皮肤检测技术

皮肤检测技术

第一节皮肤检测技术相关理论

一、肤色检测技术

肤色检测技术是指在图像中选取对应于人体皮肤像素区域的过程。广泛应用于人脸检测与识别、人脸追踪、面部表情识别、手势识别、互联网色情图像过滤以及基于内容的图像检索等。除此之外，肤色检测技术也可以应用于包括视频监控与检索、皮肤疾病诊断、化妆品效果分析等日常生活领域。由此可见肤色检测技术在理论研究和实际应用中都具有极为重要的研究价值和意义。

皮肤检测技术在以下领域扮演着非常重要的角色：

（1）人脸检测

该问题最初作为自动人脸识别系统的定位环节被提出，近年来由于其在安全访问控制、视觉监测、基于内容的检索和新一代人机交互界面等领域的应用价值，开始作为一个独立的课题受到研究者的普遍重视。随着电子商务等应用的发展，人脸识别因为其非接触性的特点而成为最有潜力的生物身份验证手段，这种应用背景要求自动人脸识别系统能够对一般环境图像具有一定的适应能力，由此所面临的一系列问题使得人脸检测开始作为一个独立的课题受到研究者的重视。今天，人脸检测的应用背景己经远远超出了人脸识别系统的范畴，在基于内容的检索、数字视频处理、视觉检测等方面都有着重要的应用价值。

（2）人脸追踪

随着多媒体通信技术的不断发展，各种基于通信新技术的视频产品已经走进了人们的日常生活，不但给人们带来了来极大的方便，还增添了不少乐趣。其中人脸追踪技术就被广泛应用于个人通信、交互娱乐、视讯监控、人机交互等领域。例如将人脸识别与追踪技术应用于数码相机中，可以准确快速地定位相机取景器中的人脸，从而实现对人脸的快速对焦，拍出清晰的人像。该技术通过对摄像头捕获到的人脸图像进行持续的跟踪与验证，不断进行人脸区域的准确性校正，从而实现对人脸的精确定位与比对。这一技术的成功也是基于对皮肤检测的应用。

（3）面部表情识别

面部表情识别系统就是对人脸的表情信息进行特征提取和分析，按照人的认识和思维方式加以归类和理解，利用人类所具有的情感信息方面的先验知识使计算机进行联想、思考及推理，进而从人脸信息中去分析理解人的情绪，如快乐、惊奇、愤怒、恐惧、厌恶、悲伤等。系统通常以程序块的序列结构表示，这与经典的模式识别模型一致。主要的块包括：图像的获得、预处理、特征提取、分类和后续处理。皮肤检测在面部表情识别的预处理阶段和特征提取阶段都起着关键的作用。

（4）手势识别

手势是一种自然、直观、易于学习的人机交互手段。手势识别作为手势输入的先前条件，是实现自然、直接的人机交互不可缺少的关键技术。目前的手势识别技术主要分为基于数据手套和基于视觉两种，这两种方法各有自己的长处，也都取得了一些研究成果，但都还不成熟，手势输入作为一种自然、丰富、直接的交互手段在人机交互技术中占有重要的地位，手势识别与皮肤识别技术紧密相关。

（5）实时敏感图像过滤

该技术的研究方向具有重大的应用价值，对网络视觉信息过滤和净化有很好的应用前景。伴随着网络的普及，网络安全日益成为关系到国家与社会安全的一个重要内容，对网络信息进行必要的技术监测和过滤，能有效地打击网络犯罪。

互联网上的色情图像的传播愈演愈烈，难以用人工进行有效的控制，不法分子常以篡改其他网站主页或使用隐蔽代名词的方式来传播色情图像。因此，必须引入计算机视觉和图像识别技术，对嵌入在主页中的图像进行分析。色情图像在内容上差别很大，但是它们的共同点是：包含了大量裸露的皮肤区域。所以，敏感图像检测问题又归结到了皮肤检测问题。

人脸识别和敏感图像过滤等技术都必须解决一个基础问题：如何把图像精确地划分为皮肤和背景两类。而分类的精确与否直接影响到下一步的处理，如图像分割、形状判断等。因此，一个精确检测皮肤的方法具有非常重要的研究价值。但另一方面，精确的检测皮肤是非常困难的，例如，人种的肤色差异、有色灯光、阴影，以及强光照射、摄像机色偏等都影响对皮肤的正确识别。尤其是在复杂光照情况下，肤色的检测更加具有挑战性。

二、国内外研究现状

肤色检测是一个模式识别问题，其模式分为皮肤像素和非皮肤像素。它是所有基于肤色的应用要处理的第一个步骤，它的任务是首先对输入的图像进行分割，即把整幅图像分割成两部分：一部分为肤色区域，另一部分为非肤色区域。

1.其评价标准主要有以下4点：

（1）检测率：被正确检测到的皮肤像素数与原图像内包含的肤色像素数的比值。检测率越高，说明检测系统对皮肤的接受能力越强。

（2）误检率：被误检为肤色的非肤色像素数与原图像内被检测的所有非肤色像素数的比值。

（3）检测速度：大部分应用领域需要在线实时地检测出肤色，如人脸识别，人脸跟踪，视频监控，Web敏感图像过滤等。在检测率和误检率达到满意的前提下，检测速度越快越好。

（4）鲁棒性：在各种条件下，检测系统的适应能力。有些检测方法受复杂背景或者复杂光照的干扰，在背景较简单或正常光照时效果好，反之较差。

肤色检测技术的发展经历了三个时期：即七十年代的早期研究时期，当时只采用了简单的特征技术。70到90年代的迷茫时期，由于硬件技术等各方面问题的存在，研究出现了停滞不前的局面。90年代以来，由于社会经济的发展，身份验证的需要急剧增加，使得与生物识别技术相关的肤色检测技术也得到了前所未有的关注的高速发展阶段。

当前，根据有没有涉及成像过程，可以将肤色检测方法分成两种基本类型：基于物理的方法和基于统计的方法。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。基于统计的肤色检测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。

2.颜色空间的选择

在不同颜色空间中肤色的聚类情况是不一样的，而肤色与非肤色的易分离度也是不相同的，是否存在一个最优的颜色空间，如何找到这样的颜色空间，大量的研究者为此付出了心血。

常用的颜色空间包括RGB、Nrgb、TSL、HSV、HSL、HS、YIQ、YUV、YES、YCb Cr、CIE Lab、CIE Luv等。Terrillon JC等在9种颜色空间(TSL，NCC rgb，CIE