[发明专利]一种基于显著性检测的皮肤识别方法

说明书

技术领域

本发明涉及图像识别方法，特别是一种基于显著性检测的皮肤识别方法。

背景技术

皮肤识别的目标是从图像中自动地识别人体的皮肤区域，并且根据识别出的皮肤区域进行美容美化操作。而现有技术中，对图像中人体的皮肤识别存在误识别率高、需要构建数据库的时间久和步骤麻烦、实现复杂、程序运行效率低等不足。

中国发明专利申请201110185739.0公开了一种模式识别和图像处理技术领域中的一种光照自适应的人体肤色检测方法，通过收集训练数据库，用训练数据库来训练基础肤色模型和光照模型，并用基础肤色模型对待检测图像的像素点进行筛选，从光照模型中找出一个和待检测图像最接近的光照模型，用该模型对待检测图像和基础肤色模型进行修正，修正后的待检测图像经修正后的基础肤色模型检测后输出。

但上述发明的技术方案主要是根据数据库来构建肤色模型，必然存在有很大的局限性。当软件定义的数据库中的训练数据都偏于黑暗的情况时，偏亮的照片的皮肤检测得到的较黑的部分就会被自动识别为皮肤，导致误识别率；当软件定义的数据库中的训练数据都偏于明亮的情况时，偏暗的照片的皮肤检测得到的结果是会有很大部分不被识别，误识别率更高；当软件定义的数据库中的训练数据偏平衡的时候，较暗或者较亮的皮肤都不会被识别出来。

发明内容

本发明为解决上述问题，提供了一种算法简单、运行效率高、识别率高的基于显著性检测的皮肤识别方法。

为实现上述目的，本发明采用的技术方案为：

一种基于显著性检测的皮肤识别方法，其特征在于，包括以下步骤：

10.对待检测图像进行人脸识别，获取人脸区域，并对人脸区域进行显著性检测，获取人脸最显著区域，即人脸皮肤区域；

20.对所述的人脸皮肤区域进行均值计算，获取平均肤色；

30.根据所述的平均肤色计算待检测图像的肤色概率映射表；

40.根据所述的肤色概率映射表对待检测图像进行肤色识别，并获得待检测图像的肤色概率的结果图。

优选的，所述的步骤10中对人脸区域进行显著性检测，该显著性检测进一步包括：

a.提取图像特征：采用高斯滤波器对待检测图像进行滤波和采样，形成以所述的待检测图像为底层的高斯金字塔模型；然后对高斯金字塔模型中的每一层分别提取各种图像特征，形成特征金字塔模型；再根据该特征金字塔模型进行计算得到所述的待检测图像的特征图；

b.生成显著图：把每一个所述的特征图归一化处理，并将各个归一化处理后的特征图进行综合计算，得到对应于所述的待检测图像的显著图。

优选的，所述的显著图中采用白色和黑色对其进行标记以获取待检测图像的显著性区域，其中，白色表示待检测图像中显著的区域，黑色表示待检测图像中不显著的区域。

优选的，步骤20中获取平均肤色的方法进一步包括以下步骤：

21.初始化原始皮肤模型；

22.计算整个图像的颜色均值，作为初始皮肤的阈值；

23.根据获取得的初始皮肤的阈值计算人脸区域的平均肤色。

优选的，所述的步骤21中，初始化原始皮肤模型的步骤如下：

211.创建肤色模型，大小为256*256；

212.依次对肤色模型进行赋值，具体伪代码如下；

预设临时变量AlphaValue、nMax、i、j为整数类型。

肤色模型变量为SkinModel[256][256]

For(i＝0；i＜256；i++)

{

判断i是否大于128，如果大于128，则AlphaValue为255，否则为i*2；

计算获得nMax的值，计算公式为nMax＝min(256，AlphaValue*2)；

For(j＝0；j＜nMax；j++)

{

计算对应位置的肤色模型的值，计算公式为SkinModel[i][j]＝AlphaValue-(j/2)；

}

For(j＝nMax；j＜256；j++)

{

初始对应位置的肤色模型的值为0；

}

}

。

优选的，所述的步骤22进一步包括：

221.遍历整个图像的像素点，将红色通道、绿色通道、蓝色通道的颜色值累加，得到颜色累加值；

222.将颜色累加值除以像素点的总数，得到红色通道、绿色通道、蓝色通道的均值，作为初始皮肤的阈值。