CN110599553B - 一种基于YCbCr的肤色提取及检测方法 - Google Patents
一种基于YCbCr的肤色提取及检测方法 Download PDFInfo
- Publication number
- CN110599553B CN110599553B CN201910851662.2A CN201910851662A CN110599553B CN 110599553 B CN110599553 B CN 110599553B CN 201910851662 A CN201910851662 A CN 201910851662A CN 110599553 B CN110599553 B CN 110599553B
- Authority
- CN
- China
- Prior art keywords
- skin color
- ycbcr
- image
- component
- color space
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 238000000605 extraction Methods 0.000 title claims abstract description 21
- 238000006243 chemical reaction Methods 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000005516 engineering process Methods 0.000 claims abstract description 4
- 238000001914 filtration Methods 0.000 claims description 17
- 230000002146 bilateral effect Effects 0.000 claims description 10
- 238000005286 illumination Methods 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 230000003313 weakening effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000008921 facial expression Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Color Image Communication Systems (AREA)
- Image Processing (AREA)
- Processing Of Color Television Signals (AREA)
Abstract
本发明公开了一种基于YCbCr的肤色提取及检测方法，属于图像处理技术领域。所述方法根据亮度分量Y的范围采用不同公式提取Cr、Cb分量以实现对图像肤色区域的提取，对于Y≤20或者Y≥180，采用改进的由RGB颜色空间到YCbCr颜色空间转换公式获得Cr、Cb分量，使得强光和弱光环境下对于肤色的分割依然是清楚的，提高了肤色识别的鲁棒性，有效解决了强光和弱光环境下无法实现对图像肤色区域的提取的问题，使得肤色检测技术在图像处理技术领域的应用中能够更加准确的识别出人体肤色区域。
Description
技术领域
本发明涉及一种基于YCbCr的肤色提取及检测方法，属于图像处理技术领域。
背景技术
肤色提取是肤色检测的基础，而肤色检测是指在图像中选取对应于人体皮肤像素区域的过程，随着图像处理技术的快速发展，肤色检测技术广泛应用于人脸检测与识别、人脸追踪、面部表情识别、手势识别、人机交互、基于图像内容的图像检索、视频监控等等，但是通过摄像机获取的图像信息会时刻被复杂环境影响，在光照强度变化较大的情况下拍摄出的图像会出现难以捕捉到肤色信息的情况，从而难以识别出人体表达的具体含义，为了满足人们在不同光照强度环境下仍能有效识别出人体的肤色的要求，需要对图像中肤色信息进行有效的提取来突出人体肤色区域，从而更好地表示出所要表达的含义。
近年来，使用YCbCr颜色空间对图像的肤色进行分割成为研究热点，YCbCr即YUV，其中“Y”表示明亮度，也就是灰阶值；而“U”和“V”表示的则是色度，用于指定像素的颜色。Y分量是透过RGB输入信号来建立的，方法是将RGB信号的特定部分叠加到一起。“色度”则定义了颜色的色调与饱和度，分别用Cr和Cb来表示。由于肤色像素点在YCbCr颜色空间的平面上分布在一个近似椭圆的区域范围内，因此可以有效分割出人脸、手势等肤色目标。
目前为止对图像中基于肤色分割采用的颜色空间主要有YCbCr颜色空间和HSV颜色空间两种，但是在处于强光和弱光环境下的处理上都没有达到良好的效果。
发明内容
为了解决目前存在的强光和弱光环境下无法有效分割出人脸、手势等肤色目标、提取肤色区域的鲁棒性不高的问题，本发明提供了一种基于YCbCr的肤色提取及检测方法。
本发明的第一个目的在于提供一种基于YCbCr的肤色提取方法，所述方法在得到图像的亮度分量Y后，根据亮度分量Y的范围采用不同公式提取Cr、Cb分量以实现对图像肤色区域的提取，包括：
当Y≤20或者Y≥180时，采用改进的由RGB颜色空间到YCbCr颜色空间转换公式获得Cr、Cb分量；
当20<Y<180，采用国际标准ITU-R BT.601建议使用的YCbCr颜色空间转换公式获得Cr、Cb分量。
可选的，所述当Y≤20或者Y≥180时，采用改进的由RGB颜色空间到YCbCr颜色空间转换公式获得Cr、Cb分量，改进的由RGB颜色空间到YCbCr颜色空间转换公式为：
其中，θ0、θ1、λ1、λ0是通过不同光照变化下求出的参数，θ0、θ1、λ1、λ0的求解公式如下：
其中：y(Cr)i是确定了某一个明亮度Yi分量下图像中通过国际标准ITU-R BT.601中使用的YCbCr颜色空间转换公式得到的Cr分量取对数得到的值，即
x(Cr)i是同一个明亮度Yi分量取倒数得到的值，即
y(Cb)i是确定了明亮度Yi分量下图像中通过国际标准ITU-R BT.601使用的YCbCr颜色空间转换公式得到的Cb分量取负对数得到的值，即
x(Cb)i是同一个明亮度Yi分量取倒数得到的值，即
m是获取不同明亮度Yi下样本肤色图片的个数。
可选的，所述当20<Y<180，采用国际标准ITU-R BT.601使用的YCbCr颜色空间转换公式，获得Cr、Cb分量，国际标准ITU-R BT.601使用的YCbCr颜色空间转换公式为
Cb＝-0.148R-0.291G+0.439B+128
Cr＝0.439R-0.368G-0.071B+128
其中，R、G、B分别为RGB空间原有像素值。
可选的，所述得到图像的亮度分量Y，包括：
获取原始肤色图，对原始肤色图进行滤波，使得图像中相似程度更高的像素权值更高，边缘更明显，对比度更高，获得平滑后的图像。
可选的，所述对原始肤色图进行滤波采用双边滤波器，所述双边滤波器的传递函数表达式如下：
其中权重系数w(i,j,k,l)取决于定义域核d(i,j,k,l)和值域核r(i,j,k,l)的乘积，即：
其中，f表示原始肤色图，g(i,j)表示处理后的图像，(i,j)表示g(i,j)中某个要处理像素点位置，f(k,l)表示f中(i,j)位置像素点的邻域像素的灰度值，σd是定义域核的平滑系数，σr是值域核的平滑参数，e为欧拉常数。
本发明的第二个目的在于提供一种基于YCbCr的肤色检测方法，所述基于YCbCr的肤色检测方法采用上述基于YCbCr的肤色提取方法进行肤色提取。
可选的，所述方法还包括：
对提取到的Cr、Cb分量进行高斯滤波，缓减Cr、Cb分量像素在空间上的变化，并减弱随机噪声，再采用最大类间方差法进行图像二值化获得肤色的二值化图片。
可选的，所述高斯滤波的核函数如下：
其中向量
表示掩膜坐标(x,y)点，
是掩膜中心点坐标，即掩膜坐标的均值。
可选的，所述原始肤色图的获取采用高清摄像头。
本发明的第三个目的在于提供上述基于YCbCr的肤色提取方法和/或上述基于YCbCr的肤色检测方法在图像处理技术领域内的应用。
本发明有益效果是：
通过在获取到图像的亮度分量Y后，根据亮度分量Y的范围采用不同公式提取Cr、Cb分量以实现对图像肤色区域的提取，有效提高了不同光照强度下提取肤色区域的鲁棒性；具体的，当Y≤20或者Y≥180时，采用改进的由RGB颜色空间到YCbCr颜色空间转换公式获得Cr、Cb分量；当20<Y<180，采用国际标准ITU-R BT.601中使用的YCbCr颜色空间转换公式，获得Cr、Cb分量；本发明针对强光和弱光环境下图像较为模糊的特点，根据亮度分离范围采用不同方式实现对肤色的分割，提高了肤色识别的鲁棒性，有效解决了强光和弱光环境下无法实现对图像肤色区域的提取的问题，使得后续在人脸检测与识别、人脸追踪、面部表情识别、手势识别、人机交互、基于图像内容的图像检索、视频监控中的应用能够更加准确的识别出人体肤色区域。
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是本申请给出的一种基于YCbCr的肤色检测方法流程图。
图2是在150≤Y≤190范围内的肤色原图。
图3是采用国际标准ITU-R BT.601对图2进行双边滤波后的肤色图。
图4是采用国际标准ITU-R BT.601的Y在150≤Y≤190范围的肤色检测公式获得Cb、Cr的灰度肤色组合图。
图5是步骤(4)的二值化后图。
图6是在0≤Y≤20范围内的肤色原图。
图7是对图6采用国际标准ITU-R BT.601进行双边滤波的肤色图。
图8是采用本申请给出Y在小于20范围的改进肤色检测公式检测图7获得Cb、Cr的灰度肤色组合图。
图9是采用国际标准ITU-R BT.601使用的YCbCr颜色空间转换公式检测图7获得Cb、Cr的灰度肤色组合图。
图10是图8经过步骤(4)的二值化后图。
图11是图9经过步骤(4)的二值化后图。
图12是在180≤Y≤200范围内的肤色原图。
图13是对图12采用国际标准ITU-R BT.601进行双边滤波的肤色图。
图14是采用国际标准ITU-R BT.601中给出在180≤Y≤200范围的肤色检测公式获得Cb、Cr的灰度肤色组合图。
图15是图14经过步骤(4)的二值化后图。
图16是采用本申请给出存在180≤Y≤200范围的肤色检测公式获得Cb、Cr的灰度肤色组合图
图17是图16经过步骤(4)的二值化后图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
实施例一：
本实施例提供一种基于YCbCr的肤色检测方法，所述方法通过将RGB颜色空间转换到YCbCr颜色空间，得到图像的亮度分量后，根据亮度分量Y的范围采用不同公式提取Cr、Cb分量以实现对图像肤色区域的提取；
下述以不同光照强度下肤色块的提取为例来说明本发明方法的具体实现，实验环境包括：CPU采取i5-7200U，采用Python语言编写程序，在Spyder程序调试环境下对图像进行处理，***运行环境采用Window10操作***。整个一种改进的肤色分割方法硬件部分实验环境包括：摄像头采用罗技(Logitech)C270iIPTV高清网络摄像头，采用中国大恒集团有限公司自产DHO-RI12030的LED环形光源进行亮度调节，下面结合附图对本发明做进一步的介绍，请参考图1：
步骤1：获取原始肤色图，对原始肤色图进行滤波；
本实施例分别选取了150≤Y≤190范围内的肤色原图(即图2)、0≤Y≤20范围内的肤色原图(即图6)、180≤Y≤200范围内的肤色原图(即图12)进行肤色提取。
对上述肤色原图进行滤波处理，使得图片中相似程度更高的像素权值更高，边缘更明显，对比度更高：
具体的，采用双边滤波器进行图像滤波，在软件程序上调用OpenCV的cv2模块的bilateralFilter()函数对图像进行双边滤波，其中采用过滤的像素直径为5个像素，图2、图6、图12滤波后结果图分别如图3、图7、图13所示，所述双边滤波器的传递函数表达式如下：
其中权重系数w(i,j,k,l)取决于定义域核d(i,j,k,l)和值域核r(i,j,k,l)的乘积，即：
其中，f表示原始肤色图，g(i,j)表示处理后的图像，(i,j)表示g(i,j)中某个要处理像素点位置，f(k,l)表示f中(i,j)位置像素点的邻域像素的灰度值，σd是定义域核的平滑系数，，σr是值域核的平滑参数，e为欧拉常数。
步骤2：针对步骤1双边滤波获得的图3、图7、图13，进行RGB颜色空间和YCbCr颜色空间的转换，获得转化后的亮度分量，转换公式如下：
Y＝0.257R+0.504G+0.098B+16
其中，R、G、B分别为RGB空间原有像素值，Y为YCbCr空间明亮度分量像素值。
步骤3：判断步骤2中转换后肤色图片的亮度Y分量的大致范围，其中图3的Y分量的大致范围是：150≤Y≤190，对于该亮度分量范围内的肤色图片，采用现有技术中国际标准ITU-R BT.601建议使用的YCbCr颜色空间转换公式，获得Cr、Cb分量，转换公式如下：
Cb＝-0.148R-0.291G+0.439B+128
Cr＝0.439R-0.368G-0.071B+128
转换后获得Cr与Cb分量结合的灰度图，如图4所示；
而图7的Y分量的大致范围是：0≤Y≤20，采用改进的由RGB颜色空间到YCbCr颜色空间转换公式获得Cr、Cb分量，转换后获得Cr与Cb分量结合的灰度图，如图8所示；其中转换公式如下：
其中，θ0、θ1、λ1、λ0是通过不同光照变化下求出的参数，θ0、θ1、λ1、λ0的求解公式如下：
其中：y(Cr)i是确定了某一个明亮度Yi分量下图像中通过步骤(3)中的国际标准ITU-R BT.601中使用的YCbCr颜色空间转换公式得到的Cr分量取对数得到的值，即
x(Cr)i是同一个明亮度Yi分量取倒数得到的值，即
y(Cb)i是确定了明亮度Yi分量下图像中通过步骤(3)中的国际标准ITU-R BT.601中使用的YCbCr颜色空间转换公式得到的Cb分量取对数得到的值，即
x(Cb)i是同一个明亮度Yi分量取倒数得到的值，即
m是获取不同明亮度Yi下样本肤色图片的个数。
图12的Y分量的大致范围是：180≤Y≤200，分别采用国际标准ITU-R BT.601中使用的YCbCr颜色空间转换公式的由RGB颜色空间到YCbCr颜色空间转换公式获得Cr、Cb分量结合图如图14所示，转换后获得Cr与Cb分量结合的二值化图，如图15所示；和本文中改进的由RGB颜色空间到YCbCr颜色空间转换公式获得Cr、Cb分量结合图如图16所示，转换后获得Cr与Cb分量结合的二值化图，如图17所示而如果对图7采用国际标准ITU-R BT.601中未优化的YCbCr颜色空间转换公式(即)获取其Cr、Cb分量结合得到的灰度图，得到的灰度图则如图9所示，对比采用本申请提出的改进的由RGB颜色空间到YCbCr颜色空间转换公式获得Cr、Cb分量结合的灰度图，即图8，可知，本申请提出的改进的由RGB颜色空间到YCbCr颜色空间转换公式来对Y分量处于0≤Y≤20范围内的肤色图片进行提取具有良好的效果。对比图15和图17可知，同样对强光180≤Y≤200下对肤色的提取也具有良好的效果。
本实施例中，m＝600，通过600个不同明亮度的条件下肤色样本图片中获得并采用的其中一组参数为：θ0＝2.92；θ1＝-52.07，λ0＝2.42，λ1＝-28.27。
对获取的步骤(3)中Cr、Cb分量结合的灰度图4、灰度图8和灰度图9进行高斯滤波，再对图像进行二值化获得肤色的二值化后的图片，得到结果如二值化图5、二值化图10和二值化图11所示。其中高斯滤波核函数如下：
其中向量
表示掩膜坐标(x,y)点，
是掩膜中心点坐标，即掩膜坐标的均值。
图10是图8二值化后的结果图，图11是图9二值化之后的结果图，对比图10和图11以及对比图15和图17可知，本申请提出的基于YCbCr的肤色检测方法，通过改进的由RGB颜色空间到YCbCr颜色空间转换公式获得Cr、Cb分量，进而得到Cr、Cb分量结合的灰度图，有效提高了不同光照强度下提取肤色区域的鲁棒性，分割效果明显有改善。
本发明实施例中的部分步骤，可以利用软件实现，相应的软件程序可以存储在可读取的存储介质中，如光盘或硬盘等。
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 (10)
1.一种基于YCbCr的肤色提取方法，其特征在于，所述方法在得到图像的亮度分量Y后，根据亮度分量Y的范围采用不同公式提取Cr、Cb分量以实现对图像肤色区域的提取，包括：
当Y≤20或者Y≥180时，采用改进的由RGB颜色空间到YCbCr颜色空间转换公式获得Cr、Cb分量；
当20＜Y＜180，采用国际标准ITU-R BT.601使用的YCbCr颜色空间转换公式获得Cr、Cb分量；
所述改进的由RGB颜色空间到YCbCr颜色空间转换公式为：
其中，θ0、θ1、λ1、λ0是通过不同光照变化下求出的参数，θ0、θ1、λ1、λ0的求解公式如下：
其中：y(Cr)i是确定了某一个明亮度Yi分量下图像中通过国际标准ITU-R BT.601使用的YCbCr颜色空间转换公式得到的Cr分量取对数得到的值，即
x(Cr)i是同一个明亮度Yi分量取倒数得到的值，即
y(Cb)i是确定了明亮度Yi分量下图像中通过国际标准ITU-R BT.601使用的YCbCr颜色空间转换公式得到的Cb分量取负对数得到的值，即
x(Cb)i是同一个明亮度Yi分量取倒数得到的值，即
m是获取不同明亮度Yi下样本肤色图片的个数。
2.根据权利要求1所述的方法，其特征在于，所述当20＜Y＜180，采用国际标准ITU-RBT.601使用的YCbCr颜色空间转换公式，获得Cr、Cb分量，国际标准ITU-R BT.601中使用的YCbCr颜色空间转换公式为
Cb＝-0.148R-0.291G+0.439B+128
Cr＝0.439R-0.368G-0.071B+128
其中，R、G、B分别为RGB空间原有像素值。
3.根据权利要求2所述的方法，其特征在于，所述得到图像的亮度分量Y，包括：
获取原始肤色图，对原始肤色图进行滤波，使得图像中相似程度更高的像素权值更高，边缘更明显，对比度更高，获得平滑后的图像。
4.根据权利要求3所述的方法，其特征在于，所述对原始肤色图进行滤波采用双边滤波器，所述双边滤波器的传递函数表达式如下：
其中权重系数w(i，j，k，l)取决于定义域核d(i，j，k，l)和值域核r(i，j，k，l)的乘积，即：
其中，f表示原始肤色图，g(i，j)表示处理后的图像，(i，j)表示g(i，j)中某个要处理像素点位置，f(k，l)表示f中(i，j)位置像素点的邻域像素的灰度值，σd是定义域核的平滑系数，σr是值域核的平滑参数，e为欧拉常数。
5.一种基于YCbCr的肤色检测方法，其特征在于，所述基于YCbCr的肤色检测方法采用权利要求1-4任一所述的方法进行肤色提取。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
对提取到的Cr、Cb分量进行高斯滤波，缓减Cr、Cb分量像素在空间上的变化，并减弱随机噪声，再采用最大类间方差法进行图像二值化获得肤色的二值化图片。
7.根据权利要求6所述的方法，其特征在于，所述高斯滤波的核函数如下：
其中向量
表示掩膜坐标(x,y)点，
是掩膜中心点坐标，即掩膜坐标的均值。
8.根据权利要求1-4任一所述的基于YCbCr的肤色提取方法，其特征在于，原始肤色图的获取采用高清摄像头。
9.一种肤色提取方法在图像处理技术领域内的应用，其特征在于，所述肤色提取方法为权利要求1-4任一所述的基于YCbCr的肤色提取方法。
10.一种肤色检测方法在图像处理技术领域内的应用，其特征在于，所述肤色检测方法为权利要求6-9任一所述的基于YCbCr的肤色检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910851662.2A CN110599553B (zh) | 2019-09-10 | 2019-09-10 | 一种基于YCbCr的肤色提取及检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910851662.2A CN110599553B (zh) | 2019-09-10 | 2019-09-10 | 一种基于YCbCr的肤色提取及检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110599553A CN110599553A (zh) | 2019-12-20 |
| CN110599553B true CN110599553B (zh) | 2021-11-02 |
Family
ID=68858558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910851662.2A Active CN110599553B (zh) | 2019-09-10 | 2019-09-10 | 一种基于YCbCr的肤色提取及检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110599553B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113642358B (zh) * | 2020-04-27 | 2023-10-10 | 华为技术有限公司 | 肤色检测方法、装置、终端和存储介质 |
| CN112991366B (zh) * | 2021-02-18 | 2024-05-03 | 广州光锥元信息科技有限公司 | 对图像进行实时色度抠图的方法、装置及移动端 |
| CN115331286B (zh) * | 2022-07-29 | 2023-03-17 | 中国兵器工业信息中心 | 一种基于深度学习的内容安全检测*** |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050050061A (ko) * | 2005-04-30 | 2005-05-27 | 조동욱 | 망진을 위한 얼굴내 특징 요소 추출 |
| CN103268472A (zh) * | 2013-04-17 | 2013-08-28 | 哈尔滨工业大学深圳研究生院 | 基于双色彩空间的嘴唇检测方法 |
| CN104050488A (zh) * | 2014-06-16 | 2014-09-17 | 西安工业大学 | 一种基于切换的卡尔曼滤波模型的手势识别方法 |
| CN104679242A (zh) * | 2015-02-05 | 2015-06-03 | 吉林纪元时空动漫游戏科技股份有限公司 | 基于单目视觉复杂背景下的手势分割方法 |
| CN104715244A (zh) * | 2015-04-01 | 2015-06-17 | 华中科技大学 | 一种基于肤色分割和机器学习的多视角人脸检测方法 |
| CN108805097A (zh) * | 2018-06-21 | 2018-11-13 | 冷霜 | 一种基于色彩空间转换的人脸识别与实时跟踪方法 |
| KR20190056750A (ko) * | 2017-11-17 | 2019-05-27 | 김영수 | 영상 불꽃 감지 장치 및 방법 |
| CN109934152A (zh) * | 2019-03-08 | 2019-06-25 | 浙江理工大学 | 一种针对手语图像的改进小弯臂图像分割方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5032911B2 (ja) * | 2007-07-31 | 2012-09-26 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
-
2019
- 2019-09-10 CN CN201910851662.2A patent/CN110599553B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050050061A (ko) * | 2005-04-30 | 2005-05-27 | 조동욱 | 망진을 위한 얼굴내 특징 요소 추출 |
| CN103268472A (zh) * | 2013-04-17 | 2013-08-28 | 哈尔滨工业大学深圳研究生院 | 基于双色彩空间的嘴唇检测方法 |
| CN104050488A (zh) * | 2014-06-16 | 2014-09-17 | 西安工业大学 | 一种基于切换的卡尔曼滤波模型的手势识别方法 |
| CN104679242A (zh) * | 2015-02-05 | 2015-06-03 | 吉林纪元时空动漫游戏科技股份有限公司 | 基于单目视觉复杂背景下的手势分割方法 |
| CN104715244A (zh) * | 2015-04-01 | 2015-06-17 | 华中科技大学 | 一种基于肤色分割和机器学习的多视角人脸检测方法 |
| KR20190056750A (ko) * | 2017-11-17 | 2019-05-27 | 김영수 | 영상 불꽃 감지 장치 및 방법 |
| CN108805097A (zh) * | 2018-06-21 | 2018-11-13 | 冷霜 | 一种基于色彩空间转换的人脸识别与实时跟踪方法 |
| CN109934152A (zh) * | 2019-03-08 | 2019-06-25 | 浙江理工大学 | 一种针对手语图像的改进小弯臂图像分割方法 |
Non-Patent Citations (2)
| Title |
|---|
| Face Detection Method Based on Multi-feature Fusion in YCbCr Color Space;Youlian Zhu 等;《2012 5th International Congress on Image and Signal Processing》;20121231;第1249-1252页 * |
| 基于YCbCr高斯肤色模型的人脸检测技术研究;王航宇;《现代电子技术》;20081231;第102-105页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110599553A (zh) | 2019-12-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Silva et al. | Near real-time shadow detection and removal in aerial motion imagery application | |
| US8358813B2 (en) | Image preprocessing | |
| Al-Tairi et al. | Skin segmentation using YUV and RGB color spaces | |
| US8559708B2 (en) | Image preprocessing | |
| US8660323B2 (en) | Image Preprocessing | |
| CN110599553B (zh) | 一种基于YCbCr的肤色提取及检测方法 | |
| Ghazali et al. | An innovative face detection based on skin color segmentation | |
| Iraji et al. | Skin color segmentation in fuzzy YCBCR color space with the mamdani inference | |
| US8244004B2 (en) | Image preprocessing | |
| Lee et al. | Color image enhancement using histogram equalization method without changing hue and saturation | |
| Yusuf et al. | Human face detection using skin color segmentation and watershed algorithm | |
| Azad et al. | A robust and adaptable method for face detection based on color probabilistic estimation technique | |
| Maheswari et al. | Enhanced skin tone detection using heuristic thresholding. | |
| Kumar et al. | Real-time human skin color detection algorithm using skin color map | |
| Manjare et al. | Skin detection for face recognition based on HSV color space | |
| Liang et al. | Applying Image Processing Technology to Face Recognition. | |
| CN108133204B (zh) | 一种手体识别方法、装置、设备及计算机可读存储介质 | |
| Ojo et al. | Illumination invariant face detection using hybrid skin segmentation method | |
| Abdallah et al. | Different techniques of hand segmentation in the real time | |
| Vincent et al. | Shadow detection: A review of various approaches to enhance image quality | |
| Higashi et al. | New feature for shadow detection by combination of two features robust to illumination changes | |
| Ma'asum et al. | Comparative study of segmentation technique for hand gesture recognition system | |
| Liu et al. | Detecting skin colors under varying illumination | |
| Porle et al. | Wavelet-based skin segmentation for detecting occluded arms in human body pose modelling system | |
| Khetatba | Towards an evolved color-light enhancement algorithm for low-light skin segmentation in a highly unstable lighting environment |
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 |