一种肤色样本获取方法及装置制造方法及图纸

本发明专利技术实施例提供一种肤色样本获取方法及装置。获取图像，并检测人脸区域；当检测到人脸区域后提取人脸区域的像素，并将所述人脸区域的像素保存到皮肤像素样本，将所述人脸区域以外的像素保存到非皮肤像素样本。实现了肤色样本的自动获取，减少了人力物力的投入。

【技术实现步骤摘要】

本专利技术实施例涉及计算机视觉领域，尤其涉及一种肤色样本获取方法及装置。
技术介绍
在与人有关的各种机器视觉系统中，肤色检测越来越多的被重视，例如在基于手势的人机交互系统中，需要首先图像中获取手的位置。而当前最常用的方法就是通过对肤色进行检测从而获取手势信息。将手从图像分割出来，目前最常用的分割方法就是基于肤色的分割。根据有没有涉及成像的过程，肤色检测的方法分成两种基本类型：基于统计的方法和基于物理的方法。基于统计的肤色检测方法主要通过建立肤色统计模型进行肤色检测，主要包括两个步骤：颜色空间变换和肤色建模；基于物理的方法则在肤色检测中引入光照与皮肤间的相互作用，通过研究肤色反射模型和光谱特性进行肤色检测。通常建立肤色模型需要事先获取皮肤像素和非皮肤像素的样本，以便根据肤色提取出手或人脸的位置，进而完成后续的操作。获取样本的过程需要人工在图片中标记皮肤区域和非皮肤区域，这会耗费大量的人力和物力。因此，一种新的肤色样本获取方法亟待提出。
技术实现思路
本专利技术实施例提供一种肤色样本获取方法及装置，用以解决现有技术中需要人工区分肤色像素样本和非肤色像素向本的缺陷，减少了人力和物力的投入。本专利技术实施例提供一种肤色样本获取方法，包括：获取图像，并检测人脸区域；当检测到人脸区域后提取人脸区域的像素，并将所述人脸区域的像素保存到皮肤像素样本，将所述人脸区域以外的像素保存到非皮肤像素样本。本专利技术实施例提供一种肤色样本获取装置，包括：人脸检测模块，用于获取图像，并检测人脸区域；肤色样本获取模块，用于当检测到人脸区域后提取人脸区域的像素，并将所述人脸区域的像素保存到皮肤像素样本，将所述人脸区域以外的像素保存到非皮肤像素样本。本专利技术实施例提供的肤色样本获取方法及装置，通过对人脸的识别以及眼睛区域像素的过滤，得到了高质量的皮肤区域的样本，改变了现有技术中，人工对肤色样本进行标记的繁琐过程，减少了人力物力的投入。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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为本专利技术实施例一的技术流程图；图2为本专利技术实施例二的装置结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于
本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例一图1是本专利技术实施例一的技术流程图，结合图1，本专利技术实施例一种肤色样本获取方法主要由两个大的步骤实现：步骤110：获取图像，并检测人脸区域；人脸检测主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸识别。本专利技术实施例的核心在于利用人脸识别中的人脸检测步骤提取出人脸区域，将提取到的人脸区域进行进一步地处理，得到关于人脸的肤色像素样本，其中，所述人脸检测是指在图像或视频中判断是否有人脸的存在，若存在，判断人脸的大小，位置等，本专利技术实施例中，采用Opencv作为人脸检测的工具。OpenCV是Intel公司支持的开源计算机视觉库。它由一系列C函数和少量C++类构成，实现了图像处理和计算机视觉方面的很多通用算法轻量级而且高效。作为一个基本的计算机视觉、图像处理和模式识别的开源项目，OpenCV可以直接应用于很多领域，其中就包括很多可以应用于人脸识别的算法实现，是作为第二次开发的理想工具。OpenCV中有检测人脸的函数，甚至还包含一些预先训练好的物体识别文件。OpenCV中的人脸检测主要是调用已训练好的Haar分类器来对采集的图像进行模式匹配。因此，本专利技术实施例中，首先将人脸的Haar特征分类器导入OpenCV，用以检测人脸区域，Harr特征分类器的载入方法使用cvLoad实现。需要说明的是，由于大部分的脸部检测算法对光照，脸部大小，位置表
情等非常敏感，本专利技术实施例中，对待检测图像进行预处理以得到所述图像对应的高质量的灰度图像，其中所述预处理包括光照补偿、滤波去噪、灰度化以及直方图归一化等。其中，滤波去噪的方法可以采用高斯滤波、均值滤波、中值滤波等等，本专利技术实施例不做限制。高斯滤波是一种线性平滑滤波，适用于滤除高斯白噪声。对图像进行高斯滤波时，每个像素点的像素值由所述像素点本身的灰度值及其邻域内的其他像素灰度值加权平均所得，而加权平均的权系数由二维离散高斯函数采样并归一化后所得。均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点(x，y)，选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点(x，y)，作为处理后图像在该点上的灰度值g(x，y)，即g(x，y)＝1/m∑f(x，y)，m为该模板中包含当前像素在内的像素总个数。这样的方法可以平滑图像，速度快，算法简单。但是无法去掉噪声，这能微弱的减弱它。中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为所述像素点某邻域窗口内的所有像素点灰度值的中值。其实现过程首先通过从的一定大小的采样窗口取出若干像素点的像素值进行排序，其次用排序后的中值作为当前像素点的灰度值。中值滤波常用来保护边缘信息，是经典的平滑噪声的方法，对消除椒盐噪音非常有效。本专利技术实施例中，可以通过上述方法中的任意一种或其组合来对进行人脸检测之前的彩色图像进行滤波，以此获得更高质量的待处理图像。对待检测图像进行光照补偿，可以调用OpenCV的cvNormalize()，对图像的整体灰度值进行调节以此实现光照补偿。图像的预处理过程进一步还包括灰度化以及直方图归一化等，具体执行过程为，利用OpenCV中的cvCvtcolor()函数将采集到的彩色图像转化为
灰度图像，并利用cvEqualizeHist()函数进行直方图归一化处理。得到预处理后的图像之后即可开始人脸区域的检测。OpenCV具体的脸部检测方法是采用Haar cascade classifier人脸检测器，其原理是利用保存在XML文件(人脸检测中为haarcascade_frontalface_alt2.xml文件)中的数据来确定每一个局部搜索图像的位置。其具体实现为，首先用cvLoad()从haarcascade_frontalface_alt2.xml文件中加载CvHaarClassifierCascade变量，然后利用cvHaarDetectObjects()函数来进行检测，cvHaarDetectObjects()函数使用针对某目标物体训练的级联分类器在图像中找到包含目标物体的矩形区域，并且将这些区域作为一序列的矩形框返回，最终检测结果保存在cvRect变量中。cvHaarDetec本文档来自技高网...

【技术保护点】
一种肤色样本获取方法，其特征在于，包括如下的步骤：获取图像，并检测人脸区域；当检测到人脸区域后提取人脸区域的像素，并将所述人脸区域的像素保存到皮肤像素样本，将所述人脸区域以外的像素保存到非皮肤像素样本。

【技术特征摘要】
1.一种肤色样本获取方法，其特征在于，包括如下的步骤：获取图像，并检测人脸区域；当检测到人脸区域后提取人脸区域的像素，并将所述人脸区域的像素保存到皮肤像素样本，将所述人脸区域以外的像素保存到非皮肤像素样本。2.根据权利要求1所述的方法，其特征在于，获取图像之前，进一步包括：将人脸的Haar特征分类器导入OpenCV，用以检测人脸区域。3.根据权利要求1所述的方法，其特征在于，获取图像，进一步包括：对待检测图像进行预处理以得到所述图像对应的高质量的灰度图像，其中所述预处理包括光照补偿、滤波去噪、灰度化以及直方图归一化等。4.根据权利要求1所述的方法，其特征在于，检测人脸区域，进一步包括：从所述人脸中过滤掉非皮肤区域的像素得到所述皮肤像素样本，其中，所述非皮肤区域包括眉毛和眼睛等区域的像素。5.一种肤色样本获取装置，其特征...

【专利技术属性】
技术研发人员：李艳杰，
申请(专利权)人：乐视致新电子科技天津有限公司，
类型：发明
国别省市：天津;12