連通域在復(fù)雜背景膚色檢測(cè)中的應(yīng)用

徐詩(shī)惠　張　霞

(武漢大學(xué)印刷與包裝系　湖北 武漢 430079)

?

連通域在復(fù)雜背景膚色檢測(cè)中的應(yīng)用

徐詩(shī)惠張霞

(武漢大學(xué)印刷與包裝系湖北 武漢 430079)

摘要由于膚色常處于復(fù)雜背景下且容易被環(huán)境中的小面積類膚色區(qū)域影響，使得膚色檢測(cè)成為圖像識(shí)別領(lǐng)域中的一大難點(diǎn)。在對(duì)YCbCr空間和YCgCr空間中的膚色進(jìn)行建模檢測(cè)的基礎(chǔ)上，引入連通域進(jìn)行二次檢測(cè)，以此消除背景中小面積類膚色區(qū)域?qū)z測(cè)結(jié)果的影響。針對(duì)多幅復(fù)雜背景下的膚色圖像，進(jìn)行連通域二次膚色檢測(cè)的結(jié)果相較于第一次檢測(cè)結(jié)果更好。結(jié)果表明，該算法的準(zhǔn)確性較高，可以有效降低膚色的誤檢。

關(guān)鍵詞連通域膚色模型膚色檢測(cè)

0引言

膚色檢測(cè)是進(jìn)行膚色再現(xiàn)的基礎(chǔ)，常用于人臉識(shí)別、網(wǎng)絡(luò)圖像內(nèi)容分類、數(shù)據(jù)庫(kù)人物檢索等。傳統(tǒng)的膚色檢測(cè)方法在統(tǒng)計(jì)學(xué)的基礎(chǔ)上，建立膚色數(shù)學(xué)模型。這種方法主要分為兩步：顏色空間變換和膚色建模[1]。顏色空間選擇對(duì)膚色檢測(cè)起著舉足輕重的作用[2,3]。Shin等人對(duì)9種顏色空間進(jìn)行了膚色檢測(cè)實(shí)驗(yàn)，比較了膚色-非膚色的可分離性指標(biāo)，認(rèn)為具有認(rèn)知屬性的、可以將亮度與色度分開(kāi)處理的顏色空間有利于膚色檢測(cè)[4]。目前，較為常用的色度與亮度相互獨(dú)立的色彩空間有YUV、YCbCr等[5,6]。

一般情況下，膚色不會(huì)獨(dú)立處于單一顏色背景中，前景與后景的顏色多且雜，檢測(cè)時(shí)，許多具有類似色度的像素點(diǎn)會(huì)被檢測(cè)出來(lái)，從而影響膚色區(qū)域的分割與統(tǒng)計(jì)。膚色檢測(cè)獲得的二值化圖像中，同一目標(biāo)的像素通常具有連通性，為提取膚色特征，可根據(jù)像素的連通性采用連通域標(biāo)記算法區(qū)分出不同的目標(biāo)。針對(duì)復(fù)雜背景下的膚色檢測(cè)，連通域提取算法可以有效去除小面積類膚色區(qū)域?qū)z測(cè)結(jié)果的影響。本文根據(jù)顏色空間中膚色的不同分布特性，對(duì)YCbCr空間和YCgCr空間[7]中的膚色進(jìn)行建模檢測(cè)[8-10]，并引入連通域提取[11]后進(jìn)行二次檢測(cè)。

1膚色建模

基于統(tǒng)計(jì)的膚色檢測(cè)過(guò)程[12]是通過(guò)統(tǒng)計(jì)分析膚色數(shù)據(jù)集中的各種膚色像素的顏色信息來(lái)確定不同膚色模型中的模型參數(shù)，將建好的模型運(yùn)用到具體的圖像中來(lái)判斷圖像中的像素是否為膚色像素。本文針對(duì)兩種不同的顏色空間YCbCr[13]和YCgCr分別建立橢圓模型和平行四邊形模型來(lái)對(duì)膚色進(jìn)行檢測(cè)，并對(duì)其進(jìn)行比較。

為了統(tǒng)計(jì)出膚色的分布特性，從網(wǎng)上截取和拍攝了200幅不同光照、不同年齡、不同姿勢(shì)的膚色圖像，人工標(biāo)記出約750 000個(gè)像素進(jìn)行分析，為避免過(guò)亮或過(guò)暗顏色的影響，在像素采集過(guò)程中盡量避免亮度過(guò)暗或過(guò)高的膚色區(qū)域，圖1所示為部分膚色樣本。

圖1　膚色樣本

1.1基于YCbCr空間的橢圓模型

將膚色樣本由RGB顏色空間轉(zhuǎn)換到Y(jié)CbCr顏色空間中，對(duì)其進(jìn)行統(tǒng)計(jì)，得到膚色在YCbCr顏色空間中的分布如圖2(a)所示，在CbCr平面的分布如圖2(b)所示。

圖2　膚色在YCbCr顏色空間的分布

對(duì)圖2進(jìn)行分析得到，在YCbCr空間中，膚色的亮度分布不具備聚集性，而色度分布則聚集在一個(gè)較小的范圍內(nèi)，如Cr值分布范圍大致在100～200之間，Cb值大致分布在80～140之間。由圖2(b)可以看出，膚色在CbCr平面的分布近似于一個(gè)橢圓，因此可用橢圓進(jìn)行模擬[14]，如圖3所示，對(duì)其進(jìn)行分析可得到橢圓的表達(dá)式如式(1)所示。

圖3　橢圓膚色分布邊界模擬

(1)

其中cx=109.38,cy=152.02,θ=2.53,ecx=1.6,ecy=2.41,a=29.39,b=16.03。

基于此橢圓表達(dá)式，可以建立一個(gè)檢測(cè)膚色的橢圓模型，即通過(guò)計(jì)算一種顏色是否處于該橢圓區(qū)域之內(nèi)來(lái)判斷其是否屬于膚色。

1.2基于YCgCr空間的平行四邊形模型

將膚色樣本由RGB顏色空間轉(zhuǎn)換到Y(jié)CgCr顏色空間中，對(duì)其進(jìn)行統(tǒng)計(jì)，得到膚色在YCgCr顏色空間中的分布如圖4(a)所示，在CgCr平面的分布如圖4(b)所示。不難發(fā)現(xiàn)，在YCgCr顏色空間中，膚色的聚類區(qū)域較小，膚色聚集的程度更高。

圖4　膚色在YCgCr顏色空間的分布

如圖4(b)所示，膚色投影在CgCr平面上的形狀類似于平行四邊形，以平行四邊形模型對(duì)膚色進(jìn)行建模，擬合圖像如圖5所示，式(2)為分析得到的平行四邊形所對(duì)應(yīng)的四條直線的表達(dá)式。

圖5　平行四邊形膚色分布邊界模擬

(2)

當(dāng)像素值在Cr∈[-1.3×Cg+290,-1.3×Cg+320]，Cg∈[85,135]區(qū)域內(nèi)時(shí)，該像素被判定為是膚色像素，通過(guò)二值化處理，標(biāo)記為1，非膚色像素二值化標(biāo)記為0。

2膚色檢測(cè)

圖6　膚色檢測(cè)原圖

在對(duì)兩種顏色空間分別建模的基礎(chǔ)上對(duì)多幅復(fù)雜背景下的膚色圖像進(jìn)行膚色檢測(cè)。以其中一幅膚色圖為例說(shuō)明。原圖如圖6所示，在前景和后景上均存在大量影響檢測(cè)的干擾像素，顏色與形狀均存在多樣化，構(gòu)成復(fù)雜背景。圖7(a)為YCbCr顏色空間中的膚色檢測(cè)結(jié)果，圖7(b)為YCgCr顏色空間中的膚色檢測(cè)結(jié)果。

圖7　膚色檢測(cè)圖

通過(guò)對(duì)比分析YCbCr與YCgCr顏色空間中的膚色檢測(cè)結(jié)果，可以發(fā)現(xiàn)，由于膚色中B分量較少，所以在YCgCr空間中的膚色檢測(cè)效果更好，膚色散點(diǎn)更少，前景衣服上大部分類似于膚色的顏色并未檢測(cè)出來(lái)，在一定程度上證明了模型建立的有效性。

3采用連通域的二次檢測(cè)

膚色檢測(cè)結(jié)果說(shuō)明基于YCbCr、YCgCr顏色空間的膚色檢測(cè)存在不足，容易受到復(fù)雜顏色背景的干擾，如圖7中背景橫欄和前景衣服。對(duì)于復(fù)雜的場(chǎng)景，膚色目標(biāo)容易與背景相混淆[15]。在膚色檢測(cè)獲得的二值化圖像中，膚色像素通常成塊出現(xiàn)，具有一定的連通性，因此，本文引入連通域進(jìn)行二次檢測(cè)以降低誤檢。

對(duì)于某一個(gè)區(qū)域而言，若該區(qū)域內(nèi)的任意兩點(diǎn)都可以用區(qū)域內(nèi)部的一條折線連接起來(lái), 則該區(qū)域被稱為連通區(qū)域。連通區(qū)域通常分為兩種：?jiǎn)芜B通區(qū)域與多連通區(qū)域。在某一連通區(qū)域中，若任意一條封閉曲線，可以不經(jīng)過(guò)該區(qū)域外的點(diǎn)而連續(xù)收縮于區(qū)域中的某一點(diǎn)，則稱其為單連通區(qū)域，如圖8(a)所示；如若不然，則稱其為多連通區(qū)域，如圖8(b)所示。

圖8　連通區(qū)域

在灰度圖中，像素變化的灰度范圍從0到255；0表示黑色，255表示白色[16]。在二值圖像中，白色則用1來(lái)表示。對(duì)二值圖像進(jìn)行連通域標(biāo)記處理需要從僅由白色與黑色像素組成的點(diǎn)陣圖像[17]中，將互相鄰接的具有相同像素值的像素集合提取出來(lái)，再對(duì)不同的連通區(qū)域填入不同的數(shù)字標(biāo)記，同時(shí)統(tǒng)計(jì)圖像中連通域的數(shù)目。

本文引入連通域標(biāo)記，在進(jìn)行第一次膚色檢測(cè)后，將膚色圖像二值化為一個(gè)數(shù)字點(diǎn)陣I。矩陣I包含第一次膚色檢測(cè)后的膚色與非膚色的分離特征。通過(guò)MATLAB編程，標(biāo)記不同遍歷次數(shù)的像素點(diǎn)，統(tǒng)計(jì)得到該膚色圖像中的8連通域的個(gè)數(shù)，然后刪除屬于連通域中的散點(diǎn)和面積小于一定像素的小型連通域，提高膚色檢測(cè)的正確率。

對(duì)數(shù)字點(diǎn)陣I的連通域標(biāo)記處理的算法如下:

(1) 初步標(biāo)記圖像中的每個(gè)像素點(diǎn)，在等價(jià)表中記錄這些臨時(shí)標(biāo)記對(duì)應(yīng)的等價(jià)關(guān)系。

(2) 對(duì)等價(jià)表進(jìn)行整理，將其中具有等價(jià)關(guān)系的臨時(shí)標(biāo)識(shí)賦值為其中的最小值，之后以自然數(shù)順序重新進(jìn)行編號(hào)，獲得臨時(shí)標(biāo)記與最終標(biāo)記之間的等價(jià)關(guān)系后逐像素替換，將臨時(shí)標(biāo)記替換成最終標(biāo)記。

(3) 輸出標(biāo)記后的圖像，將被標(biāo)記為相同自然數(shù)的互鄰接像素作為連通域輸出。

圖9為對(duì)第一次膚色檢測(cè)后采用連通域標(biāo)記之后的二次膚色檢測(cè)結(jié)果。

圖9　連通域膚色檢測(cè)圖

圖10　人工膚色分割圖

在引入連通域標(biāo)記后，刪除了小面積連通域的非膚色像素點(diǎn)，提高了膚色檢測(cè)的正確率。與圖7和圖9對(duì)比可發(fā)現(xiàn)，第一次膚色檢測(cè)的噪聲大部分被消除，檢測(cè)效果有明顯改進(jìn)。

為了更為客觀地表現(xiàn)實(shí)驗(yàn)結(jié)果，本文對(duì)膚色檢測(cè)結(jié)果的誤檢數(shù)進(jìn)行了統(tǒng)計(jì)。通過(guò)對(duì)原圖進(jìn)行人工分割，區(qū)分膚色和非膚色區(qū)域，統(tǒng)計(jì)得到實(shí)際膚色像素總數(shù)為660 893和非膚色像素總數(shù)為4 041 103，人工分割膚色圖如圖10所示。表1顯示了兩次膚色檢測(cè)的誤檢數(shù)。

表1　膚色檢測(cè)誤檢

由表1中數(shù)據(jù)可以看出，YCbCr顏色空間中的膚色檢測(cè)效果相較于YCgCr顏色空間中的結(jié)果較差，誤檢數(shù)較高，而采用連通域進(jìn)行二次檢測(cè)后兩種方法的誤檢數(shù)均大幅度降低。除此之外，本文對(duì)以年齡分類的多幅圖像進(jìn)行測(cè)試，均取得較好的效果，以老人與兒童為例，如圖11，圖12所示。

圖11　老人膚色檢測(cè)圖

圖12　兒童膚色檢測(cè)圖

4結(jié)語(yǔ)

本文以YCbCr顏色空間和YCgCr顏色空間為基礎(chǔ)，對(duì)兩種顏色空間中膚色的聚類效果建立不同的膚色統(tǒng)計(jì)模型，對(duì)處于復(fù)雜背景下的膚色進(jìn)行一次檢測(cè)。然后基于膚色分布的連通性對(duì)膚色進(jìn)行二次檢測(cè)，并去除圖像中的小區(qū)域散點(diǎn)，實(shí)驗(yàn)結(jié)果表明，此方法可有效降低膚色檢測(cè)的誤檢，提高了膚色檢測(cè)的準(zhǔn)確性和有效性。

參考文獻(xiàn)

[1] 陳鍛生,劉政凱.膚色檢測(cè)技術(shù)綜述[J].計(jì)算機(jī)學(xué)報(bào),2006,29(2):194-207.

[2] 徐戰(zhàn)武,朱淼良.膚色檢測(cè)最優(yōu)空間[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2006,18(9):1350-1356.

[3] 江鳳兵.不同顏色空間膚色檢測(cè)算法的研究[D].贛州:江西理工大學(xué),2011.

[4] Shin M C,Chang K I,Tsap L V.Does colorspace transformation make any difference on skin detection[C]//IEEE Workshop on Applications of Computer Vision.IEEE,2002:275-279.

[5] 徐戰(zhàn)武,朱淼良.基于顏色的皮膚檢測(cè)綜述[J].中國(guó)圖象圖形學(xué)報(bào),2007,12(3):377-388.

[6] Garcia C,Tziritas G.Face detection using quantized skin color regions merging and wavelet packet analysis[J].IEEE Transactions on Multimedia,1999,3(1):264-277.

[7] de Dios J,Garcia N.Face detection based on a new color space YCgCr[C]//Proceedings of International Conference on Image Processing,2003,3:909-912.

[8] 張爭(zhēng)珍,石躍祥.YCgCr與YCgCb顏色空間的膚色檢測(cè)[J].計(jì)算機(jī)工程與應(yīng)用,2010,46(34):167-170.

[9] 王建國(guó),華繼釗,楊靜宇.基于新顏色YCgCr的復(fù)雜背景圖像下的膚色區(qū)域檢測(cè)[J].計(jì)算機(jī)科學(xué),2007,34(8):229-231.

[10] 康進(jìn)峰,王國(guó)營(yíng).基于YCgCr顏色空間的膚色檢測(cè)方法[J].計(jì)算機(jī)工程與設(shè)計(jì),2009,30(19):4443-4446.

[11] 左文明.連通區(qū)域提取算法研究[J].計(jì)算機(jī)應(yīng)用與軟件,2006,23(1):97-98.

[12] Yang J,Lu W,Waibel A.Skin color modeling and adaptation[C]//Hong Kong:Proceedings of the 3rd Asian Conference on Computer Vision,1998:687-694.

[13] 徐中宇,趙巖,王曄.基于膚色模型和閾值分割的人臉檢測(cè)[J].長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版,2013,34(4):382-386.

[14] 劉文武,王建明.基于膚色特征和Adaboost算法的人臉檢測(cè)方法[J].電子測(cè)試,2014(S1):27-29.

[15] 王小霞,曾培峰,唐莉萍,等.復(fù)雜場(chǎng)景中運(yùn)動(dòng)目標(biāo)的檢測(cè)[J].計(jì)算機(jī)應(yīng)用與軟件,2015,32(2):203-206.

[16] 梁成.基于像素二值化法的連通域標(biāo)記[J].計(jì)算機(jī)與數(shù)字工程,2013,41(5):823-826.

[17] Rafael C Gonzalez,Richard E Woods.Digital Image Processing (3rd Edition)[M].北京:電子工業(yè)出版社,2010.

APPLICATION OF CONNECTED DOMAIN IN SKIN COLOUR DETECTION UNDER COMPLEX BACKGROUND

Xu ShihuiZhang Xia

(DepartmentofPrintingandPackaging,WuhanUniversity,Wuhan430079,Hubei,China)

AbstractSkin colour detection becomes a major difficulty in image recognition field, because the skin colour is usually under complex background and is easily affected by the small-area regions of similar colour in environment. Based on modelling and detecting the skin colours in YCbCr colour space and YCgCr colour space, this paper introduces the connected domain for a secondary detection in order to eliminate the impact of small-area similar colour regions in the background on detection results. For a couple of skin colour images under complex background, the results of secondary skin colour detection with connected domain are better than the results of first detection. Results show that the accuracy of this algorithm is higher, it can effectively reduce the misdetection in skin colour detection.

KeywordsConnected domainSkin colour modelSkin colour detection

收稿日期：2015-05-14。國(guó)家科技支撐計(jì)劃資助項(xiàng)目(2012BAH 35B03)。徐詩(shī)惠，碩士生，主研領(lǐng)域：色彩視覺(jué)分析，顏色科學(xué)技術(shù)。張霞，教授。

中圖分類號(hào)TP301.6

文獻(xiàn)標(biāo)識(shí)碼A

DOI:10.3969/j.issn.1000-386x.2016.05.045