CN103106386A - 动态自适应肤色分割方法和装置 - Google Patents

Abstract

提供了动态自适应肤色分割方法和装置。该方法包括：获取RGB图像；对RGB图像进行颜色空间变换以获取HSV图像；进行人脸检测以得到人脸的位置和区域；从人脸区域采集肤色像素点的颜色值作为肤色样本，并同时记录亮度变化剧烈的点的颜色值作为肤色变化样本；对所述肤色样本和所述肤色变化样本的直方图进行每一色度值或饱和度值的统计投票，并以预定权重进行合并；通过所述直方图的色度或饱和度阈值范围内像素计数占所对应直方图总计数的覆盖率来获得肤色分割阈值；和通过所述肤色分割阈值来检测肤色。上述方法和装置能够实现肤色的动态和自适应分割，从而提高肤色检测的准确性以及肤色检测对光照变化的适应性。

Description

动态自适应肤色分割方法和装置

技术领域

本发明实施例涉及图像处理领域，并且更具体地，涉及动态自适应肤色分割方法和装置。

背景技术

肤色分割是目前机器视觉中的一项重要内容，在人脸检测、手势识别、黄色信息视频检测等领域中，肤色分割都起着十分关键的作用。

肤色分割技术的依据是基于肤色的聚类特性。虽然不同人的肤色在亮度上有些差异，但在色度和饱和度上面，肤色都会聚集在一个范围内，然后根据这个范围可以分别出肤色和非肤色。在现有的肤色分割方法中，都是将RGB颜色空间转换到YCbCr颜色空间或HSV颜色空间中，然后在转换后的空间中，基于肤色的聚类特性，完成肤色分割。

虽然肤色具有聚类特性，但在弱光照、强光照等环境光照变化剧烈的情况下，肤色的聚类范围会有变化。这时如果还是依据之前统计的肤色范围，会造成肤色分割不完整、错分等不好的分割结果。基于此种情况，人们更多的采用了动态肤色分割。

目前动态肤色分割有以下几种方法：

1、基于光照的非线性色彩变换。由于肤色的聚类特性更多是在强光或弱光情况下遭到破坏，那么就根据颜色的亮度将肤色分段色彩变换。在正常光照下，色彩不变；在强光或弱光照下，根据大量实验统计分析结果，将这些色彩通过线性变换，转变到正常光照下的色彩值。然后在正常光照下，完成肤色分割。

2、基于肤色样本表。该方法需要采集大量的肤色样本，采集不同肤色的人、不同光照下的肤色作为样本，构成一个肤色样本表。对于需要识别的像素，通过和肤色样本表中肤色作比较，如果有近似的样本，则认为该像素属于肤色；否则判断为非肤色。

但是，上述动态肤色分割方法在肤色检测的准确性方面仍然较低，并且受到光照变化的影响较大。因此，需要改进的动态自适应肤色分割方法和装置。

发明内容

基于上述目的做出本发明，且本发明的目的是提供动态自适应肤色分割方法和装置，其能够实现动态的肤色分割，实时提取肤色样本，从而准确地确定肤色分割的阈值，提高肤色检测的准确性。

并且，本发明的动态自适应肤色分割方法和装置能够实现自适应的肤色分割，根据光照变化来自适应地改变肤色分割阈值，从而提高肤色检测对光照变化的适应性。

一方面，提供了动态自适应肤色分割方法，其特征在于，包括：获取红绿蓝图像；对红绿蓝图像进行颜色空间变换以获取色度饱和度值图像；对色度饱和度值图像进行人脸检测以得到人脸的位置和区域；从人脸的区域采集肤色像素点的颜色值作为肤色样本，并同时记录亮度变化剧烈的点的颜色值作为肤色变化样本；通过对所述肤色样本和所述肤色变化样本进行每一色度值或饱和度值的统计投票来计算所述肤色样本的直方图和所述肤色变化样本的直方图，并以预定权重进行合并以获得色度合并直方图和饱和度合并直方图；通过所述色度合并直方图的色度或所述饱和度合并直方图的饱和度阈值范围内像素计数占所对应直方图总计数的覆盖率来获得所述色度的分割范围上下界以及所述饱和度的分割范围上下界，以将所述色度的分割范围上下界和所述饱和度的分割范围上下界作为一组肤色分割阈值；通过该组肤色分割阈值来检测肤色。

另一方面，提供了一种动态自适应肤色分割装置，其特征在于，包括：图像获取单元，用于获取红绿蓝图像；图像转换单元，与所述图像获取单元连接，用于对所述图像获取单元获取的红绿蓝图像进行颜色空间变换以获取色度饱和度值图像；人脸检测单元，与所述图像转换单元连接，用于对所述色度饱和度值图像进行人脸检测以得到人脸的位置和区域；样本采集单元，与所述人脸检测单元连接，用于从人脸的区域采集肤色像素点的颜色值作为肤色样本，并同时记录亮度变化剧烈的点的颜色值作为肤色变化样本；直方图投票单元，与所述样本采集单元连接，用于通过对所述肤色样本和所述肤色变化样本进行每一色度值或饱和度值的统计投票来计算所述肤色样本的直方图和所述肤色变化样本的直方图，并以预定权重进行合并以获得色度合并直方图和饱和度合并直方图；肤色分割阈值获取单元，与所述直方图投票单元连接，用于通过所述色度合并直方图的色度或所述饱和度合并直方图的饱和度阈值范围内像素计数占所对应直方图总计数的覆盖率来获得所述色度的分割范围上下界以及所述饱和度的分割范围上下界，以将所述色度的分割范围上下界和所述饱和度的分割范围上下界作为一组肤色分割阈值；肤色检测单元，与所述肤色分割阈值获取单元连接，用于通过该组肤色分割阈值来检测肤色。

通过根据本发明实施例的动态自适应肤色分割方法和装置，能够实现肤色的动态和自适应分割，从而实时地提取肤色样本以提高肤色检测的准确性，并自适应地改变肤色分割阈值以提高肤色检测对光照变化的适应性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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是根据本发明实施例的动态自适应肤色分割方法的示意性流程图；

图2A到图2D是根据本发明实施例的直方图计算结果的示意图。

图3A和图3B是根据本发明实施例的直方图合并结果的示意图；

图4是根据本发明实施例的动态自适应肤色分割装置的示意性框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

如上所述，本发明实施例提出了一种动态自适应肤色分割方法。图1是根据本发明实施例的动态自适应肤色分割方法的示意性流程图。如图1所示，根据本发明实施例的动态自适应肤色分割方法包括步骤：S1，获取红绿蓝图像；S2，对红绿蓝图像进行颜色空间变换以获取色度饱和度值图像；S3，对色度饱和度值图像进行人脸检测以得到人脸的位置和区域；S4，从人脸的区域采集肤色像素点的颜色值作为肤色样本，并同时记录亮度变化剧烈的点的颜色值作为肤色变化样本；S5，通过对所述肤色样本和所述肤色变化样本进行每一色度值或饱和度值的统计投票来计算所述肤色样本的直方图和所述肤色变化样本的直方图，并以预定权重进行合并以获得色度合并直方图和饱和度合并直方图；S6，通过所述色度合并直方图的色度或所述饱和度合并直方图的饱和度阈值范围内像素计数占所对应直方图总计数的覆盖率来获得所述色度的分割范围上下界以及所述饱和度的分割范围上下界，以将所述色度的分割范围上下界和所述饱和度的分割范围上下界作为一组肤色分割阈值；S7，通过该组肤色分割阈值来检测肤色。

下面，将对上述动态自适应肤色分割方法的各个步骤进行详细描述。

在步骤S1，获取RGB(Red Green Blue：红绿蓝)图像，例如，可以通过普通的RGB摄像头来获取RGB图像。

随后，在步骤S2，对所获得的RGB图像进行颜色空间变换以获取HSV(Hue Saturation Value：色度饱和度值)图像。这里，本领域技术人员可以理解，可以通过多种方法对所获得的RGB图像进行颜色空间变换以获取HSV图像。在本发明的实施例中，利用每个像素点的RGB值，通过下面的公式1计算得出每个像素点的HSV值。该公式1是根据本发明实施例的将RGB图像进行颜色空间变换以获得HSV图像的公式。

$V\←\frac{\max (R,G,B)}{255}$

公式1

并且，如果H＜0，那么H←H+360。

由上面的公式1，计算得到的H的取值范围为0-360，S的取值范围为0-1，且V的取值范围为0-1，在本发明的实施例中，为了能分别用一个字节的信息表示H、S和V(一个字节表示的范围是0-255)，对上述H、S和V值作如下处理：

H＝H/2，则H的取值范围规范化到0-180；

S＝S*255，则S的取值范围规范化到0-255；

V＝V*255，则V的取值范围规范化到0-255；

这里，在计算机的数字图像表示方法中，由于每个像素的一个通道最少用一个字节表示，所以对于上述H，S和V值进行规范化。

通过上面的公式1，例如，如果一个像素点的RGB值为(120，10，60)，那么计算出的对应的HSV值为：

V＝max(120，10，60)＝120/255＝0.47

S＝(120-min(120，10，60))/120＝0.917

H＝60×(10-60)/(120-10)＝27.2

经过规范化和取整处理后，得到的HSV值如下：

H＝27.2/2＝13＝13

S＝0.917×255＝233.8＝233

V＝0.47×255＝119.8＝119

接下来，在步骤S3，进行人脸检测以得到人脸的位置和区域。在本发明的实施例中，采用haar类矩形特征和adaboost算法训练人脸分类器，对图像做人脸检测。此外，本领域技术人员可以理解，也可以采用其它方法来进行人脸检测。并且，如果检测到人脸，则记录人脸所在的位置和区域。

在步骤S4，从人脸区域采集肤色像素点的颜色值作为肤色样本。本发明实施例的具体做法是：首先，根据统计规律，肤色在色度和饱和度上会处于一个范围较大的区域内，这个区域用来对像素进行肤色的初步筛选，假设一个像素的色度和饱和度为H和S，按下面的公式2进行判断。该公式2是根据本发明实施例的用于判断肤色像素点是否作为肤色样本的公式。

公式2

在上述公式2中，不使用亮度值(V)作为判断肤色的依据，这是由于场景中光照变化和人脸、人手受光照都很不均匀，肤色像素的亮度值变化非常剧烈，因此亮度值是不可靠的。通过采集人脸像素的色度值(H)和饱和度值(S)来作为肤色样本，可以增强了对亮度变化的适应性。

例如，如果一个像素点的HSV值为(10，50，100)且位于人脸区域，那么该像素点被认定为肤色样本。

并且，在步骤S4，记录亮度变化剧烈的点的颜色值作为肤色变化样本。按照下面的公式3确定该点的亮度变化是否剧烈，令第t帧的某一像素点的亮度值为v(t)，Tv为一个根据经验设置的阈值，通常设置为7。该公式3是根据本发明实施例的用于判断肤色像素点是否作为肤色变化样本的公式。

公式3

这样，如果相邻两帧之间某一像素点的亮度值之差超过了预先设置的阈值，则将该点作为肤色变化样本。

在步骤S5，进行肤色样本和肤色变化样本的直方图投票和合并。对于肤色样本，计算色度直方图hist_H和饱和度直方图hist_S；而对于肤色变化样本，计算色度变化直方图hist_m_H和饱和度变化直方图hist_m_S。在本发明的实施例中，对于色度/饱和度范围内的每一个色度值/饱和度值对像素点样本进行计数，然后色度直方图和饱和度直方图的每一个计数值以一定的权值分别和变化色度直方图和变化饱和度直方图对应的计数值加权平均获得色度合并直方图和饱和度合并直方图。这里，直方图投票过程指的是计算一个离散值函数h(r_k)＝n_k，其中r_k为一个区间[a，b]的色度值(或饱和度值)的某一个离散值，n_k表示值为r_k的像素的计数(或称为票数)，其含义是参与直方图计算的色度值(或饱和度值)为r_k的像素的个数为n_k。图2A到图2D是根据本发明实施例的直方图计算结果的示意图。

然后通过下面公式4来计算以得到合并直方图，在本发明的实施例中，分别计算出两种(肤色样本和肤色变化样本的)直方图，然后进行以预定权重合并成一个直方图，如公式4所示：

hist_H′或S′(r_k)＝hist_H或S(r_k)+α×hist_m_H或S(r_k)公式4

hist_{H′(或S′)}为色度合并直方图，且α为一个系数，值在0到1之间，称为合并率。合并直方图的效果是考虑帧间亮度变化剧烈的像素点的色度和饱和度，该色度和饱和度可能由于亮度变化造成了肤色在色度和饱和度上发生了一定程度的漂移，并且，通过修正这种漂移可以获得更准确的色度和饱和度分割阈值。图3A和图3B是根据本发明实施例的直方图合并结果的示意图。

在步骤S6，通过直方图覆盖率来获得一组肤色分割阈值，并通过多阈值处理的阈值判断来检测肤色。在本发明的实施例中，色度和饱和度的分割阈值上下界范围内的像素的计数占相应色度合并直方图和饱和度合并直方图总计数的比率分别等于预先设定的阈值。例如，令β_H和β_S分别为色度覆盖率和饱和度覆盖率，β_H和β_S的取值范围为0-1，通常取β_H＝0.96，β_S＝0.96；色度H和饱和度S的分割范围上下界为[Hlow，Hup]和[Slow，Sup]，含义是[Hlow，Hup](或[Slow，Sup])范围内的色度合并直方图(或饱和度合并直方图)的计数占直方图总计数的比率为β_H(或β_S)。具体值按下面的公式5进行确定，公式5是根据本发明实施例的用于确定上述一组肤色分割阈值Hlow、Hup、Slow和Sup的公式：

公式5

随后，在步骤S7，通过阈值判断检测肤色，对于场景中的任一像素p，令它的色度值为h，饱和度值为s，则对该像素按下面的公式6进行归类：

公式6

例如，如果场景图像上的某一像素点p按上述规则归类为肤色像素，则该像素点所对应的结果图像上的像素值可以被赋为255(即该像素颜色为白色)；否则，则该像素点所对应的结果图像上的像素值被赋为0(即该像素颜色为黑色)。

当然，以上为肤色像素赋予255的像素值并未非肤色像素赋予0的像素值仅是为了更好地区分肤色像素和非肤色像素，在本发明的实施例中，这是分割结果的一种表述形式，也可以使用任何两种不同的值来表示非肤色或者肤色，例如0和1。在上述实施例中，使用0和255是因为在灰度图像上，这两种值刚好对应“黑色”和“白色”，这里用“白色”代表目标更容易观察肤色分割的结果。这里，本领域技术人员可以理解本发明的实施例并不限于上述赋值方式，而只要可以将肤色像素与非肤色像素进行适当的区分即可。

通过上述根据本发明实施例的动态自适应肤色分割方法，可以实现动态的肤色分割，即，实时从人脸区域提取肤色样本，从而准确地确定肤色分割的阈值，提高肤色检测的准确性，并且，可以实现自适应的肤色分割，即，采集光照变化较为剧烈的点作为修正肤色范围区域漂移的参考，从而提高了肤色检测对光照变化的适应性。

本发明实施例所提出的基于人脸检测的动态自适应肤色分割方法可以应用于手势识别系统中。就是说，不论环境光照变化还是人的肤色不同，同一个人的脸上和手上的肤色均十分相似。通过采用了基于Haar特征的人脸检测，该人脸检测方法不依赖于肤色。在检测到人脸后，以人脸上的像素作为肤色样本，通过直方图统计的方法动态获得肤色的阈值。在手势识别系统中使用根据本发明实施例的动态自适应肤色分割方法可以取得良好的效果。

例如，采用根据本发明实施例的动态自适应肤色分割方法，可以制造出基于手势识别的游戏控制器。即，将本发明技术方案的核心算法和图像捕获设备集成到游戏娱乐设备中，可制造出基于普通摄像头的新型游戏娱乐设备。该类游戏娱乐设备通过肤色分割检测到人手，然后识别出人手的动作操纵游戏。这种设备与现有的游戏娱乐设备相比，操作方式更加自然，能够使玩家摆脱了鼠标、键盘、压力传感器等接触式设备的局限；并且不仅支持平面操作，还支持深度方向的操作，从而使得用户具有更强的用户体验。

在识别人手的动作时，可以采用基于计算机视觉的实时手势交互方法，例如，在本发明的实施例中，可以通过统计方法学习人手目标样本以得到级联结构的分类器，并通过统计方法学习预定义的手势样本以得到各手势的隐马尔科夫模型，利用级联结构的分类器在输入的视频图像上进行人手检测，根据人手在图像中的位置初始化手轮廓跟踪算法，并利用手轮廓跟踪算法来跟踪视频图像中的人手轮廓，从而得到视频图像中的人手轮廓状态及手势轨迹，并利用隐马尔科夫模型对手势轨迹进行识别，从而识别出人手的动作。

根据本发明实施例的另一方面，还提供了一种动态自适应肤色分割装置。图4是示出根据本发明实施例的动态自适应肤色分割装置的示意性框图。如图4所示，根据本发明实施例的动态自适应肤色分割装置100包括：图像获取单元101，用于获取RGB图像；图像转换单元102，与图像获取单元101连接，用于对图像获取单元101获取的RGB图像进行颜色空间变换以获取HSV图像；人脸检测单元103，与图像转换单元102连接，用于对HSV图像进行人脸检测以得到人脸的位置和区域；样本采集单元104，与人脸检测单元103连接，用于从人脸区域采集肤色像素点的颜色值作为肤色样本，并同时记录亮度变化剧烈的点的颜色值作为肤色变化样本；直方图投票单元105，与样本采集单元104连接，用于对肤色样本和肤色变化样本的直方图进行每一色度值或饱和度值的统计投票，并以预定权重进行合并；肤色分割阈值获取单元106，与直方图投票单元105连接，用于通过直方图的色度或饱和度阈值范围内像素计数占所对应直方图总计数的覆盖率来获得肤色分割阈值；肤色检测单元107，与肤色分割阈值获取单元106连接，用于通过肤色分割阈值来检测肤色。

在上述动态自适应肤色分割装置中，人脸检测单元103具体用于通过采用haar类矩形特征和adaboost算法训练人脸分类器以进行人脸检测。

在上述动态自适应肤色分割装置中，样本采集单元104具体用于在位于所述人脸区域中的像素点的色度值和饱和度值处于在一初始阈值范围内的情况下，将所述像素点就作为所述肤色样本。

在上述动态自适应肤色分割装置中，样本采集单元104具体用于在相邻两帧之间的一像素点的亮度值之差超过了一预定阈值的情况下，将所述像素点就作为肤色变化样本。

在上述动态自适应肤色分割装置中，直方图投票单元105具体用于：通过投票计算出色度直方图和饱和度直方图、变化色度直方图和变化饱和度直方图，以为色度或饱和度范围内的每一个色度值或饱和度值对像素点样本进行计数，并将色度直方图和饱和度直方图的每一个计数值以一定的权值分别与变化色度直方图和变化饱和度直方图对应的计数值进行加权平均，以获得色度合并直方图和饱和度合并直方图。

在上述动态自适应肤色分割装置中，肤色分割阈值获取单元106配置为，所述色度和饱和度的分割阈值上下界范围内的像素的计数占相应色度合并直方图和饱和度合并直方图总计数的比率分别等于预先设定的阈值。

在上述动态自适应肤色分割装置中，肤色检测单元107具体用于：对于任一像素点，在其色度值在色度分割阈值范围内且饱和度值在饱和度分割范围的情况下，将该像素点检测为肤色像素值，将该像素点所对应的结果图像上的像素值赋为像素值255，否则，将该像素点所对应的结果图像上的像素值赋为像素值0。

通过根据本发明实施例的动态自适应肤色分割方法和装置，能够实现肤色的动态和自适应分割，从而实时地提取肤色样本以提高肤色检测的准确性，并自适应地改变肤色分割阈值以提高肤色检测对光照变化的适应性。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (14)

1.一种动态自适应肤色分割方法，其特征在于，包括：

获取红绿蓝图像；

对红绿蓝图像进行颜色空间变换以获取色度饱和度值图像；

对色度饱和度值图像进行人脸检测以得到人脸的位置和区域；

从人脸的区域采集肤色像素点的颜色值作为肤色样本，并同时记录亮度变化剧烈的点的颜色值作为肤色变化样本；

通过对所述肤色样本和所述肤色变化样本进行每一色度值或饱和度值的统计投票来计算所述肤色样本的直方图和所述肤色变化样本的直方图，并以预定权重进行合并以获得色度合并直方图和饱和度合并直方图；

通过所述色度合并直方图的色度或所述饱和度合并直方图的饱和度阈值范围内像素计数占所对应直方图总计数的覆盖率来获得所述色度的分割范围上下界以及所述饱和度的分割范围上下界，以将所述色度的分割范围上下界和所述饱和度的分割范围上下界作为一组肤色分割阈值；

通过该组肤色分割阈值来检测肤色。

2.如权利要求1所述的方法，其中，所述进行人脸检测以得到人脸的位置和区域的步骤具体为：

通过采用haar类矩形特征和adaboost算法训练人脸分类器对色度饱和度值图像进行人脸检测，以得到人脸的位置和区域。

3.如权利要求1或2所述的方法，其中，所述从人脸的区域采集肤色像素点的颜色值作为肤色样本的步骤具体为：

在位于所述人脸的区域中的一像素点的色度值和饱和度值处于在一初始阈值范围内的情况下，所述像素点就作为所述肤色样本。

4.如权利要求1或2所述的方法，其中，所述记录亮度变化剧烈的点的颜色值作为肤色变化样本的步骤具体为：

在相邻两帧之间的一像素点的亮度值之差超过了一预定阈值的情况下，所述像素点就作为肤色变化样本。

5.如权利要求1到4中任意一项所述的方法，其中，所述通过对所述肤色样本和所述肤色变化样本进行每一色度值或饱和度值的统计投票来计算所述肤色样本的直方图和所述肤色变化样本的直方图，并以预定权重进行合并以获得色度合并直方图和饱和度合并直方图的步骤具体为：

通过对所述肤色样本和所述肤色变化样本进行每一色度值或饱和度值的投票来计算出色度直方图和饱和度直方图、变化色度直方图和变化饱和度直方图，其中，所述投票对于色度或饱和度范围内的每一个色度值或饱和度值而对像素点样本进行计数，以及

将所述色度直方图和所述饱和度直方图的每一个计数值以一定的权值分别与所述变化色度直方图和所述变化饱和度直方图对应的计数值进行加权平均，以获得所述色度合并直方图和所述饱和度合并直方图。

6.如权利要求1到5中任意一项所述的方法，其中，所述通过所述色度合并直方图的色度或所述饱和度合并直方图的饱和度阈值范围内像素计数占所对应直方图总计数的覆盖率来获得所述色度的分割范围上下界以及所述饱和度的分割范围上下界，以将所述色度的分割范围上下界和所述饱和度的分割范围上下界作为一组肤色分割阈值的步骤中，

所述色度和饱和度的分割阈值上下界范围内的像素的计数占相应色度合并直方图和饱和度合并直方图总计数的比率分别等于预先设定的阈值。

7.如权利要求1到6中任意一项所述的方法，其中，所述通过该组肤色分割阈值来检测肤色的步骤具体为：

对于任一像素点，在其色度值在色度分割阈值范围内且饱和度值在饱和度分割范围的情况下，将该像素点检测为肤色像素值，将该像素点所对应的结果图像上的像素值赋为第一像素值，否则，将该像素点所对应的结果图像上的像素值赋为与第一像素值不同的第二像素值。

8.一种动态自适应肤色分割装置，其特征在于，包括：

图像获取单元，用于获取红绿蓝图像；

图像转换单元，与所述图像获取单元连接，用于对所述图像获取单元获取的红绿蓝图像进行颜色空间变换以获取色度饱和度值图像；

人脸检测单元，与所述图像转换单元连接，用于对所述色度饱和度值图像进行人脸检测以得到人脸的位置和区域；

样本采集单元，与所述人脸检测单元连接，用于从人脸的区域采集肤色像素点的颜色值作为肤色样本，并同时记录亮度变化剧烈的点的颜色值作为肤色变化样本；

直方图投票单元，与所述样本采集单元连接，用于通过对所述肤色样本和所述肤色变化样本进行每一色度值或饱和度值的统计投票来计算所述肤色样本的直方图和所述肤色变化样本的直方图，并以预定权重进行合并以获得色度合并直方图和饱和度合并直方图；

肤色分割阈值获取单元，与所述直方图投票单元连接，用于通过所述色度合并直方图的色度或所述饱和度合并直方图的饱和度阈值范围内像素计数占所对应直方图总计数的覆盖率来获得所述色度的分割范围上下界以及所述饱和度的分割范围上下界，以将所述色度的分割范围上下界和所述饱和度的分割范围上下界作为一组肤色分割阈值；

肤色检测单元，与所述肤色分割阈值获取单元连接，用于通过该组肤色分割阈值来检测肤色。

9.如权利要求8所述的装置，其中，所述人脸检测单元具体用于：

通过采用haar类矩形特征和adaboost算法训练人脸分类器对色度饱和度值图像进行人脸检测，以得到人脸的位置和区域。

10.如权利要求8或9所述的装置，其中，所述样本采集单元具体用于：

在位于所述人脸的区域中的一像素点的色度值和饱和度值处于在一初始阈值范围内的情况下，所述像素点就作为所述肤色样本。

11.如权利要求8或9所述的装置，其中，所述样本采集单元具体用于：

在相邻两帧之间的一像素点的亮度值之差超过了一预定阈值的情况下，所述像素点就作为肤色变化样本。

12.如权利要求8到11中任意一项所述的装置，其中，所述直方图投票单元具体用于：

通过对所述肤色样本和所述肤色变化样本进行每一色度值或饱和度值的投票来计算出色度直方图和饱和度直方图、变化色度直方图和变化饱和度直方图，其中，所述投票对于色度或饱和度范围内的每一个色度值或饱和度值而对像素点样本进行计数，以及

将所述色度直方图和所述饱和度直方图的每一个计数值以一定的权值分别与所述变化色度直方图和所述变化饱和度直方图对应的计数值进行加权平均，以获得所述色度合并直方图和所述饱和度合并直方图。

13.如权利要求8到12中任意一项所述的装置，其中，所述肤色分割阈值获取单元配置为，

所述色度和饱和度的分割阈值上下界范围内的像素的计数占相应色度合并直方图和饱和度合并直方图总计数的比率分别等于预先设定的阈值。

14.如权利要求8到13中任意一项所述的装置，其中，所述肤色检测单元具体用于：

对于任一像素点，在其色度值在色度分割阈值范围内且饱和度值在饱和度分割范围的情况下，将该像素点检测为肤色像素值，将该像素点所对应的结果图像上的像素值赋为第一像素值，否则，将该像素点所对应的结果图像上的像素值赋为与第一像素值不同的第二像素值。

Images