WO2022135579A1 - 肤色检测方法、装置、移动终端和存储介质 - Google Patents
肤色检测方法、装置、移动终端和存储介质 Download PDFInfo
- Publication number
- WO2022135579A1 WO2022135579A1 PCT/CN2021/141287 CN2021141287W WO2022135579A1 WO 2022135579 A1 WO2022135579 A1 WO 2022135579A1 CN 2021141287 W CN2021141287 W CN 2021141287W WO 2022135579 A1 WO2022135579 A1 WO 2022135579A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- data
- face
- skin
- probability
- mapping function
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 83
- 238000013507 mapping Methods 0.000 claims abstract description 171
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000006870 function Effects 0.000 claims description 117
- 210000004209 hair Anatomy 0.000 claims description 67
- 230000000875 corresponding effect Effects 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 230000007423 decrease Effects 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 2
- 210000003128 head Anatomy 0.000 description 54
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 230000003796 beauty Effects 0.000 description 6
- 210000004709 eyebrow Anatomy 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 210000005069 ears Anatomy 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 210000001061 forehead Anatomy 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000037308 hair color Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
Definitions
- the at least one processor When the at least one program is executed by the at least one processor, the at least one processor implements the skin color detection method according to the first aspect.
- These methods for implementing face detection can be integrated in the modules of the application, and the modules of the application are directly called to perform face detection on image data. These methods for implementing face detection can also be integrated in the SDK (Software Development Kit, software development kit). ), the SDK is used as the assembly data of the application, the application can request the SDK to perform face detection on multi-frame image data, the SDK detects the face data in the image data, and returns the face data to the application.
- the SDK Software Development Kit, software development kit
- the shape of the face data is oval
- the width of the face frame be w
- the height be h
- the four focal points are A(x 1 , y 1 ), B(x 2 , y 2 ), C(x 3 , y 3 ), D(x 4 , y 4 )
- the focus of the hair data is F 1 ((x 1 +x 2 )/2, (y 1 +y 2 )/2), F 2 ((x 3 +x 4 ) /2, (y 3 +y 4 )/2)
- the length of the long axis of the hair data is Among them, i is the first ratio, which belongs to a positive number less than or equal to 1, such as 0.5, and j is the first ratio, which belongs to a positive number less than or equal to 1, such as 0.5.
- the head data includes face data matching the face contour in the head contour and hair data matching the hair contour in the head contour
- the pixel point The probability of belonging to skin data is high, and in hair data, the probability of pixels belonging to skin data is low. If the brightness value of the face data is greater than the brightness value of the hair data, then the skin color detection can be suppressed by using the brightness value.
- the second reference brightness value statistics module is configured to count the brightness values of the face data and the hair data as the second reference brightness value, and the probability that the second reference brightness value corresponds to the current data belonging to the skin data is 1;
- Mobile terminal 12 typically includes a variety of computer system readable media. These media can be any available media that can be accessed by the mobile terminal 12, including volatile and non-volatile media, removable and non-removable media.
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种肤色检测方法、装置、移动终端和存储介质，该方法包括：在图像数据中检测人脸数据、参考人脸数据划分与头部轮廓匹配的头部数据，将图像数据的色彩值代入第一映射函数中，以计算图像数据属于皮肤数据的第一目标概率，参考头部数据的亮度值生成第二映射函数，将图像数据的亮度值代入第二映射函数中，以计算图像数据属于皮肤数据的第二目标概率，结合第一目标概率与第二目标概率在图像数据中检测皮肤数据。
Description
本申请要求在2020年12月25日提交中国专利局、申请号为202011566266.4的中国专利申请的优先权，以上申请的全部内容通过引用结合在本申请中。
本申请实施例涉及计算机视觉的技术领域，例如涉及一种肤色检测方法、装置、移动终端和存储介质。
随着移动互联网与移动终端的迅速发展，移动终端中的视频数据已成为人类活动中常用的信息载体，如直播、视频通话等，它们包含着物体的大量信息，成为人们获取外界原始信息的途径之一。
针对这些视频数据，用户通常会选择美颜，肤色检测作为美颜的基础，决定了美颜能够实现对视频数据的实时处理，并且也影响了美颜的效果优劣。
主流的肤色检测可以分为基于颜色空间的肤色检测、基于机器学习分类的肤色检测以及基于深度学习图像分割的肤色检测。
其中，基于颜色空间的肤色检测由于具有快速高效的特性在从而在实时流处理领域有着广泛的应用，但精确度较低，基于机器学习分类的肤色检测以及基于深度学习图像分割的肤色检测有较高的精确度，但在实时流处理的时候性能往往会成为瓶颈，难以应用于移动终端等设备受限的情况。
发明内容
第一方面，本申请实施例提供了一种肤色检测方法，包括：
在图像数据中检测人脸数据、参考所述人脸数据划分与头部轮廓匹配的头部数据；
将所述图像数据的色彩值代入第一映射函数中，以计算所述图像数据属于皮肤数据的第一目标概率；
参考所述头部数据的亮度值生成第二映射函数，所述第二映射函数用于基于亮度值识别皮肤数据；
将所述图像数据的亮度值代入所述第二映射函数中，以计算所述图像数据属于皮肤数据的第二目标概率；
结合所述第一目标概率与所述第二目标概率在所述图像数据中检测皮肤数 据。
第二方面，本申请实施例还提供了一种肤色检测装置，包括：
图像数据检测模块，设置为在图像数据中检测人脸数据、参考所述人脸数据划分与头部轮廓匹配的头部数据；
第一目标概率计算模块，设置为将所述图像数据的色彩值代入第一映射函数中，以计算所述图像数据属于皮肤数据的第一目标概率；
映射函数生成模块，设置为参考所述头部数据的亮度值生成第二映射函数，所述第二映射函数用于基于亮度值识别皮肤数据；
第二目标概率计算模块，设置为将所述图像数据的亮度值代入所述第二映射函数中，以计算所述图像数据属于皮肤数据的第二目标概率；
皮肤检测模块，设置为结合所述第一目标概率与所述第二目标概率在所述图像数据中检测皮肤数据。
第三方面，本申请实施例还提供了一种移动终端，所述移动终端包括：
至少一个处理器；
存储器，设置为存储至少一个程序，
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如第一方面所述的肤色检测方法。
第四方面，本申请实施例还提供了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计算机程序，所述计算机程序被处理器执行时实现如第一方所述的肤色检测方法。
图1为本申请实施例一提供的一种肤色检测方法的流程图；
图2为本申请实施例一提供的一种头部数据的示例图；
图3是本申请实施例一提供的一种第一映射函数的示意图；
图4是本申请实施例一提供的一种第二映射函数的示意图；
图5为本申请实施例一提供的一种肤色检测的概率分布对应的灰度分布图；
图6为本申请实施例二提供的一种肤色检测装置的结构示意图；
图7为本申请实施例三提供的一种移动终端的结构示意图。
下面结合附图和实施例对本申请进行说明。可以理解的是，此处所描述的 具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
实施例一
图1为本申请实施例一提供的一种肤色检测方法的流程图，本实施例可结合色彩值与亮度值进行肤色检测，该方法可以由肤色检测装置来执行，该肤色检测装置可以由软件和/或硬件实现，可配置在移动终端中，例如，手机、平板电脑、智能穿戴设备(如智能手表、智能眼镜等)，等等，包括如下步骤：
步骤101、在图像数据中检测人脸数据、参考人脸数据划分与头部轮廓匹配的头部数据。
在本实施例中，等待肤色检测的视频数据一般指在具有实时性的业务场景中所生成、传输或播放的视频数据。
一般而言，可在生成该视频数据的移动终端中对该视频数据进行肤色检测，此时，可开启移动终端的摄像头，摄像头采集视频数据。
除了在生成该视频数据的移动终端中对该视频数据进行肤色检测之外，也可以在播放该视频数据的移动终端对该视频数据进行肤色检测，本实施例对此不加以限制。
例如，在直播的业务场景中，等待肤色检测的视频数据可以指用于承载直播内容的视频数据，主播用户所登录的移动终端产生视频数据，以及，将该视频数据通过直播平台分发到至少一个观众用户所登录的设备进行播放，此时，通常在主播用户所登录的移动终端对该视频数据进行肤色检测。
又例如，在视频通话的业务场景中，等待肤色检测的视频数据可以指用于承载通话内容的视频数据，发起通话的用户所登录的移动终端产生视频数据，以及，将该视频数据发送到至少一个被邀请通话的用户所登录的设备进行播放，此时，通常在发起通话的用户所登录的移动终端对该视频数据进行肤色检测。
又例如，在视频会议的业务场景中，等待肤色检测的视频数据可以指用于承载会议内容的视频数据，正在发言的用户所登录的移动终端产生视频数据，以及，将该视频数据发送到至少一个参与该会议的用户所登录的设备进行播放，此时，通常正在发言的用户所登录的移动终端对该视频数据进行肤色检测。
等待肤色检测的视频数据也可以指在实时性要求较低的业务场景中所生成的视频数据，如短视频等，本实施例对此不加以限制。
在不同的业务场景中，通常是对用户采集视频数据，因此，在视频数据的多帧图像数据中通常具有用户的人物形象，所谓人物形象，可以指图像数据中 用于表示人物的像素点。
该人物形象至少包括用于表示人脸的人脸数据(像素点)，除此之外，还可以包括用于表示头发的头发数据(像素点)、用于表示躯体的躯体数据(像素点)、用于表示四肢的四肢数据(像素点)，等等，本申请实施例对此不加以限制。
其中，对于人脸数据、躯体数据、四肢数据等可以包括用于表示皮肤的皮肤数据(像素点)。
在本实施例中，可对多帧图像数据分别进行人脸检测，识别该图像数据中包含的人脸数据，以人脸数据作为优质的锚点，可捕捉到质量较高的皮肤数据。
在一些情况中，人脸数据以人脸关键点表示，即给定人脸数据，定位出人脸面部的关键区域位置，包括眉毛、眼睛、鼻子、嘴巴、脸部轮廓等等。
在另一些情况中，可以基于人脸关键点生成指定形状的范围，用该范围表示人脸数据，其中，该形状包括矩形、椭圆形等，对于矩形的范围，又可称之为人脸框。
可以使用如下方法对多帧图像数据进行人脸检测：
1、利用人工提取特征，如haar特征，使用特征训练分类器，使用分类器进行人脸检测。
2、从通用的目标检测算法中继承人脸检测，例如，利用Faster R-CNN来检测人脸。
3、使用级联结构的卷积神经网络，例如，Cascade CNN(级联卷积神经网络)，MTCNN(Multi-task Cascaded Convolutional Networks，多任务卷积神经网络)。
这些实现人脸检测的方法可以集成在应用的模块中，直接调用该应用的模块对图像数据进行人脸检测，这些实现人脸检测的方法也可以集成在SDK(Software Development Kit，软件开发工具包)，该SDK作为应用的组装数据，应用可请求SDK对多帧图像数据进行人脸检测，SDK检测到图像数据中的人脸数据，并将人脸数据返回应用。
若该应用为与摄像头配套的***应用，该***应用通常为这些实现人脸检测的方法提供API(应用程序编程接口，Application Program Interface)、作为人脸检测接口，例如，在Android(安卓)***中，提供了两个人脸检测接口android.media.FaceDetector和android.media.FaceDetector.Face，在iOS***中，提供了两个人脸检测接口AVCaptureMetadataOutput和CIDetector。
针对此情况，可调用摄像头提供的人脸检测接口，以请求在摄像头采集的多帧图像数据中检测人脸数据，接收人脸检测接口返回的一个或多个人脸框，人脸框为矩形框，可用于框定人脸数据，即人脸数据位于人脸框中。
对于***应用提供的人脸检测接口，有硬件支持，以及，基于少数人脸关键点(2个人脸关键点)标定人脸框，速度快，性能消耗很低，并且，精确度可满足要求。
由于人脸数据可以在一定程度上体现用户头部的空间位置信息，因此，在本实施例中，可以参照人脸数据的位置、形状等信息，在图像数据中划分出与头部轮廓匹配的头部数据，从而提高表达头部、人脸等部位的精确度。
对于头部轮廓而言，在人脸数据朝正面、朝侧面时有所不同，可以呈现出头发、脸型、耳朵、鼻子、嘴巴等部位，相应地，头部数据可在形状上体现这些部位。
在一实施例中，为了降低拟合头部数据的复杂度，提高计算的速度，降低计算的耗时，可以简化头部数据的形状，拟合为规范的形状，例如，将头部数据的形状拟合为椭圆形、圆形等。
在本申请第一个实施例中，如图2所示，头部数据包括脸部数据202、头发数据203，其中，脸部数据202与头部轮廓中的脸部轮廓相近，主要包含脸部，头发数据203与头部轮廓中的头发轮廓相近，主要包含头发。
一方面，如图2所示，参考人脸数据201的形状、位置等信息，在图像数据中划分与头部轮廓中的脸部轮廓匹配的脸部数据202。
在一个示例中，针对某种摄像头回调的人脸数据，若人脸数据201以人脸框框定，则脸部数据202符合如下条件：
脸部数据的形状为椭圆形；
脸部数据的焦点为人脸框中宽对应的框边的中点；
脸部数据的短轴的长度与人脸框中的宽相等；
脸部数据的长轴的长度与目标边的长度的n(n为正数，如2)倍相等，目标边为第一候选边、第二侯选边作为直角边时对应的斜边，第一侯选边为人脸框中宽取指定的第一比例，第二侯选边为人脸框中高取指定的第二比例。
在本示例中，设人脸框的宽为w，高为h，四个焦点分别为A(x
1，y
1)、B(x
2，y
2)、C(x
3，y
3)、D(x
4，y
4)，则脸部数据的焦点分别为F
1((x
1+x
2)/2，(y
1+y
2)/2)，F
2((x
3+x
4)/2，(y
3+y
4)/2)，脸部数据的短轴的长度为2b＝w，脸部数据的长轴的长度为
其中，i为第一比例， 属于小于或等于1的正数，如0.5，j为第二比例，属于小于或等于1的正数，如0.5。
另一方面，如图2所示，参考人脸数据201的形状、位置等信息，在图像数据中划分与头部轮廓中的头发轮廓匹配的头发数据203。
在头部数据中，头发数据203包围脸部数据202，两者相互独立，并不重叠。
在一个示例中，针对某种摄像头回调的人脸数据，若人脸数据201以人脸框框定，则头发数据203符合如下条件：
头发数据的形状为椭圆形；
头发数据的焦点为人脸框中宽对应的框边的中点；
头发数据的短轴的长度与人脸框中的宽的m(m为正数，表示头发数据对脸部数据放大m倍)倍相等；
头发数据的长轴的长度与目标边的长度的n×m倍相等，目标边为第一候选边、第二侯选边作为直角边时对应的斜边，第一侯选边为人脸框中宽取指定的第一比例，第二侯选边为人脸框中高取指定的第二比例。
在本示例中，设人脸框的宽为w，高为h，四个焦点分别为A(x
1，y
1)、B(x
2，y
2)、C(x
3，y
3)、D(x
4，y
4)，则头发数据的焦点分别为F
1((x
1+x
2)/2，(y
1+y
2)/2)，F
2((x
3+x
4)/2，(y
3+y
4)/2)，头发数据的短轴的长度为2b＝mw，头发数据的长轴的长度为
其中，i为第一比例，属于小于或等于1的正数，如0.5，j为第一比例，属于小于或等于1的正数，如0.5。
在一示例中，m可以为预设的经验值，属于常数，m也可以为自适应的变量，与人脸数据的面积正相关，即人脸数据的面积越大，头发数据的面积也越大，此时，m的数值越大，反之，人脸数据的面积越小，头发数据的面积也越小，此时，m的数值越小。
上述头部数据及其划分方式只是作为示例，在不同操作***、不同版本的摄像头所回调的人脸数据有所不同，在实施本申请实施例时，可以根据实际情况设置其它头部数据及其划分方式，本申请实施例对此不加以限制。另外，除了上述头部数据及其划分方式外，本领域技术人员还可以根据实际需要采用其它头部数据及其划分方式，本申请实施例对此也不加以限制。
一般情况下，脸部数据中可以包括额头、眼睛、鼻子、嘴巴、脸颊、耳朵等部位，头发数据中可以包括头发等部位，在简化脸部数据的情况下，脸部数据中除了包括额头、眼睛、鼻子、嘴巴、脸颊、耳朵等部位之外，还可能包括 部分头发、背景等数据，头发数据中除了包括头发等部位之外，还可能包括部分额头、部分耳朵、部分两部、脖子、背景等数据。
此外，若图像数据中存在多个人脸数据，则分别统计多个人脸数据的面积，若人脸数据以人脸框框定，该人脸框的宽为w，高为h，则该人脸数据的面积S＝w×h。
将至少一个人脸数据的面积进行比较，提取面积最大的k个(k为正整数，如3个)人脸数据，参考面积最大的k个人脸数据划分与头部轮廓匹配的头部数据，由于摄像头的成像特性、回调人脸数据的方法，其对面积较大的人脸数据的颜色描述较为准确，选择面积最大的k个人脸数据划分与头部轮廓匹配的头部数据，可以在降低计算量的情况下、保证后续统计皮肤数据的亮度值的精确度。
例如，面积最大的k个人脸数据，可为，按照面积从大至小对人脸数据进行排序，k个人脸数据可为此排序中的前k个人脸数据。但不限制于此类基于面积大小选取人脸数据的选取方式。
在图像数据中存在多个人脸数据的情况下，也可以针对全部人脸数据划分与头部轮廓匹配的头部数据，本实施例对此不加以限制。
步骤102、将图像数据的色彩值代入第一映射函数中，以计算图像数据属于皮肤数据的第一目标概率。
在本实施例中，可以通过对皮肤数据、非皮肤数据等不同样本中的像素点统计色彩值的方式设置第一映射函数，该第一映射函数可用于基于色彩值识别皮肤数据，即该第一映射函数的输入为色彩值，输出为当前数据属于皮肤数据的概率，此时，可统计不同样本中的像素点在某一色彩值下为皮肤数据的概率，从而将这些色彩值及其概率拟合为第一映射函数。
为了保持通用性，第一映射函数可以参照不同种族、不同年龄段、不同肤色的用户的皮肤数据，也可以参照在不同光照情况下的皮肤数据，因此，第一映射函数较为宽泛，精确度相对较高。
一般情况下，第一映射函数中当前数据属于皮肤数据的概率为连续值，如[0-1]，在部分情况下，第一映射函数中当前数据属于皮肤数据的概率为离散值，如0、1，本实施例对此不加以限制。
在一个示例中，如图3所示，在第一映射函数所处坐标系中，横坐标(横轴)为色彩值(X)、纵坐标(纵轴)为当前数据属于皮肤数据的概率(P)。
该第一映射函数包括依次连接的第一色彩映射段(横坐标为[x
0，x
1])、第 二色彩映射段(横坐标为[x
1，x
2])、第三色彩映射段(横坐标为[x
2，x
3])，其中，第一色彩映射段中属于皮肤数据的概率从0上升至1，第二色彩映射段中属于皮肤数据的概率为1，第三色彩映射段中属于皮肤数据的概率从1下降至0。
在一个示例中，第二色彩映射段属于线段，第一色彩映射段、第三色彩映射段属于曲线，可以通过使用多项式函数等方式进行拟合。
上述第一映射函数只是作为示例，在实施本申请实施例时，可以根据实际情况设置其它第一映射函数，例如，该第一映射函数包括依次连接的第一色彩映射段、第二色彩映射段，其中，第一色彩映射段中当前数据属于皮肤数据的概率从0上升至1，第二色彩映射段中当前数据属于皮肤数据的概率从1下降至0，此时，映射函数以一元二次方程等函数表达，等等，本申请实施例对此不加以限制。另外，除了上述第一映射函数外，本领域技术人员还可以根据实际需要采用其它第一映射函数，本申请实施例对此也不加以限制。
在不同颜色空间中，色彩值具有不同的色度分量，可针对每个色彩分量设置相应的映射函数，例如，在RGB颜色空间中，具有红色色度分量(R)、绿色色度分量(G)、蓝色色度分量(B)，则可以针对红色色度分量(R)设置映射函数、针对绿色色度分量(G)设置映射函数、针对蓝色色度分量(B)设置映射函数，又例如，在YCbCr颜色空间中，具有蓝色色度分量(Cb)、红色色度分量(Cr)，则可以针对蓝色色度分量(Cb)设置映射函数、针对红色色度分量(Cr)设置映射函数，等等。
在本实施例中，可以应用第一映射函数对图像数据进行肤色检测，从而在色彩值的维度下、检测图像数据中每个像素点表征皮肤数据的程度。
在一个示例中，可在第一映射函数所处的坐标系中的横轴标记图像数据每个像素点的色彩值，若图像数据中像素点的色彩值在第一映射函数外，则该像素点属于皮肤数据的概率为0，若图像数据中像素点的色彩值在第一映射函数内，则可通过第一映射函数查找该色彩值在纵轴对应的概率，作为该像素点属于皮肤数据的第一目标概率。
在一些情况中，映射函数的横坐标为色彩值、纵坐标为像素点属于皮肤数据的概率，在不同颜色空间中，色彩值具有不同的色度分量，每个色彩分量具有相应的映射函数，针对同一个像素点，可计算出不同的概率。
针对此情况，可查询图像数据中每个像素点的色彩值，将色彩值代入相应的第一映射函数中，以映射为像素点在该色彩值下属于皮肤数据的候选概率，基于这些候选概率，可使用求平均值、求和、乘积、线性融合(即配置权重之 后求和)等方式计算像素点属于皮肤数据的第一目标概率，这些第一目标概率体现了在色彩值的维度下、肤色的ROI(region of interest，感兴趣区域)区域。
在一个示例中，针对YCbCr颜色空间，图像数据具有蓝色色度分量Cb、红色色度分量Cr。
一方面，将蓝色色度分量Cb的色彩值代入蓝色色度分量Cb对应的第一映射函数中，以映射为像素点在蓝色色度分量Cb下属于皮肤数据的蓝色概率，作为候选概率
另一方面，将红色色度分量Cr的色彩值代入红色色度分量Cr对应的第一映射函数中，以映射为像素点在红色色度分量Cr下属于皮肤数据的红色概率，作为候选概率
此时，可计算蓝色概率
与红色概率
之间的乘积，作为像素点属于皮肤数据的第一目标概率
步骤103、参考头部数据的亮度值生成第二映射函数。
如果在图像数据中检测到人脸数据，则可以对人脸数据进行修正，得到头部数据，在头部数据的范围内统计亮度值，该亮度值为皮肤数据的亮度值的置信度较高，可作为针对当前用户生成第二映射函数，提高第二映射函数对于当前用户的精确度，即，在本实施例中，可以通过头部数据的亮度值设置第二映射函数，该第二映射函数可用于基于亮度值识别皮肤数据，即该映射函数的输入为亮度值，输出为当前数据属于皮肤数据的概率，此时，可统计头部数据的像素点在某一亮度值下为皮肤数据的概率，从而将这些亮度值及其概率拟合为第二映射函数。
一般情况下，第二映射函数中当前数据属于皮肤数据的概率为连续值，如[0-1]，在部分情况下，第二映射函数中当前数据属于皮肤数据的概率为离散值，如0、1，本实施例对此不加以限制。
在一个示例中，如图4所示，在第二映射函数所处坐标系中，横坐标(横轴)为亮度值(X)、纵坐标(纵轴)为当前数据属于皮肤数据的概率(P)。
该第二映射函数包括依次连接的第一亮度映射段(横坐标为[x
0，x
1])、第二亮度映射段(横坐标为[x
1，x
2])，其中，第一亮度映射段中当前数据属于皮肤数据的概率从0上升至1，第二亮度映射段中当前数据属于皮肤数据的概率为1。
在一个示例中，第二亮度映射段属于线段，第一亮度映射段属于曲线，可以通过使用多项式函数等方式进行拟合。
上述第二映射函数只是作为示例，在实施本申请实施例时，可以根据实际情况设置其它第二映射函数，例如，该第二映射函数包括依次连接的第一亮度映射段、第二亮度映射段、第三亮度映射段，其中，第一亮度映射段参考头发数据中的像素点拟合、其属于皮肤数据的概率从0上升至1，第二亮度映射段参考脸部数据中肤色范围内的像素点拟合、其属于皮肤数据的概率为1，第三亮度映射段参考脸部数据中非肤色范围(如眼镜、牙齿、眉毛等)内的像素点拟合、其属于皮肤数据的概率从1下降至0，等等，本申请实施例对此不加以限制。另外，除了上述第二映射函数外，本领域技术人员还可以根据实际需要采用其它第二映射函数，本申请实施例对此也不加以限制。
在一种拟合的方式中，若头部数据包括与头部轮廓中的脸部轮廓匹配的脸部数据、与头部轮廓中的头发轮廓匹配的头发数据，在脸部数据中，像素点属于皮肤数据的概率较高，在头发数据中，像素点属于皮肤数据的概率较低。如果脸部数据的亮度值大于头发数据的亮度值，那么，可以利用亮度值来对肤色检测进行压制。
一方面统计头发数据的亮度值，作为第一参考亮度值，在亮度值-概率的坐标系中，将第一参考亮度值对应像素点属于皮肤数据的概率为0。
另一方面，统计脸部数据与头发数据的亮度值，作为第二参考亮度值，在亮度值-概率的坐标系中，将第二参考亮度值对应像素点属于皮肤数据的概率为1。
此时，可在第一亮度映射段中，以第一参考亮度值作为起点、第二参考亮度值作为终点拟合曲线，在第二亮度映射段中，以第二参考亮度值作为起点拟合直线，从而生成第二映射函数。
此外，对于脸部数据为椭圆形等情况，对椭圆形中像素点进行统计亮度值的操作较为复杂，而人脸数据多以人脸框框定，人脸框为矩形，对矩形中像素点进行统计亮度值的操作较为简单，而两者相差较少，因此，可将人脸数据替代脸部数据，在保持一定精确度的情况下，提高操作的简便性，提高计算的速度，降低计算的耗时。
在一个示例中，一方面统计头发数据的亮度值，作为第一参考亮度值，在亮度值-概率的坐标系中，将第一参考亮度值对应像素点属于皮肤数据的概率为0，另一方面，统计人脸数据与头发数据的亮度值，作为第二参考亮度值，在亮度值-概率的坐标系中，将第二参考亮度值对应像素点属于皮肤数据的概率为1。
此时，可在第一亮度映射段中，以第一参考亮度值作为起点、第二参考亮 度值作为终点拟合曲线，在第二亮度映射段中，以第二参考亮度值作为起点拟合直线，从而生成第二映射函数。
步骤104、将图像数据的亮度值代入第二映射函数中，以计算图像数据属于皮肤数据的第二目标概率。
在本实施例中，可以应用第二映射函数对图像数据进行肤色检测，从而在亮度值的维度下、检测图像数据中每个像素点表征皮肤数据的程度。
在一示例中，可查询图像数据中每个像素点的亮度值，将亮度值代入第二映射函数中，以映射为像素点属于皮肤数据的第二目标概率，即，在第二映射函数所处的坐标系中的横轴标记图像数据每个像素点的亮度值，若图像数据中像素点的亮度值在第二映射函数外，则该像素点属于皮肤数据的概率为0，若图像数据中像素点的亮度值在第二映射函数内，则可通过第二映射函数查找该亮度值在纵轴对应的概率，作为该像素点属于皮肤数据的第二目标概率。
步骤105、结合第一目标概率与第二目标概率在图像数据中检测皮肤数据。
针对同一个帧图像数据，可以使用求平均值、求和、乘积、线性融合(即配置权重之后求和)等方式结合在色彩值的维度下的第一目标概率、在亮度值的维度下的第二目标概率，对目标数据进行肤色检测，从而在图像数据中检测像素点表征皮肤数据的程度。
在一个示例中，可认为色彩值、亮度值均较为重要，此时，针对图像数据中的同一个像素点，计算第一目标概率与第二目标概率之间的乘积，作为像素点属于皮肤数据的第三目标概率，在色彩值的维度下的第一目标概率、在亮度值的维度下的第二目标概率均较大时，两者相乘的第三目标概率的数值较大，在色彩值的维度下的第一目标概率、在亮度值的维度下的第二目标概率中的某一者较大、另一者较小时，两者相乘的第三目标概率的数值较小。
此外，若在先未检测到人脸数据，则可以基于颜色空间在图像数据中检测皮肤数据，基于颜色空间的方法计算简单，因此，计算速度快，耗时少，统计多个皮肤数据的颜色值可以在整体上保持较高的精确度，满足先验知识的要求。
由于图像数据的颜色空间有所不同，针对不同的颜色空间，可使用与该颜色空间相应的方法在人脸数据中检测皮肤数据，或者，将图像数据转换至指定的颜色空间中，使用与指定的颜色空间相应的方法在人脸数据中检测皮肤数据，本实施例对此不加以限制。
在一个示例中，针对RGB颜色空间，像素点的色彩值符合如下条件时，可以认为该像素点是皮肤数据(即该像素点属于皮肤数据的概率为1)，像素点的 色彩值不符合如下条件时，可以认为该像素点不是皮肤数据(即该像素点属于皮肤数据的概率为0)：
R＞95，G＞40，B＞20，R＞G，R＞B
(Max(R，G，B)-Min(R，G，B))＞15
Abs(R-G)＞5
其中，Max表示取最大值，Min表示取最小值，Abs表示取绝对值。
其中，R表示红色色度分量，G表示绿色色度分量，B表示蓝色色度分量。
在另一个示例中，针对YCbCr颜色空间，像素点的色彩值符合如下条件时，可以认为该像素点是皮肤数据(即该像素点属于皮肤数据的概率为1)，像素点的色彩值不符合如下条件时，可以认为该像素点不是皮肤数据(即该像素点属于皮肤数据的概率为0)：
c
x＝109.38，c
y＝152.02，θ＝2.53，
a＝25.39，b＝14.03
其中，Cb表示蓝色色度分量，Cr表示红色色度分量。
为使本领域技术人员更好地理解本申请实施例，以下通过示例来说明本实施例中的肤色检测方法。
如图5所示，针对同一帧图像数据，左侧为使用基于颜色空间进行肤色检测所得到的概率分布对应的灰度分布，右侧为应用本实施例进行肤色检测所得到的概率分布对应的灰度分布，其中，像素点的灰度越高(越偏白色)表示该像素点属于皮肤数据的概率越高，灰度越低(越偏黑色)表示该像素点属于皮肤数据的概率越低。
由于采集图像数据时，光照、肤色、发色等因素交杂，头发、脸部非肤色区域与肤色区域在色彩值上较为接近，在颜色的维度下较为容易发生错检的情况，但头发、脸部非肤色区域与肤色区域在亮度值上存在较大的差异。
基于颜色空间进行肤色检测将头发、脸部非肤色区域(如眉毛、眼睛、鼻子、嘴巴等)、背景(如电灯等)均较多地认为属于皮肤数据，而本实施例可以很好地排除头发、脸部非肤色区域(如眉毛、眼睛、鼻子、嘴巴等)、背景(如 电灯等)，大大提高了肤色检测的准确率，在后续的美颜处理(如磨皮)中可以很好地保护头发、脸部非肤色区域(如眉毛、眼睛、鼻子、嘴巴等)、背景(如电灯等)。
在本实施例中，在图像数据中检测人脸数据、参考人脸数据划分与头部轮廓匹配的头部数据，将图像数据的色彩值代入第一映射函数中，以计算图像数据属于皮肤数据的第一目标概率，参考头部数据的亮度值生成第二映射函数，第二映射函数用于基于亮度值识别皮肤数据，将图像数据的亮度值代入第二映射函数中，以计算图像数据属于皮肤数据的第二目标概率，结合第一目标概率与第二目标概率在图像数据中检测皮肤数据，人脸数据可以在一定程度上体现用户头部的空间位置信息，以人脸数据作为基础描述头部数据，可以保证头部数据的准确性，以头部数据作为锚点可以捕捉到优质的皮肤数据及其接近的非皮肤数据，可以在当前的业务场景中对皮肤数据统计出较为准确的亮度值，以此自适应生成第二映射函数，可以保证第二映射函数在当前的业务场景中进行肤色检测的准确性，并且，在色彩、亮度这两个维度下结合进行肤色检测，丰富了肤色检测的维度，从而提高了肤色检测的准确性，此外，人脸检测、绘制头部数据、统计色彩值与亮度值、第一映射函数与第二映射函数的生成及其应用等操作均较为简单，计算量少、速度快、耗时短，在移动终端等设备性能受限的情况下，可实现实时对视频数据进行肤色检测。
在一实施例中，在提高肤色检测的准确性的情况下，可以排除色彩值上一些与皮肤数据相似的数据，如头发、脸部非肤色区域、背景等，使得在后续美颜处理(如磨皮处理)中保护色彩与皮肤数据相似的数据，减缓或避免与皮肤数据相似的数据因美颜处理(如磨皮处理)而导致清晰度下降的情况，从而保证美颜处理的质量。
对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例所涉及的动作并不一定是本申请实施例所必须的。
实施例二
图6为本申请实施例二提供的一种肤色检测装置的结构框图，可以包括如下模块：
图像数据检测模块601，设置为在图像数据中检测人脸数据、参考所述人脸 数据划分与头部轮廓匹配的头部数据；
第一目标概率计算模块602，设置为将所述图像数据的色彩值代入第一映射函数中，以计算所述图像数据属于皮肤数据的第一目标概率；
映射函数生成模块603，设置为参考所述头部数据的亮度值生成第二映射函数，所述第二映射函数用于基于亮度值识别皮肤数据；
第二目标概率计算模块604，设置为将所述图像数据的亮度值代入所述第二映射函数中，以计算所述图像数据属于皮肤数据的第二目标概率；
皮肤检测模块605，设置为结合所述第一目标概率与所述第二目标概率在所述图像数据中检测皮肤数据。
在本申请的一个实施例中，所述图像数据检测模块601包括：
人脸检测接口调用模块，设置为调用摄像头提供的人脸检测接口，以请求在所述摄像头采集的图像数据中检测人脸数据；
人脸框接收模块，设置为接收所述人脸检测接口返回的至少一个人脸框，所述人脸框用于框定人脸数据。
在本申请的一个实施例中，所述头部数据包括脸部数据、头发数据；所述图像数据检测模块601包括：
脸部数据划分模块，设置为参考所述人脸数据划分与头部轮廓中的脸部轮廓匹配的脸部数据；
头发数据划分模块，设置为参考所述人脸数据划分与头部轮廓中的头发轮廓匹配的头发数据，所述头发数据包围所述脸部数据。
在本申请实施例的一个示例中，若所述人脸数据以人脸框框定，则所述脸部数据符合如下条件：
所述脸部数据的形状为椭圆形；
所述脸部数据的焦点为所述人脸框中宽对应的框边的中点；
所述脸部数据的短轴的长度与所述人脸框中的宽相等；
所述脸部数据的长轴的长度与目标边的长度的n倍相等，所述目标边为第一候选边、第二侯选边分别作为直角三角形的直角边时对应的斜边，所述第一侯选边为所述人脸框中宽取指定的第一比例，所述第二侯选边为所述人脸框中高取指定的第二比例。
在本申请实施例的一个示例中，若所述人脸数据以人脸框框定，则所述头发数据符合如下条件：
所述头发数据的形状为椭圆形；
所述头发数据的焦点为所述人脸框中宽对应的框边的中点；
所述头发数据的短轴的长度与所述人脸框中的宽的m倍相等，所述m与所述人脸数据的面积正相关；
所述头发数据的长轴的长度与目标边的长度的n×m倍相等，所述目标边为第一候选边、第二侯选边分别作为直角三角形的直角边时对应的斜边，所述第一侯选边为所述人脸框中宽取指定的第一比例，所述第二侯选边为所述人脸框中高取指定的第二比例。
在本申请的一个实施例中，所述图像数据检测模块601包括：
面积统计模块，设置为响应于所述图像数据中存在多个人脸数据，分别统计多个所述人脸数据的面积；
面积选取模块，设置为参考所述面积最大的k个所述人脸数据划分与头部轮廓匹配的头部数据。
在本申请的一个实施例中，所述第一映射函数的横坐标为色彩值、纵坐标为当前数据属于皮肤数据的概率；
所述第一映射函数包括依次连接的第一色彩映射段、第二色彩映射段、第三色彩映射段，所述第一色彩映射段中当前数据属于皮肤数据的概率从0上升至1，所述第二色彩映射段中当前数据属于皮肤数据的概率为1，所述第三色彩映射段中当前数据属于皮肤数据的概率从1下降至0。
在本申请的一个实施例中，所述第一目标概率计算模块602包括：
色彩值查询模块，设置为查询所述图像数据中像素点的色彩值；
候选概率映射模块，设置为将所述色彩值代入所述第一映射函数中，以映射为所述像素点在所述色彩值下属于皮肤数据的候选概率；
目标概率结合模块，设置为基于所述候选概率计算所述像素点属于皮肤数据的第一目标概率。
在本申请的一个实施例中，所述候选概率映射模块包括：
蓝色概率映射模块，设置为将蓝色色度分量的色彩值代入所述蓝色色度分量对应的所述第一映射函数中，以映射为所述像素点在所述蓝色色度分量下属于皮肤数据的蓝色概率，作为候选概率；
红色概率映射模块，设置为将红色色度分量的色彩值代入所述红色色度分量对应的所述第一映射函数中，以映射为所述像素点在所述红色色度分量下属于皮肤数据的红色概率，作为候选概率；
所述目标概率结合模块包括：
第一概率乘积计算模块，设置为计算所述蓝色概率与所述红色概率之间的乘积，作为所述像素点属于皮肤数据的第一目标概率。
在本申请的一个实施例中，所述第二映射函数的横坐标为亮度值、纵坐标为当前数据属于皮肤数据的概率；
所述第二映射函数包括依次连接的第一亮度映射段、第二亮度映射段，所述第一亮度映射段中当前数据属于皮肤数据的概率从0上升至1，所述第二亮度映射段中当前数据属于皮肤数据的概率为1。
在本申请的一个实施例中，所述头部数据包括与头部轮廓中的脸部轮廓匹配的脸部数据、与头部轮廓中的头发轮廓匹配的头发数据，
所述映射函数生成模块603包括：
第一参考亮度值统计模块，设置为统计所述头发数据的亮度值，作为第一参考亮度值，所述第一参考亮度值对应当前数据属于皮肤数据的概率为0；
第二参考亮度值统计模块，设置为统计所述脸部数据与所述头发数据的亮度值，作为第二参考亮度值，所述第二参考亮度值对应当前数据属于皮肤数据的概率为1；
第一亮度映射段拟合模块，设置为在所述第一亮度映射段中，以所述第一参考亮度值作为起点、所述第二参考亮度值作为终点拟合曲线；
第二亮度映射段拟合模块，设置为在所述第二亮度映射段中，以所述第二参考亮度值作为起点拟合直线。
在本申请的一个实施例中，所述映射函数生成模块603包括：
脸部数据替代模块，设置为将所述人脸数据替代所述脸部数据。
在本申请的一个实施例中，所述第二目标概率计算模块604包括：
亮度值统计模块，设置为查询所述图像数据中像素点的亮度值；
亮度值映射模块，设置为将所述亮度值代入所述第二映射函数中，以映射为所述像素点属于皮肤数据的第二目标概率。
在本申请的一个实施例中，所述皮肤检测模块605包括：
第二概率乘积计算模块，设置为针对所述图像数据中的同一个像素点，计算所述像素点的所述第一目标概率与所述像素点的所述第二目标概率之间的乘积，作为所述像素点属于皮肤数据的第三目标概率。
本申请实施例所提供的肤色检测装置可执行本申请任意实施例所提供的肤色检测方法，具备执行方法相应的功能模块和有益效果。
实施例三
图7为本申请实施例三提供的一种移动终端的结构示意图。图7示出了适于用来实现本申请实施方式的示例性移动终端12的框图。图7显示的移动终端12仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示，移动终端12以通用计算设备的形式表现。移动终端12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，***存储器28，连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，***总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA，Industry Standard Architecture)总线，微通道体系结构(MCA，Micro Channel Architecture)总线，增强型ISA总线、视频电子标准协会(VESA，Video Electronics Standards Association)局域总线以及***组件互连(PCI，Peripheral Component Interconnect)总线。
移动终端12典型地包括多种计算机***可读介质。这些介质可以是任何能够被移动终端12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
***存储器(也可记为内存)28可以包括易失性存储器形式的计算机***可读介质，例如随机存取存储器(RAM，Random Access Memory)30和/或高速缓存存储器32。移动终端12可以包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例，存储***34可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。
移动终端12也可以与一个或多个外部设备14(例如键盘、指向设备、显示 器24等)通信，还可与一个或者多个使得用户能与该移动终端12交互的设备通信，和/或与使得该移动终端12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，移动终端12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN，Local Area Network)，广域网(WAN，Wide Area Network)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与移动终端12的其它模块通信。应当明白，尽管图7中未示出，可以结合移动终端12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID(Redundant Arrays of Independent Disks，磁盘阵列)***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序，从而执行至少一种功能应用以及数据处理，例如实现本申请实施例所提供的肤色检测方法。
实施例四
本申请实施例四还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述肤色检测方法的多个过程，且能达到相同的效果，为避免重复，这里不再赘述。
其中，计算机可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM，Read-Only Memory)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
存储介质可以是非暂态(non-transitory)存储介质。
本申请实施例提出了一种肤色检测方法、装置、移动终端和存储介质，以解决如何在性能受限的情况下，兼顾肤色检测的实时性与精确度的问题。
本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了说明，但是本申请不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。
Claims (17)
- 一种肤色检测方法，包括：在图像数据中检测人脸数据、参考所述人脸数据划分与头部轮廓匹配的头部数据；将所述图像数据的色彩值代入第一映射函数中，以计算所述图像数据属于皮肤数据的第一目标概率；参考所述头部数据的亮度值生成第二映射函数，所述第二映射函数用于基于亮度值识别皮肤数据；将所述图像数据的亮度值代入所述第二映射函数中，以计算所述图像数据属于皮肤数据的第二目标概率；结合所述第一目标概率与所述第二目标概率在所述图像数据中检测皮肤数据。
- 根据权利要求1所述的方法，其中，所述在图像数据中检测人脸数据、参考所述人脸数据划分与头部轮廓匹配的头部数据，包括：调用摄像头提供的人脸检测接口，以请求在所述摄像头采集的图像数据中检测人脸数据；接收所述人脸检测接口返回的至少一个人脸框，所述人脸框用于框定人脸数据。
- 根据权利要求1所述的方法，其中，所述头部数据包括脸部数据、头发数据；所述在图像数据中检测人脸数据、参考所述人脸数据划分与头部轮廓匹配的头部数据，包括：参考所述人脸数据划分与头部轮廓中的脸部轮廓匹配的脸部数据；参考所述人脸数据划分与头部轮廓中的头发轮廓匹配的头发数据，所述头发数据包围所述脸部数据。
- 根据权利要求3所述的方法，其中，响应于所述人脸数据以人脸框框定，所述脸部数据符合如下条件：所述脸部数据的形状为椭圆形；所述脸部数据的焦点为所述人脸框中宽对应的框边的中点；所述脸部数据的短轴的长度与所述人脸框中的宽相等；所述脸部数据的长轴的长度与目标边的长度的n倍相等，所述目标边为第一候选边、第二侯选边分别作为直角三角形的直角边时对应的斜边，所述第一侯选边为所述人脸框中宽取指定的第一比例，所述第二侯选边为所述人脸框中高取指定的第二比例。
- 根据权利要求3所述的方法，其中，响应于所述人脸数据以人脸框框定，所述头发数据符合如下条件：所述头发数据的形状为椭圆形；所述头发数据的焦点为所述人脸框中宽对应的框边的中点；所述头发数据的短轴的长度与所述人脸框中的宽的m倍相等，所述m与所述人脸数据的面积正相关；所述头发数据的长轴的长度与目标边的长度的n×m倍相等，所述目标边为第一候选边、第二侯选边分别作为直角三角形的直角边时对应的斜边，所述第一侯选边为所述人脸框中宽取指定的第一比例，所述第二侯选边为所述人脸框中高取指定的第二比例。
- 根据权利要求1所述的方法，其中，所述在图像数据中检测人脸数据、参考所述人脸数据划分与头部轮廓匹配的头部数据，包括：响应于所述图像数据中存在多个人脸数据，分别统计多个所述人脸数据的面积；参考所述面积最大的k个所述人脸数据划分与头部轮廓匹配的头部数据。
- 根据权利要求1所述的方法，其中，所述第一映射函数的横坐标为色彩值、纵坐标为当前数据属于皮肤数据的概率；所述第一映射函数包括依次连接的第一色彩映射段、第二色彩映射段、第三色彩映射段，所述第一色彩映射段中当前数据属于皮肤数据的概率从0上升至1，所述第二色彩映射段中当前数据属于皮肤数据的概率为1，所述第三色彩映射段中当前数据属于皮肤数据的概率从1下降至0。
- 根据权利要求1-7中任一项所述的方法，其中，所述将所述图像数据的色彩值代入第一映射函数中，以计算所述图像数据属于皮肤数据的第一目标概率，包括：查询所述图像数据中像素点的色彩值；将所述色彩值代入所述第一映射函数中，以映射为所述像素点在所述色彩值下属于皮肤数据的候选概率；基于所述候选概率计算所述像素点属于皮肤数据的第一目标概率。
- 根据权利要求8所述的方法，其中，所述将所述色彩值代入所述第一映射函数中，以映射为所述像素点在所述色彩值下属于皮肤数据的候选概率，包括：将蓝色色度分量的色彩值代入所述蓝色色度分量对应的所述第一映射函数 中，以映射为所述像素点在所述蓝色色度分量下属于皮肤数据的蓝色概率，作为候选概率；将红色色度分量的色彩值代入所述红色色度分量对应的所述第一映射函数中，以映射为所述像素点在所述红色色度分量下属于皮肤数据的红色概率，作为候选概率；所述基于所述候选概率计算所述像素点属于皮肤数据的第一目标概率，包括：计算所述蓝色概率与所述红色概率之间的乘积，作为所述像素点属于皮肤数据的第一目标概率。
- 根据权利要求1所述的方法，其中，所述第二映射函数的横坐标为亮度值、纵坐标为当前数据属于皮肤数据的概率；所述第二映射函数包括依次连接的第一亮度映射段、第二亮度映射段，所述第一亮度映射段中当前数据属于皮肤数据的概率从0上升至1，所述第二亮度映射段中当前数据属于皮肤数据的概率为1。
- 根据权利要求10所述的方法，其中，所述头部数据包括与头部轮廓中的脸部轮廓匹配的脸部数据、与头部轮廓中的头发轮廓匹配的头发数据，所述参考所述头部数据的亮度值生成第二映射函数，包括：统计所述头发数据的亮度值，作为第一参考亮度值，所述第一参考亮度值对应当前数据属于皮肤数据的概率为0；统计所述脸部数据与所述头发数据的亮度值，作为第二参考亮度值，所述第二参考亮度值对应当前数据属于皮肤数据的概率为1；在所述第一亮度映射段中，以所述第一参考亮度值作为起点、所述第二参考亮度值作为终点拟合曲线；在所述第二亮度映射段中，以所述第二参考亮度值作为起点拟合直线。
- 根据权利要求11所述的方法，其中，所述参考所述头部数据的亮度值生成第二映射函数，还包括：将所述人脸数据替代所述脸部数据。
- 根据权利要求1-7、9-12中任一项所述的方法，其中，所述将所述图像数据的亮度值代入所述第二映射函数中，以计算所述图像数据属于皮肤数据的第二目标概率，包括：查询所述图像数据中像素点的亮度值；将所述亮度值代入所述第二映射函数中，以映射为所述像素点属于皮肤数 据的第二目标概率。
- 根据权利要求1-7、9-12中任一项所述的方法，其中，所述结合所述第一目标概率与所述第二目标概率在所述图像数据中检测皮肤数据，包括：针对所述图像数据中的同一个像素点，计算所述像素点的所述第一目标概率与所述像素点的所述第二目标概率之间的乘积，作为所述像素点属于皮肤数据的第三目标概率。
- 一种肤色检测装置，包括：图像数据检测模块，设置为在图像数据中检测人脸数据、参考所述人脸数据划分与头部轮廓匹配的头部数据；第一目标概率计算模块，设置为将所述图像数据的色彩值代入第一映射函数中，以计算所述图像数据属于皮肤数据的第一目标概率；映射函数生成模块，设置为参考所述头部数据的亮度值生成第二映射函数，所述第二映射函数用于基于亮度值识别皮肤数据；第二目标概率计算模块，设置为将所述图像数据的亮度值代入所述第二映射函数中，以计算所述图像数据属于皮肤数据的第二目标概率；皮肤检测模块，设置为结合所述第一目标概率与所述第二目标概率在所述图像数据中检测皮肤数据。
- 一种移动终端，所述移动终端包括：至少一个处理器；存储器，设置为存储至少一个程序，当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-14中任一项所述的肤色检测方法。
- 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计算机程序，所述计算机程序被处理器执行时实现如权利要求1-14中任一项所述的肤色检测方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011566266.4A CN112686965A (zh) | 2020-12-25 | 2020-12-25 | 一种肤色检测方法、装置、移动终端和存储介质 |
| CN202011566266.4 | 2020-12-25 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2022135579A1 true WO2022135579A1 (zh) | 2022-06-30 |
Family
ID=75451866
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2021/141287 WO2022135579A1 (zh) | 2020-12-25 | 2021-12-24 | 肤色检测方法、装置、移动终端和存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN112686965A (zh) |
| WO (1) | WO2022135579A1 (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN114710627B (zh) * | 2022-04-06 | 2024-03-29 | Oppo广东移动通信有限公司 | 皮肤检测方法、移动终端、计算机设备和介质 |
| CN114708543B (zh) * | 2022-06-06 | 2022-08-30 | 成都信息工程大学 | 一种考场监控视频图像中考生定位方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140079319A1 (en) * | 2012-09-20 | 2014-03-20 | Htc Corporation | Methods for enhancing images and apparatuses using the same |
| CN107564073A (zh) * | 2017-09-14 | 2018-01-09 | 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 |
| CN107633252A (zh) * | 2017-09-19 | 2018-01-26 | 广州市百果园信息技术有限公司 | 肤色检测方法、装置及存储介质 |
| CN112597911A (zh) * | 2020-12-25 | 2021-04-02 | 百果园技术(新加坡)有限公司 | 一种磨皮处理方法、装置、移动终端和存储介质 |
| 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 |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8050494B2 (en) * | 2008-05-23 | 2011-11-01 | Samsung Electronics Co., Ltd. | System and method for human hand motion detection by skin color prediction |
| CN102436637B (zh) * | 2010-09-29 | 2013-08-21 | 中国科学院计算技术研究所 | 从头部图像中自动分割头发的方法及其*** |
| CN103632132B (zh) * | 2012-12-11 | 2017-02-15 | 广西科技大学 | 一种基于肤色分割和模板匹配的人脸检测与识别方法 |
| TWI520101B (zh) * | 2014-04-16 | 2016-02-01 | 鈺創科技股份有限公司 | 美化影像中人體膚色的方法、美化影像中人體膚色的裝置、調整影像中人體膚色亮度的方法及調整影像中人體膚色亮度的裝置 |
| CN104392211A (zh) * | 2014-11-12 | 2015-03-04 | 厦门美图网科技有限公司 | 一种基于显著性检测的皮肤识别方法 |
| CN104484664B (zh) * | 2014-12-31 | 2018-03-20 | 小米科技有限责任公司 | 人脸图片处理方法和装置 |
| US10491895B2 (en) * | 2016-05-23 | 2019-11-26 | Intel Corporation | Fast and robust human skin tone region detection for improved video coding |
| CN106097354B (zh) * | 2016-06-16 | 2019-07-09 | 南昌航空大学 | 一种结合自适应高斯肤色检测和区域生长的手部图像分割方法 |
| CN108513089B (zh) * | 2017-02-24 | 2021-02-12 | 腾讯科技（深圳）有限公司 | 群组视频会话的方法及装置 |
| KR102287109B1 (ko) * | 2017-03-24 | 2021-08-06 | 삼성전자주식회사 | 피부에 해당하는 이미지 처리 영역을 보정하는 방법 및 전자 장치 |
| CN107180415B (zh) * | 2017-03-30 | 2020-08-14 | 北京奇艺世纪科技有限公司 | 一种图像中皮肤美化处理方法及装置 |
| CN107506714B (zh) * | 2017-08-16 | 2021-04-02 | 成都品果科技有限公司 | 一种人脸图像重光照的方法 |
| CN108230407B (zh) * | 2018-01-02 | 2021-03-23 | 京东方科技集团股份有限公司 | 一种图像的处理方法和装置 |
| 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 |
| CN111476735B (zh) * | 2020-04-13 | 2023-04-28 | 厦门美图之家科技有限公司 | 人脸图像处理方法、装置、计算机设备及可读存储介质 |
| CN111667400B (zh) * | 2020-05-30 | 2021-03-30 | 温州大学大数据与信息技术研究院 | 一种基于无监督学习的人脸轮廓特征风格化生成方法 |
| CN111783896A (zh) * | 2020-07-08 | 2020-10-16 | 汪金玲 | 一种基于核方法的图像识别方法及*** |
-
2020
- 2020-12-25 CN CN202011566266.4A patent/CN112686965A/zh active Pending
-
2021
- 2021-12-24 WO PCT/CN2021/141287 patent/WO2022135579A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140079319A1 (en) * | 2012-09-20 | 2014-03-20 | Htc Corporation | Methods for enhancing images and apparatuses using the same |
| CN107564073A (zh) * | 2017-09-14 | 2018-01-09 | 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 |
| CN107633252A (zh) * | 2017-09-19 | 2018-01-26 | 广州市百果园信息技术有限公司 | 肤色检测方法、装置及存储介质 |
| CN112597911A (zh) * | 2020-12-25 | 2021-04-02 | 百果园技术(新加坡)有限公司 | 一种磨皮处理方法、装置、移动终端和存储介质 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112686965A (zh) | 2021-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022135579A1 (zh) | 肤色检测方法、装置、移动终端和存储介质 | |
| JP7110502B2 (ja) | 深度を利用した映像背景減算法 | |
| US11043011B2 (en) | Image processing method, apparatus, terminal, and storage medium for fusing images of two objects | |
| CN109359575B (zh) | 人脸检测方法、业务处理方法、装置、终端及介质 | |
| WO2022135574A1 (zh) | 肤色检测方法、装置、移动终端和存储介质 | |
| WO2017190646A1 (zh) | 一种人脸图像处理方法和装置、存储介质 | |
| WO2022156640A1 (zh) | 一种图像的视线矫正方法、装置、电子设备、计算机可读存储介质及计算机程序产品 | |
| US8983152B2 (en) | Image masks for face-related selection and processing in images | |
| WO2020125631A1 (zh) | 视频压缩方法、装置和计算机可读存储介质 | |
| WO2022012085A1 (zh) | 人脸图像处理方法、装置、存储介质及电子设备 | |
| CN112102154B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
| WO2016165060A1 (en) | Skin detection based on online discriminative modeling | |
| CN109584168B (zh) | 图像处理方法和装置、电子设备和计算机存储介质 | |
| US11695812B2 (en) | Sharing physical writing surfaces in videoconferencing | |
| CN109033935B (zh) | 抬头纹检测方法及装置 | |
| JP6157165B2 (ja) | 視線検出装置及び撮像装置 | |
| US11074676B2 (en) | Correction of misaligned eyes in images | |
| CN112597911A (zh) | 一种磨皮处理方法、装置、移动终端和存储介质 | |
| WO2022111269A1 (zh) | 视频的细节增强方法、装置、移动终端和存储介质 | |
| WO2023010796A1 (zh) | 图像处理方法及相关装置 | |
| WO2024051289A1 (zh) | 图像背景替换方法及相关设备 | |
| CN113837017B (zh) | 一种化妆进度检测方法、装置、设备及存储介质 | |
| CN113837020B (zh) | 一种化妆进度检测方法、装置、设备及存储介质 | |
| WO2024055676A1 (zh) | 图像压缩方法、装置、计算机设备及计算机可读存储介质 | |
| WO2021102928A1 (zh) | 图像处理方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 21909574 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 21909574 Country of ref document: EP Kind code of ref document: A1 |