一種膚色檢測方法及裝置制造方法
【專利摘要】本公開是關于一種膚色檢測方法及裝置。該膚色檢測方法包括：將待檢測圖像轉換為顏色空間內的圖像；獲得所述待檢測圖像在所述顏色空間內的膚色樣本；采用預先構建的膚色概率模型對所述膚色樣本進行檢測，獲得所述待檢測圖像的膚色概率分布，其中，所述膚色概率模型是利用已知膚色樣本訓練獲得的用于確定膚色概率的模型。該方法能夠適用于非矩形的，較復雜的膚色分布。
【專利說明】—種膚色檢測方法及裝置
【技術領域】
[0001]本公開是關于圖像處理【技術領域】，尤其是關于圖像的膚色識別，具體來說是關于一種膚色檢測方法及裝置。
【背景技術】
[0002]彩色圖像的膚色檢測是自動識別圖像中皮膚區域的方法，具有廣闊的應用場景，是顏色校正、敏感信息監測和一系列目標檢測、識別(人臉檢測、手勢識別)等應用的重要組成部分。
[0003]實驗表明，在對圖像去除了亮度的影響后，不同年齡、性別、種族的人膚色在色度空間內有明顯的聚類性，膚色在整個色度空間內集中在一個很小的范圍內。現有相關技術中，以人臉膚色檢測為例，首先利用人臉檢測的信息，以人臉像素為膚色樣本，并利用前后幀的信息，統計膚色樣本和膚色變化樣本；隨后將膚色樣本和膚色變化樣本的直方圖進行合并，得到色度合并直方圖和飽和度合并直方圖，然后基于上述聚類特性，自適應確定在色度和飽和度范圍內的分割上下界，完成對膚色區域的檢測。
[0004]然而，上述方法中默認為膚色區域在色度、飽和度空間內為矩形區域，該方法對于比較復雜的、非矩形的膚色分布適應性不高。
【發明內容】
[0005]為克服相關技術中存在的問題，本公開提供一種膚色檢測方法及裝置，能夠適用于復雜的、非矩形的膚色分布。
[0006]第一方面，提供一種膚色檢測方法，包括:
[0007]將待檢測圖像轉換為顏色空間內的圖像；
[0008]獲得所述待檢測圖像在所述顏色空間內的膚色樣本；
[0009]采用預先構建的膚色概率模型對所述膚色樣本進行檢測，獲得所述待檢測圖像的膚色概率分布，其中，所述膚色概率模型是利用已知膚色樣本訓練獲得的用于確定膚色概率的模型。
[0010]進一步，在所述采用預先構建的膚色概率模型對所述膚色樣本進行檢測之前，所述方法還包括:
[0011]收集已知膚色分布的樣本圖像；
[0012]將所述樣本圖像轉換為顏色空間內的圖像；
[0013]獲得所述樣本圖像在所述顏色空間內的已知膚色樣本；
[0014]利用密度估計算法對所述已知膚色樣本進行訓練，獲得膚色概率模型。
[0015]進一步，在所述采用預先構建的膚色概率模型對所述膚色樣本進行檢測之前，所述方法還包括:
[0016]對所述膚色樣本進行像素值修正。
[0017]進一步，所述對所述膚色樣本進行像素值修正，包括:[0018]根據所述膚色樣本構造膚色直方圖；
[0019]將所述膚色直方圖與模型膚色直方圖進行配準，獲得所述膚色直方圖向所述模型膚色直方圖進行變換的配準參數；其中，所述模型膚色直方圖為所述膚色概率模型的直方圖；
[0020]對所述膚色樣本中所有樣本點的像素值按照所述配準參數進行像素值變換。
[0021]進一步，所述根據所述膚色樣本構造膚色直方圖，包括:
[0022]定義用于判斷是否為膚色的顏色框；
[0023]遍歷所述膚色樣本中的所有樣本點，對于位于所述顏色框內的樣本點，在膚色直方圖中的相應位置加一，獲得所述膚色樣本的膚色直方圖。
[0024]進一步，所述將所述膚色直方圖與模型膚色直方圖進行配準，獲得所述膚色直方圖向所述模型膚色直方圖進行變換的配準參數，包括:
[0025]計算使所述膚色直方圖達到與所述模型膚色直方圖最大相關度的配準參數，所述配準參數包括像素值平移參量和旋轉參量。
[0026]進一步，所述獲得所述待檢測圖像在所述顏色空間內的膚色樣本，包括:
[0027]對所述待檢測圖像進行人臉檢測，獲得人臉檢測區域；
[0028]獲得所述人臉檢測區域在所述顏色空間內的膚色樣本。
[0029]進一步，在獲得所述待檢測圖像的膚色概率分布之后，所述方法還包括:
[0030]對所述待檢測圖像的膚色概率分布進行誤檢去除。
[0031]進一步，所述對所述待檢測圖像的膚色概率分布進行誤檢去除，包括:
[0032]在所述膚色概率分布中選擇出概率大于第一概率閾值的區域作為初始膚色區域，并將所述初始膚色區域的膚色概率置I ;
[0033]對所述初始膚色區域的膚色概率進行高斯模糊，得到概率模糊值；
[0034]將所述概率模糊值與所述膚色概率分布中的各概率值進行逐點相乘，得到最終膚色概率分布；
[0035]將所述最終膚色概率分布中，概率值低于第二概率閾值的膚色概率置O。
[0036]第二方面，提供一種膚色檢測裝置，包括:
[0037]圖像轉換單元，用于將待檢測圖像轉換為顏色空間內的圖像；
[0038]樣本獲取單元，用于獲得所述待檢測圖像在所述顏色空間內的膚色樣本；
[0039]模型構建單元，用于獲得膚色概率模型，其中，所述膚色概率模型是利用已知膚色樣本訓練獲得的用于確定膚色概率的模型；
[0040]膚色檢測單元，用于采用所述模型構建單元構建的膚色概率模型對所述膚色樣本進行檢測，獲得所述待檢測圖像的膚色概率分布。
[0041]進一步，所述模型構建單元包括:
[0042]圖像收集子單元，用于收集已知膚色分布的樣本圖像；
[0043]圖像處理子單元，用于將所述樣本圖像轉換為顏色空間內的圖像；
[0044]樣本獲得子單元，用于獲得所述樣本圖像在所述顏色空間內的已知膚色樣本；
[0045]樣本訓練子單元，用于利用密度估計算法對所述已知膚色樣本進行訓練，獲得膚色概率模型。
[0046]進一步，所述裝置還包括:[0047]修正單元，用于在所述膚色檢測單元采用預先構建的膚色概率模型對所述膚色樣本進行檢測之前，對所述膚色樣本進行像素值修正。
[0048]進一步,所述修正單元包括:
[0049]構造子單元，用于根據所述膚色樣本構造膚色直方圖；
[0050]配準子單元，用于將所述膚色直方圖與模型膚色直方圖進行配準，獲得所述膚色直方圖向所述模型膚色直方圖進行變換的配準參數；其中，所述模型膚色直方圖為所述膚色概率模型轉換的直方圖；
[0051]變換子單元，用于對所述膚色樣本中所有樣本點的像素值按照所述配準參數進行像素值變換。
[0052]進一步，所述構造子單元包括:
[0053]定義模塊，用于定義用于判斷是否為膚色的顏色框；
[0054]構圖模塊，用于遍歷所述膚色樣本中的所有樣本點，對于位于所述顏色框內的樣本點，在膚色直方圖中的相應位置加一，獲得所述膚色樣本的膚色直方圖。
[0055]進一步，所述配準子單元，用于計算使所述膚色直方圖達到與所述模型膚色直方圖最大相關度的配準參數，所述配準參數包括像素值平移參量和旋轉參量。
[0056]進一步,所述樣本獲取單元包括:
[0057]檢測子單元，用于對所述待檢測圖像進行人臉檢測，獲得人臉檢測區域；
[0058]獲取子單元，用于獲得所述人臉檢測區域在所述顏色空間內的膚色樣本。
[0059]進一步，所述裝置還包括:
[0060]誤檢去除單元，用于在所述膚色檢測單元獲得所述待檢測圖像的膚色概率分布之后，對所述待檢測圖像的膚色概率分布進行誤檢去除。
[0061]進一步，所述誤檢去除單元包括:
[0062]選擇子單元，用于在所述膚色概率分布中選擇出概率大于第一概率閾值的區域作為初始膚色區域，并將所述初始膚色區域的膚色概率置I ;
[0063]第一處理子單元，用于對所述初始膚色區域的膚色概率進行高斯模糊，得到概率模糊值；
[0064]第二處理子單元，用于將所述概率模糊值與所述膚色概率分布中的各概率值進行逐點相乘，得到最終膚色概率分布；
[0065]去除子單元，用于將所述最終膚色概率分布中，概率值低于第二概率閾值的膚色概率置O。
[0066]本公開的一些有益效果可以包括:本公開首先利用多個已知膚色樣本進行訓練構建膚色概率模型，然后再利用膚色概率模型來對待檢測圖像的膚色樣本進行膚色檢測，即可獲得該待檢測圖像的膚色概率分布。該方法中用于膚色檢測的膚色概率模型相比較現有技術中用色度、飽和度形成的矩形來說，更加精細，也更具有普遍適應性，能夠適用于非矩形的，較復雜的膚色分布，進而可以在復雜膚色分布情況下減少誤檢；而且，該方法應用膚色概率模型可以對單張圖像進行膚色檢測，相比較現有技術中需要利用前后幀圖像信息進行膚色檢測的方法，本方法受到的局限更小，應用范圍更廣；再有，本方法最終所獲得的膚色檢測結果是膚色概率分布，而非二值圖，更容易被后續應用(如膚色調整、增強等)調用。
[0067]應當理解的是，以上的一般描述和后文的細節描述僅是示例性的，并不能限制本公開。
【專利附圖】
【附圖說明】
[0068]此處所說明的附圖用來提供對本公開的進一步理解，構成本申請的一部分，并不構成對本公開的限定。在附圖中:
[0069]圖1是本公開實施例一種膚色檢測方法的示例性流程圖；
[0070]圖2是本公開實施例中一種膚色概率模型構建方法的示例性流程圖；
[0071]圖3是本公開實施例另一種膚色檢測方法的示例性流程圖；
[0072]圖4a是本公開實施例中一種獲得膚色樣本的方法的示例性流程圖；
[0073]圖4b是本公開實施例中獲得人臉檢測區域的示意圖；
[0074]圖5是本公開實施例中一種對膚色樣本進行像素值修正的方法的示例性流程圖；
[0075]圖6是本公開實施例中一種膚色直方圖的構造方法的示例性流程圖；
[0076]圖7a是本公開實施例中一種誤檢去除方法的示例性流程圖；
[0077]圖7b是本公開實施例中應用膚色概率模型進行膚色檢測后獲得的膚色概率分布示意圖；
[0078]圖7c是本公開實施例中進行誤檢去除后的膚色概率分布示意圖；
[0079]圖8是本公開實施例一種膚色檢測裝置的結構示意圖；
[0080]圖9是本公開實施例中一種模型構建單元的結構示意圖；
[0081]圖10是本公開實施例另一種膚色檢測裝置的結構示意圖；
[0082]圖11是本公開實施例中一種修正單元的結構示意圖；
[0083]圖12是本公開實施例中一種構造子單元的結構示意圖；
[0084]圖13是本公開實施例另一種膚色檢測裝置的結構示意圖；
[0085]圖14是本公開實施例中一種誤檢去除單元的結構示意圖；
[0086]圖15是本公開實施例中終端設備的結構示意圖；
[0087]圖16是本公開實施例中服務器的結構示意圖。
[0088]通過上述附圖，已示出本公開明確的實施例，后文中將有更詳細的描述。這些附圖和文字描述并不是為了通過任何方式限制本公開構思的范圍，而是通過參考特定實施例為本領域技術人員說明本公開的概念。
【具體實施方式】
[0089]為使本公開的目的、技術方案和優點更加清楚明白，下面結合實施方式和附圖，對本公開做進一步詳細說明。在此，本公開的示意性實施方式及其說明用于解釋本公開，但并不作為對本公開的限定。
[0090]本公開實施例提供一種膚色檢測方法及裝置，以下結合附圖對本公開進行詳細說明。
[0091 ] 在一個實施例中，如圖1所示，該膚色檢測方法包括:
[0092]步驟SlOl:將待檢測圖像轉換為顏色空間內的圖像。
[0093]在獲得待檢測圖像后，將該待檢測圖像轉換至顏色空間(YUV空間)，得到亮度通道Y(x，y)和UV通道UV(x，y)，x e [0,m],y e [0，η]，m為圖像寬度，η為圖像高度。[0094]步驟S102:獲得待檢測圖像在顏色空間內的膚色樣本。
[0095]獲得待檢測圖像的膚色樣本，該膚色樣本即待檢測圖像中每一坐標點pos (x，y)在顏色空間中對應的像素值color= (U，V)。
[0096]步驟S103:采用預先構建的膚色概率模型對膚色樣本進行檢測，獲得待檢測圖像的膚色概率分布。
[0097]在執行步驟S103之前，首先構建膚色概率模型，該膚色概率模型是用于確定膚色概率的模型，該模型是利用多個已知膚色樣本進行訓練獲得的。
[0098]該模型的構建方式之一如圖2所示，可以包括:
[0099]步驟S201，收集已知膚色分布的樣本圖像。
[0100]在本步驟中，收集的樣本圖像最好要求覆蓋典型的光照環境，無色偏，無誤檢，如果使用人臉樣本圖像，則注意避開眼睛、嘴巴等非皮膚區域。這些樣本圖像中的膚色分布已知。
[0101]步驟S202，將樣本圖像轉換為顏色空間內的圖像。
[0102]然后將這些樣本圖像轉換至YUV空間，只保留U值和V值。
[0103]步驟S203，獲得樣本圖像在顏色空間內的已知膚色樣本。
[0104]獲得各樣本圖像在顏色空間的已知膚色樣本，該已知膚色樣本中各樣本點是否為膚色已知。其中，第i個樣本點SiKui, Vi),所有η個樣本點集合S=Is1, S2,......sn}。
[0105]步驟S204，利用密度估計算法對已知膚色樣本進行訓練，獲得膚色概率模型。
[0106]在獲得樣本點集合S后，即可利用密度估計算法對樣本點集合進行訓練，進而獲得膚色概率模型Mmtxtel (u，ν)。其中，該密度估計算法有多種，例如，混合高斯模型(GMM)，Parzen窗方法等。
[0107]以GMM為例，可以對使用樣本點集合S訓練混合高斯模型，得到連續、平滑的膚色分布。其中，高斯模型的個數可以設為4，每一樣本點的膚色概率為多個高斯模型的加權和，GMM相當于原始直方圖或分布圖提取了主要成分、去噪平滑后的結果。
[0108]上述膚色概率模型Mnrodel (U，ν)的圖像即為二維概率直方圖，橫坐標表示u分量值，縱坐標表示ν分量值。
[0109]當然，利用已知膚色樣本進行訓練獲得膚色概率模型的方法有多種，步驟S201?204只是其中一種，此處不做限定。
[0110]在獲得膚色概率模型后，利用該膚色概率模型對上步驟獲得的膚色樣本中的每一個樣本點(U，V)進行檢測,從而獲得每一個樣本點的膚色概率,所有樣本點的膚色概率即形成該待檢測圖像的膚色概率分布。
[0111]本公開的膚色檢測方法不同于一般的膚色ο-1分割方法只判斷是否膚色區域，本方法得到的結果是一張膚色概率分布圖，每個像素點的概率值描述了該點是膚色點的似然度，似然度范圍可以為O到1，0表示該點為膚色點的可能性為0，I表示該點為膚色點的可能性為100%，這種概率分布圖有利于其他應用或方法對本公開的結果進行調用，如膚色增
強算法等。
[0112]本公開實施例首先利用多個已知膚色樣本進行訓練構建膚色概率模型，然后再利用膚色概率模型來對待檢測圖像的膚色樣本進行膚色檢測，即可獲得該待檢測圖像的膚色概率分布。該方法中用于膚色檢測的膚色概率模型相比較現有技術中用色度、飽和度形成的矩形來說，更加精細，也更具有普遍適應性，能夠適用于非矩形的，較復雜的膚色分布，進而可以在復雜膚色分布情況下減少誤檢；而且，該方法應用膚色概率模型可以對單張圖像進行膚色檢測，相比較現有技術中需要利用前后幀圖像信息進行膚色檢測的方法，本方法受到的局限更小，應用范圍更廣；再有，本方法最終所獲得的膚色檢測結果是膚色概率分布，而非二值圖，更容易被后續應用(如膚色調整、增強等)調用。
[0113]在另一個實施例中，如圖3所示，該膚色檢測方法包括:
[0114]步驟S301，將待檢測圖像轉換為顏色空間內的圖像。
[0115]該步驟與前述步驟SlOl類似，將該待檢測圖像轉換至YUV空間，得到亮度通道Y(x，y)和UV通道UV(x，y)，X e [0,m],y e [0，η]，m為圖像寬度，η為圖像高度。
[0116]步驟S302，獲得待檢測圖像在顏色空間內的膚色樣本。
[0117]本公開方法可以應用于各種圖像的膚色檢測，例如應用于人臉膚色檢測。以人臉膚色檢測為例，在本步驟中，如圖4a所示，獲得膚色樣本的過程可以進一步包括:
[0118]步驟S401，對待檢測圖像進行人臉檢測，獲得人臉檢測區域。
[0119]首先對待檢測圖像進行人臉識別，如圖4b，得到人臉檢測框41的位置和大小，Rectface= {x, y, w, h}, x表示人臉中心點橫坐標，y表示人臉中心點縱坐標，w表示人臉框寬度，h表示人臉框高度。人臉檢測可以使用haar特征，使用AdaBoost算法訓練級聯分類器。當然，該人臉檢測方法還可以應用現有技術中的其他人臉識別方法，此處不做限定。
[0120]步驟S402，獲得人臉檢測區域在顏色空間內的膚色樣本。
[0121]本步驟中獲得人臉檢測區域內的膚色樣本，該膚色樣本即人臉檢測區域中每一坐標點pos (X，y)在顏色空間中對應的color= (u, ν)。
[0122]當本公開方法應用于待檢測圖像中不同區域的膚色檢測時，均可以識別該相應區域，獲得該區域內的膚色樣本，然后對膚色樣本執行后續步驟。
[0123]步驟S303，對膚色樣本進行像素值修正。
[0124]為了消除光照、色偏等對膚色檢測的影響，本實施例還進一步在獲得膚色樣本后對膚色樣本進行像素值(也即顏色值)修正。該像素值修正的方法有多種，例如可以針對不同程度的光照、色偏用固定偏移值進行修正，還可以動態獲得偏移參量進行修正。
[0125]在一種實現方式中，如圖5所示，該像素值修正方法可以包括:
[0126]步驟S501，根據膚色樣本構造膚色直方圖。
[0127]以上步驟獲得的人臉檢測區域的膚色樣本為例，在本步驟中構造人臉檢測區域的膚色直方圖Mface (U，ν)，u e [O, 255], v e [O, 255]。該膚色直方圖的構造方法有多種。
[0128]在其中一個實現方式中，如圖6所示，該膚色直方圖的構造方法可以包括以下步驟:
[0129]步驟S601，定義用于判斷是否為膚色的顏色框。
[0130]首先在顏色空間中定義一個顏色框RectMlOT= {u，v, Wcolor, hcolor}，例如可以是Rectcolor= {85, 115，70，70}。該顏色框用于粗略判斷樣本點是否為膚色，若膚色樣本中某一樣本點的像素值(u' ,N' ) e RectMlOT，則為膚色，否則為非膚色。
[0131]步驟S602，遍歷膚色樣本中的所有樣本點，對于位于顏色框內的樣本點，在膚色直方圖中的相應位置加一，獲得膚色樣本的膚色直方圖。
[0132]在確定顏色框后，即可遍歷上述步驟獲得的膚色樣本中的所有樣本點，在所有樣本點的像素值中，如果該像素值位于顏色框內，則在膚色直方圖中的相應位置加一。
[0133]即對于待檢測圖像中的任一點pos (X，y), color= (U，V),如果pos e Rectfaee且color e RectralOT,則Mfac;e;(u，v)=MfaM；(u，v)+l。由此即可獲得膚色樣本的膚色直方圖。
[0134]在獲得膚色直方圖后，還可以進一步對該膚色直方圖Mfara進行歸一化。
[0135]步驟S502，將膚色直方圖與模型膚色直方圖進行配準，獲得膚色直方圖向模型膚色直方圖進行變換的配準參數。
[0136]在獲得膚色直方圖Mf后，將膚色直方圖與模型膚色直方圖Mdkkm (U，ν)進行配準。其中，模型膚色直方圖就是膚色概率模型Mmtxtel (U，ν)的圖像，即二維概率直方圖，該膚色概率模型的獲得方法可參照前述實施例中的步驟S201~S204。
[0137]在將膚色直方圖Mfara與模型膚色直方圖Mmt^1配準后，可獲得膚色直方圖向模型膚色直方圖進行變換的配準參數。其中，膚色直方圖與模型膚色直方圖的配準方法有多種，例如Keren方法等。
[0138]在其中一種配準方法中，可以是計算使膚色直方圖達到與模型膚色直方圖最大相關度的配準參數，該配準參數可以包括像素值平移參量和旋轉參量，如下:
[0139]假設Mf經過平移(Au，Λν)和旋轉Θ達到與Mnrodel最大的相關度，求解配準參數(Au, Λ ν)和 Θ。
[0140]經過以上幾步處理得到的膚色樣本，在顏色空間的表現為幾乎一致的方向性，所以旋轉變換可以忽略不計，即Θ~0，可以只估計(Au，Λ V)，優化如下能量函數:
【權利要求】
1.一種膚色檢測方法，其特征在于，包括: 將待檢測圖像轉換為顏色空間內的圖像； 獲得所述待檢測圖像在所述顏色空間內的膚色樣本； 采用預先構建的膚色概率模型對所述膚色樣本進行檢測，獲得所述待檢測圖像的膚色概率分布，其中，所述膚色概率模型是利用已知膚色樣本訓練獲得的用于確定膚色概率的模型。
2.根據權利要求1所述的方法，其特征在于，在所述采用預先構建的膚色概率模型對所述膚色樣本進行檢測之前，所述方法還包括: 收集已知膚色分布的樣本圖像； 將所述樣本圖像轉換為顏色空間內的圖像； 獲得所述樣本圖像在所述顏色空間內的已知膚色樣本； 利用密度估計算法對所述已知膚色樣本進行訓練，獲得膚色概率模型。
3.根據權利要求1所述的方法，其特征在于，在所述采用預先構建的膚色概率模型對所述膚色樣本進行檢測之前，所述方法還包括: 對所述膚色樣本進行像素值修 正。
4.根據權利要求3所述的方法，其特征在于，所述對所述膚色樣本進行像素值修正，包括: 根據所述膚色樣本構造膚色直方圖； 將所述膚色直方圖與模型膚色直方圖進行配準，獲得所述膚色直方圖向所述模型膚色直方圖進行變換的配準參數；其中，所述模型膚色直方圖為所述膚色概率模型的直方圖； 對所述膚色樣本中所有樣本點的像素值按照所述配準參數進行像素值變換。
5.根據權利要求4所述的方法，其特征在于，所述根據所述膚色樣本構造膚色直方圖，包括: 定義用于判斷是否為膚色的顏色框； 遍歷所述膚色樣本中的所有樣本點，對于位于所述顏色框內的樣本點，在膚色直方圖中的相應位置加一，獲得所述膚色樣本的膚色直方圖。
6.根據權利要求4所述的方法，其特征在于，所述將所述膚色直方圖與模型膚色直方圖進行配準，獲得所述膚色直方圖向所述模型膚色直方圖進行變換的配準參數，包括: 計算使所述膚色直方圖達到與所述模型膚色直方圖最大相關度的配準參數，所述配準參數包括像素值平移參量和旋轉參量。
7.根據權利要求1所述的方法，其特征在于，所述獲得所述待檢測圖像在所述顏色空間內的膚色樣本，包括: 對所述待檢測圖像進行人臉檢測，獲得人臉檢測區域； 獲得所述人臉檢測區域在所述顏色空間內的膚色樣本。
8.根據權利要求1至7中任意一項所述的方法，其特征在于，在獲得所述待檢測圖像的膚色概率分布之后，所述方法還包括: 對所述待檢測圖像的膚色概率分布進行誤檢去除。
9.根據權利要求8所述的方法，其特征在于，所述對所述待檢測圖像的膚色概率分布進行誤檢去除，包括:在所述膚色概率分布中選擇出概率大于第一概率閾值的區域作為初始膚色區域，并將所述初始膚色區域的膚色概率置I; 對所述初始膚色區域的膚色概率進行高斯模糊，得到概率模糊值； 將所述概率模糊值與所述膚色概率分布中的各概率值進行逐點相乘，得到最終膚色概率分布； 將所述最終膚色概率分布中，概率值低于第二概率閾值的膚色概率置O。
10.一種膚色檢測裝置，其特征在于，包括: 圖像轉換單元，用于將待檢測圖像轉換為顏色空間內的圖像； 樣本獲取單元，用于獲得所述待檢測圖像在所述顏色空間內的膚色樣本； 模型構建單元，用于獲得膚色概率模型，其中，所述膚色概率模型是利用已知膚色樣本訓練獲得的用于確定膚色概率的模型； 膚色檢測單元，用于采用所述模型構建單元構建的膚色概率模型對所述膚色樣本進行檢測，獲得所述待檢測圖像的膚色概率分布。
11.根據權利要求10所述的裝置，其特征在于，所述模型構建單元包括: 圖像收集子單元，用于收集已知膚色分布的樣本圖像； 圖像處理子單元，用于將所述樣本圖像轉換為顏色空間內的圖像； 樣本獲得子單元，用于獲得所述樣本圖像在所述顏色空間內的已知膚色樣本； 樣本訓練子單元，用于利用密度估計算法對所述已知膚色樣本進行訓練，獲得膚色概率模型。
12.根據權利要求10所述的裝置，其特征在于，所述裝置還包括: 修正單元，用于在所述膚色檢測單元采用預先構建的膚色概率模型對所述膚色樣本進行檢測之前，對所述膚色樣本進行像素值修正。
13.根據權利要求12所述的裝置，其特征在于，所述修正單元包括: 構造子單元，用于根據所述膚色樣本構造膚色直方圖； 配準子單元，用于將所述膚色直方圖與模型膚色直方圖進行配準，獲得所述膚色直方圖向所述模型膚色直方圖進行變換的配準參數；其中，所述模型膚色直方圖為所述膚色概率模型轉換的直方圖； 變換子單元，用于對所述膚色樣本中所有樣本點的像素值按照所述配準參數進行像素值變換。
14.根據權利要求13所述的裝置，其特征在于，所述構造子單元包括: 定義模塊，用于定義用于判斷是否為膚色的顏色框； 構圖模塊，用于遍歷所述膚色樣本中的所有樣本點，對于位于所述顏色框內的樣本點，在膚色直方圖中的相應位置加一，獲得所述膚色樣本的膚色直方圖。
15.根據權利要求13所述的裝置，其特征在于，所述配準子單元，用于計算使所述膚色直方圖達到與所述模型膚色直方圖最大相關度的配準參數，所述配準參數包括像素值平移參量和旋轉參量。
16.根據權利要求10所述的裝置，其特征在于，所述樣本獲取單元包括: 檢測子單元，用于對所述待檢測圖像進行人臉檢測，獲得人臉檢測區域； 獲取子單元，用于獲得所述人臉檢測區域在所述顏色空間內的膚色樣本。
17.根據權利要求10至16中任意一項所述的裝置，其特征在于，所述裝置還包括: 誤檢去除單元，用于在所述膚色檢測單元獲得所述待檢測圖像的膚色概率分布之后，對所述待檢測圖像的膚色概率分布進行誤檢去除。
18.根據權利要求17所述的裝置，其特征在于，所述誤檢去除單元包括: 選擇子單元，用于在所述膚色概率分布中選擇出概率大于第一概率閾值的區域作為初始膚色區域，并將所述初始膚色區域的膚色概率置I ; 第一處理子單元，用于對所述初始膚色區域的膚色概率進行高斯模糊，得到概率模糊值； 第二處理子單元，用于將所述概率模糊值與所述膚色概率分布中的各概率值進行逐點相乘，得到最終膚色概率分布； 去除子單元，用于將所述最終膚色概率分布中，概率值低于第二概率閾值的膚色概率置O。`
【文檔編號】G06K9/00GK103745193SQ201310692296
【公開日】2014年4月23日 申請日期:2013年12月17日 優先權日:2013年12月17日
【發明者】王百超, 張波, 張祺深 申請人:小米科技有限責任公司