实施例中,美肤参数e表示针对目标肤色的美肤方案中的所有美肤参数,美肤参数f表示针对非目标肤色的美肤方案中的所有美肤参数。
需要说明的是,本发明实施例是以根据人脸图像中的所有像素的颜色置信度,确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度为例进行说明的,实际应用中,终端还可以根据人脸图像的目标色域差,确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度。具体地,请参考图8,其示出了本发明实施例提供的另一种确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度的方法流程图,参见图8,该方法包括:
子步骤2031B、终端根据人脸图像中的所有像素的目标色域差,确定人脸图像的目标色域差。
在本发明实施例中,终端可以根据人脸图像中的所有像素的目标色域差,确定人脸图像的目标色域差。可选地,终端可以将人脸图像中的所有像素的目标色域差进行平均,得到人脸图像中的所有像素的目标色域差的平均目标色域差,将该平均目标色域差确定为人脸图像的目标色域差。
假设人脸图像中共有n个像素,该n个像素的目标色域差分别为:C1、C2、C3、C4、C5……Cn,则终端可以对C1、C2、C3、C4、C5……Cn进行平均,得到平均目标色域差,将该平均目标色域差确定为人脸图像的目标色域差,该平均目标色域差可以为:
示例地,终端确定人脸图像F中的n个像素的目标色域差的平均值为140,因此,终端确定人脸图像F的目标色域差为140。
需要说明的是,本发明实施例是以终端将人脸图像中的所有像素的目标色域差进行平均得到所有像素的目标色域差的平均目标色域差,并将该平均目标色域差确定为人脸图像的目标色域差为例进行说明,实际应用中,终端可以对人脸图像中的所有像素的目标色域差进行加权运算,得到人脸图像中的所有像素的目标色域差的加权值,并将该加权值确定为人脸图像的目标色域差,当然,终端还可以采用其他方法确定人脸图像的目标色域差,本发明实施例在此不再赘述。
子步骤2032B、终端根据人脸图像的目标色域差,确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度。
可选地,终端可以根据人脸图像的目标色域差,采用肤色置信度公式计算得到人脸图像中的人脸的肤色属于目标肤色的肤色置信度;
P表示肤色置信度,C表示人脸图像的目标色域差,Cmin表示目标色域差的最小值,Cmax表示目标色域差的最大值。其中,Cmin和Cmax的确定过程可以参考上述子步骤2031A,本发明实施例在此不再赘述。需要说明的是,在本发明实施例中,在一定范围内,人脸图像的目标色域差C可以与肤色置信度P呈线性关系,例如,如图9所示,在Cmin与Cmax之间,人脸图像的目标色域差C可以与肤色置信度P呈线性关系。
综上所述,本发明实施例提供的肤色识别方法,终端获取人脸图像后,确定人脸图像中的每个像素的目标色域差,根据人脸图像中的所有像素的目标色域差,确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度。由于目标色域差可以消除人脸图像的亮度因素,避免光照对人脸图像产生影响,因此,可以解决终端确定目标肤色的准确性较低的问题,提高终端确定目标肤色的准确性。
下述为本发明装置实施例,可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节,请参照本发明方法实施例。
图10是根据一示例性实施例示出的一种肤色识别装置100的框图,该肤色识别装置100可以通过软件、硬件或者两者的结合实现成为终端的部分或者全部,该终端可以为智能手机、平板电脑、智能电视、智能手表、膝上型便携计算机、台式计算机等等,参见图10,该肤色识别装置100可以包括:
获取模块110,用于获取人脸图像。
第一确定模块120,用于确定人脸图像中的每个像素的目标色域差,每个像素的目标色域差为每个像素中指定的两个颜色分量的强度值之差。
第二确定模块130,用于根据人脸图像中的所有像素的目标色域差,确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度,肤色置信度反映人脸图像中的人脸的肤色为目标肤色的概率。
综上所述,本发明实施例提供的肤色识别装置,终端获取人脸图像后,确定人脸图像中的每个像素的目标色域差,根据人脸图像中的所有像素的目标色域差,确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度。由于目标色域差可以消除人脸图像的亮度因素,避免光照对人脸图像产生影响,因此,可以解决终端确定目标肤色的准确性较低的问题,提高终端确定目标肤色的准确性。
可选地,请参考图11,其示出了本发明实施例提供的一种第一确定模块120的框图,参见图11,该第一确定模块120包括:
第一确定子模块121,用于确定每个像素的各个色度分量的色度值。
第二确定子模块122,用于根据每个像素的各个色度分量的色度值,确定每个像素的目标色域差。
可选地,第二确定子模块122,用于根据每个像素的蓝色色度分量的色度值和红色色度分量的色度值,采用色域差公式计算得到每个像素的目标色域差;
其中,色域差公式为C=a×(U-128)+b×(V-128),C表示每个像素的目标色域差,U表示每个像素的蓝色色度分量,V表示每个像素的红色色度分量,a和b均为常数。
可选地,请参考图12,其示出了本发明实施例提供的一种第二确定模块130的框图,参见图12,该第二确定模块130包括:
第三确定子模块131,用于根据每个像素的目标色域差,确定每个像素的颜色置信度。
第四确定子模块132,用于根据人脸图像中的所有像素的颜色置信度,确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度。
可选地,第四确定子模块132,用于根据每个像素的目标色域差,采用颜色置信度公式计算得到每个像素的颜色置信度;
P表示每个像素的颜色置信度,C表示每个像素的目标色域差,Cmin表示目标色域差的最小值,Cmax表示目标色域差的最大值。
可选地,请参考图13,其示出了本发明实施例提供的另一种第一确定模块120的框图,参见图13,该第一确定模块120包括:
第五确定子模块123,用于从人脸图像中确定目标图像区域。
第六确定子模块124,用于确定目标图像区域中的每个像素的目标色域差。
可选地,指定的两个颜色分量包括红色颜色分量和绿色颜色分量,目标肤色为黑色肤色。
综上所述,本发明实施例提供的肤色识别装置,终端获取人脸图像后,确定人脸图像中的每个像素的目标色域差,根据人脸图像中的所有像素的目标色域差,确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度。由于目标色域差可以消除人脸图像的亮度因素,避免光照对人脸图像产生影响,因此,可以解决终端确定目标肤色的准确性较低的问题,提高终端确定目标肤色的准确性。
关于上述实施例中的装置,其中各个模块执行操作的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14是根据一示例性实施例示出的一种肤色识别装置200的框图。例如,装置200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14,装置200可以包括以下一个或多个组件:处理组件202、存储器204、电源组件206、多媒体组件208、音频组件210、输入/输出(I/O)接口212、传感器组件214以及通信组件216。
处理组件202通常控制装置200的整体操作,诸如与显示、电话呼叫、数据通信、定位、相机操作和记录操作相关联的操作。处理组件202可以包括一个或多个处理器220来执行指令,以完成上述肤色识别方法的全部或部分步骤。此外,处理组件202可以包括一个或多个模块,便于处理组件202和其他组件之间的交互。例如,处理组件202可以包括多媒体模块,以方便多媒体组件208和处理组件202之间的交互。
存储器204被配置为存储各种类型的数据以支持在装置200上的操作。这些数据的示例包括用于在装置200上操作的任何应用或方法的指令、联系人数据、电话簿数据、消息、图片、视频等。存储器204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,如静态随即存取存储器(英文:Dynamic Random Access Memory;简称:SRAM)、电可擦除可编程只读存储器(英文:Electrically Erasable Programmable Read-Only Memory;简称:EEPROM)、可擦除可编程只读存储器(英文:Erasable Programmable Read OnlyMemory;简称:EPROM)、可编程只读存储器(英文:Programmable Read Only Memory;简称:PROM)、只读存储器(英文:Read-Only Memory;简称:ROM)、磁存储器、快闪存储器,磁盘或光盘。
电源组件206为装置200的各种组件提供电力。电源组件206可以包括电源管理***、一个或多个电源及其他与为装置200生成、管理和分配电力相关联的组件。
多媒体组件208包括在装置200和用户之间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(英文:Liquid Crystal Display;简称:LCD)和触摸面板(英文:Touch Panle;简称: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。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208包括一个前置摄像头和/或后置摄像头。当装置200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210被配置为输出和/或输入音频信号。例如,音频组件210包括一个麦克风(英文:Microphone;简称:MIC),当装置200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204或经由通信组件216发送。在一些实施例中,音频组件210还包括一个扬声器,用于输出音频信号。
I/O接口212为处理组件202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。这些按钮可以包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件214包括一个或多个传感器,用于为装置200提供各个方面的状态评估。例如,传感器组件214可以检测到装置200的打开/关闭状态,组件的相对定位,例如组件为装置200的显示器和小键盘,传感器组件214还可以检测装置200或装置200一个组件的位置改变,用户与装置200接触的存在或不存在,装置200方位或加速/减速和装置200的温度变化。传感器组件214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214还可以包括光传感器,如互补金属氧化物半导体(英文:Complementary Metal OXide Semiconductor;简称:CMOS)或电荷耦合元件(英文:Charge-coupled Device;简称: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214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216被配置为便于装置200和其他设备之间有线或无线方式的通信。装置200可以接入基于通信标准的无线网络,如无线保真(英文:WIreless FIdelity;简称:WIFI)、2G、3G或它们的组合。在一个示例性实施例中,通信组件216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,通信组件216还包括近场通信(英文:Near Field Communication;简称:NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(英文:Radio Frequency Identification;简称:RFID)技术,红外数据协会(英文:Infrared Data Association;简称:IrDA)技术,超宽带(英文:UltraWideband;简称:UWB)技术,蓝牙(英文:Bluetooth;简称:BT)技术和其他技术来实现。
在示例性实施例中,装置200可以被一个或多个应用专用集成电路(英文:Application Specific Integrated Circuit;简称:ASIC)、数字信号处理器(英文:Digital Signal Processing;简称:DSP)、数字信号处理设备(英文:Digital SignalProcessing Device;简称:DSPD)、可编程逻辑器件(英文:Programable Logic Device;简称:PLD)、现场可编程门阵列(英文:Field-Programmable Gate Array;简称:FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述肤色识别方法。
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204,上述指令可由装置200的处理器220执行以完成上述肤色识别方法。例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(英文:Random AccessMemory;简称:RAM)、激光唱片只读存储器(英文:Compact Disk Read-Only Memory;简称:CD-ROM)、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当存储介质中的指令由装置200的处理器执行时,使得装置200能够执行一种肤色识别方法,该方法包括:
获取人脸图像;
确定人脸图像中的每个像素的目标色域差,每个像素的目标色域差为每个像素中指定的两个颜色分量的强度值之差;
根据人脸图像中的所有像素的目标色域差,确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度,肤色置信度反映人脸图像中的人脸的肤色为目标肤色的概率。
综上所述,本发明实施例提供的肤色识别装置,终端获取人脸图像后,确定人脸图像中的每个像素的目标色域差,根据人脸图像中的所有像素的目标色域差,确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度。由于目标色域差可以消除人脸图像的亮度因素,避免光照对人脸图像产生影响,因此,可以解决终端确定目标肤色的准确性较低的问题,提高终端确定目标肤色的准确性。
本发明实施例还提供了一种肤色识别装置,该肤色识别装置包括:
处理器;
用于存储处理器的可执行指令的存储器;
其中,处理器被配置为:
获取人脸图像;
确定人脸图像中的每个像素的目标色域差,每个像素的目标色域差为每个像素中指定的两个颜色分量的强度值之差;
根据人脸图像中的所有像素的目标色域差,确定人脸图像中的人脸的肤色属于目标肤色的肤色置信度,肤色置信度反映人脸图像中的人脸的肤色为目标肤色的概率。
本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当该指令在处理组件上运行时,使得处理组件执行图1或图2所示的肤色识别方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、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发明的一般性原理并包括本发明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,本发明的真正范围和精神由下面的权利要求指出。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (11)
1.一种肤色识别方法,其特征在于,所述方法包括:
获取人脸图像;
确定所述人脸图像中的每个像素的目标色域差,所述每个像素的目标色域差为所述每个像素中指定的两个颜色分量的强度值之差;
确定目标色域差的最大值和最小值,确定所述每个像素的目标色域差与所述目标色域差的最大值和最小值的关系;根据所述每个像素的目标色域差与所述目标色域差的最大值和最小值的关系,采用颜色置信度公式计算得到所述每个像素的颜色置信度;根据所述人脸图像中的所有像素的颜色置信度,确定所述人脸图像中的人脸的肤色属于目标肤色的肤色置信度;所述肤色置信度反映所述人脸图像中的人脸的肤色为所述目标肤色的概率;
所述P表示所述每个像素的颜色置信度,所述C表示所述每个像素的目标色域差,所述Cmin表示所述目标色域差的最小值,所述Cmax表示所述目标色域差的最大值。
2.根据权利要求1所述的方法,其特征在于,所述确定所述人脸图像中的每个像素的目标色域差,包括:
确定所述每个像素的各个色度分量的色度值;
根据所述每个像素的各个色度分量的色度值,确定所述每个像素的目标色域差。
3.根据权利要求2所述的方法,其特征在于,所述每个像素的色度分量包括蓝色色度分量和红色色度分量,所述根据所述每个像素的各个色度分量的色度值,确定所述每个像素的目标色域差,包括:
根据所述每个像素的蓝色色度分量的色度值和红色色度分量的色度值,采用色域差公式计算得到所述每个像素的目标色域差;
其中,所述色域差公式为C=a×(U-128)+b×(V-128),所述C表示所述每个像素的目标色域差,所述U表示所述每个像素的蓝色色度分量,所述V表示所述每个像素的红色色度分量,所述a和所述b均为常数。
4.根据权利要求1所述的方法,其特征在于,所述确定目标色域差的最大值和最小值,包括:
对所述目标肤色的人脸图像中的像素的目标色域差进行统计,根据统计结果绘制散点图,所述散点图中的每个散点表示一个目标色域差;
根据所述散点图确定所述目标肤色的人脸图像中的像素的目标色域差的分布情况;
将所述散点图上散点分布密集的目标色域差的区间作为所述目标色域差的取值范围,将所述目标色域差的取值范围的最小值作为所述目标色域差的最小值Cmin,将所述目标色域差的取值范围的最大值作为所述目标色域差的最大值Cmax。
5.根据权利要求1所述的方法,其特征在于,所述根据所述人脸图像中的所有像素的颜色置信度,确定所述人脸图像中的人脸的肤色属于目标肤色的肤色置信度,包括:
将所述人脸图像中的所有像素的颜色置信度进行平均,得到所述人脸图像中的所有像素的颜色置信度的平均颜色置信度,将所述平均颜色置信度确定为所述人脸图像中的人脸的肤色属于所述目标肤色的肤色置信度。
6.根据权利要求1所述的方法,其特征在于,所述根据所述人脸图像中的所有像素的颜色置信度,确定所述人脸图像中的人脸的肤色属于目标肤色的肤色置信度,包括:
对所述人脸图像中的所有像素的颜色置信度进行加权运算,得到所述人脸图像中的所有像素的颜色置信度的加权值,将所述加权值确定为所述人脸图像中的人脸的肤色属于所述目标肤色的肤色置信度。
7.根据权利要求1至6任一所述的方法,其特征在于,所述确定所述人脸图像中的每个像素的目标色域差,包括:
从所述人脸图像中确定目标图像区域;
确定所述目标图像区域中的每个像素的目标色域差。
8.根据权利要求1至6任一所述的方法,其特征在于,所述指定的两个颜色分量包括红色颜色分量、蓝色颜色分量和绿色颜色分量中的任意两个颜色分量,所述目标肤色为黑色肤色。
9.一种肤色识别装置,其特征在于,所述装置包括:
获取模块,用于获取人脸图像;
第一确定模块,用于确定所述人脸图像中的每个像素的目标色域差,所述每个像素的目标色域差为所述每个像素中指定的两个颜色分量的强度值之差;
第二确定模块,用于确定目标色域差的最大值和最小值,确定所述每个像素的目标色域差与所述目标色域差的最大值和最小值的关系;根据所述每个像素的目标色域差与所述目标色域差的最大值和最小值的关系,采用颜色置信度公式计算得到所述每个像素的颜色置信度;根据所述人脸图像中的所有像素的颜色置信度,确定所述人脸图像中的人脸的肤色属于目标肤色的肤色置信度;所述肤色置信度反映所述人脸图像中的人脸的肤色为所述目标肤色的概率;
所述P表示所述每个像素的颜色置信度,所述C表示所述每个像素的目标色域差,所述Cmin表示所述目标色域差的最小值,所述Cmax表示所述目标色域差的最大值。
10.一种肤色识别装置,其特征在于,包括:
处理器;
用于存储所述处理器的可执行指令的存储器;
其中,所述处理器被配置为:
获取人脸图像;
确定所述人脸图像中的每个像素的目标色域差,所述每个像素的目标色域差为所述每个像素中指定的两个颜色分量的强度值之差;
确定目标色域差的最大值和最小值,确定所述每个像素的目标色域差与所述目标色域差的最大值和最小值的关系;根据所述每个像素的目标色域差与所述目标色域差的最大值和最小值的关系,采用颜色置信度公式计算得到所述每个像素的颜色置信度;根据所述人脸图像中的所有像素的颜色置信度,确定所述人脸图像中的人脸的肤色属于目标肤色的肤色置信度;所述肤色置信度反映所述人脸图像中的人脸的肤色为所述目标肤色的概率;
所述P表示所述每个像素的颜色置信度,所述C表示所述每个像素的目标色域差,所述Cmin表示所述目标色域差的最小值,所述Cmax表示所述目标色域差的最大值。
11.一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中存储有指令,当所述指令在处理组件上运行时,使得所述处理组件执行权利要求1至8任一所述的肤色识别方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710828760.5A CN107564073B (zh) | 2017-09-14 | 2017-09-14 | 肤色识别方法及装置、存储介质 |
US16/646,765 US11348365B2 (en) | 2017-09-14 | 2018-09-11 | Skin color identification method, skin color identification apparatus and storage medium |
PCT/CN2018/105103 WO2019052449A1 (zh) | 2017-09-14 | 2018-09-11 | 肤色识别方法及装置、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710828760.5A CN107564073B (zh) | 2017-09-14 | 2017-09-14 | 肤色识别方法及装置、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107564073A CN107564073A (zh) | 2018-01-09 |
CN107564073B true CN107564073B (zh) | 2021-03-16 |
Family
ID=60980916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710828760.5A Active CN107564073B (zh) | 2017-09-14 | 2017-09-14 | 肤色识别方法及装置、存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11348365B2 (zh) |
CN (1) | CN107564073B (zh) |
WO (1) | WO2019052449A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107564073B (zh) * | 2017-09-14 | 2021-03-16 | 广州市百果园信息技术有限公司 | 肤色识别方法及装置、存储介质 |
CN112686965A (zh) * | 2020-12-25 | 2021-04-20 | 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 |
CN113674366A (zh) * | 2021-07-08 | 2021-11-19 | 北京旷视科技有限公司 | 皮肤颜色的识别方法、装置和电子设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251890A (zh) * | 2008-03-13 | 2008-08-27 | 西安交通大学 | 基于多色域选择性形态学处理的视频图像肤色检测方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2396504B (en) * | 2002-12-20 | 2005-11-23 | Canon Kk | Image processing |
US7426296B2 (en) * | 2004-03-18 | 2008-09-16 | Sony Corporation | Human skin tone detection in YCbCr space |
EP2045775A4 (en) * | 2006-07-25 | 2017-01-18 | Nikon Corporation | Image processing method, image processing program, and image processing device |
US20100158363A1 (en) * | 2008-12-19 | 2010-06-24 | Qualcomm Incorporated | System and method to detect skin color in an image |
US8295557B2 (en) * | 2009-01-12 | 2012-10-23 | Arcsoft Hangzhou Co., Ltd. | Face image processing method |
US8244003B2 (en) * | 2010-01-25 | 2012-08-14 | Apple Inc. | Image preprocessing |
US8588309B2 (en) * | 2010-04-07 | 2013-11-19 | Apple Inc. | Skin tone and feature detection for video conferencing compression |
CN103577791B (zh) * | 2012-07-26 | 2018-02-23 | 阿里巴巴集团控股有限公司 | 一种红眼检测方法和*** |
US9398280B2 (en) * | 2013-08-26 | 2016-07-19 | Intel Corporation | AWB using face detection |
WO2016165060A1 (en) * | 2015-04-14 | 2016-10-20 | Intel Corporation | Skin detection based on online discriminative modeling |
CN105279487B (zh) * | 2015-10-15 | 2022-03-15 | Oppo广东移动通信有限公司 | 美颜工具筛选方法和*** |
CN106097261B (zh) * | 2016-06-01 | 2019-10-18 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及终端设备 |
CN106096588A (zh) | 2016-07-06 | 2016-11-09 | 北京奇虎科技有限公司 | 一种图像数据的处理方法、装置和移动终端 |
CN106210521A (zh) * | 2016-07-15 | 2016-12-07 | 深圳市金立通信设备有限公司 | 一种拍照方法及终端 |
CN107025441B (zh) | 2017-03-29 | 2020-06-02 | 北京小米移动软件有限公司 | 肤色检测方法及装置 |
CN107564073B (zh) | 2017-09-14 | 2021-03-16 | 广州市百果园信息技术有限公司 | 肤色识别方法及装置、存储介质 |
-
2017
- 2017-09-14 CN CN201710828760.5A patent/CN107564073B/zh active Active
-
2018
- 2018-09-11 WO PCT/CN2018/105103 patent/WO2019052449A1/zh active Application Filing
- 2018-09-11 US US16/646,765 patent/US11348365B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251890A (zh) * | 2008-03-13 | 2008-08-27 | 西安交通大学 | 基于多色域选择性形态学处理的视频图像肤色检测方法 |
Also Published As
Publication number | Publication date |
---|---|
US20200210682A1 (en) | 2020-07-02 |
US11348365B2 (en) | 2022-05-31 |
WO2019052449A1 (zh) | 2019-03-21 |
CN107564073A (zh) | 2018-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109345485B (zh) | 一种图像增强方法、装置、电子设备及存储介质 | |
CN110958401B (zh) | 一种超级夜景图像颜色校正方法、装置和电子设备 | |
US10181184B2 (en) | Method and apparatus for identifying image type | |
CN107992182B (zh) | 显示界面图像的方法和装置 | |
CN107564073B (zh) | 肤色识别方法及装置、存储介质 | |
US10951816B2 (en) | Method and apparatus for processing image, electronic device and storage medium | |
US10204403B2 (en) | Method, device and medium for enhancing saturation | |
CN107527072B (zh) | 确定相似头像的方法及装置、电子设备 | |
CN106375787B (zh) | 视频播放的方法及装置 | |
CN109005360B (zh) | 拍摄环境的补光方法、装置及计算机可读存储介质 | |
CN112905141A (zh) | 屏幕显示方法及装置、计算机存储介质 | |
US10068151B2 (en) | Method, device and computer-readable medium for enhancing readability | |
CN116017171B (zh) | 一种图像处理方法、装置、电子设备、芯片及存储介质 | |
CN113254118B (zh) | 肤色显示及装置 | |
CN114339187B (zh) | 图像处理方法、图像处理装置及存储介质 | |
CN110648373B (zh) | 图像处理方法及装置 | |
US20220405896A1 (en) | Image processing method and apparatus, model training method and apparatus, and storage medium | |
CN115619879A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN118317203A (zh) | 图像处理方法、装置、电子设备及芯片 | |
CN116795317A (zh) | 图像显示方法、装置及可读存储介质 | |
CN115375555A (zh) | 图像处理方法及装置 | |
CN118485593A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN115809105A (zh) | 一种显示画面调节方法、显示画面调节装置及存储介质 | |
CN113873211A (zh) | 拍照方法及装置、电子设备及存储介质 | |
CN116433781A (zh) | 调色方法、装置、电子设备及存储介质 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220601 Address after: 31a, 15 / F, building 30, maple mall, bangrang Road, Brazil, Singapore Patentee after: Baiguoyuan Technology (Singapore) Co.,Ltd. Address before: 511442 room 2705, 27 / F, building B-1, Wanda Plaza North, Wanbo business district, 79 Wanbo 2nd Road, Nancun Town, Panyu District, Guangzhou City, Guangdong Province Patentee before: GUANGZHOU BAIGUOYUAN INFORMATION TECHNOLOGY Co.,Ltd. |