徐詩惠　張　霞

(武漢大學印刷與包裝系　湖北 武漢 430079)

?

連通域在復雜背景膚色檢測中的應用

徐詩惠張霞

(武漢大學印刷與包裝系湖北 武漢 430079)

摘要由于膚色常處于復雜背景下且容易被環(huán)境中的小面積類膚色區(qū)域影響，使得膚色檢測成為圖像識別領域中的一大難點。在對YCbCr空間和YCgCr空間中的膚色進行建模檢測的基礎上，引入連通域進行二次檢測，以此消除背景中小面積類膚色區(qū)域對檢測結果的影響。針對多幅復雜背景下的膚色圖像，進行連通域二次膚色檢測的結果相較于第一次檢測結果更好。結果表明，該算法的準確性較高，可以有效降低膚色的誤檢。

關鍵詞連通域膚色模型膚色檢測

0引言

膚色檢測是進行膚色再現(xiàn)的基礎，常用于人臉識別、網絡圖像內容分類、數(shù)據(jù)庫人物檢索等。傳統(tǒng)的膚色檢測方法在統(tǒng)計學的基礎上，建立膚色數(shù)學模型。這種方法主要分為兩步：顏色空間變換和膚色建模[1]。顏色空間選擇對膚色檢測起著舉足輕重的作用[2,3]。Shin等人對9種顏色空間進行了膚色檢測實驗，比較了膚色-非膚色的可分離性指標，認為具有認知屬性的、可以將亮度與色度分開處理的顏色空間有利于膚色檢測[4]。目前，較為常用的色度與亮度相互獨立的色彩空間有YUV、YCbCr等[5,6]。

一般情況下，膚色不會獨立處于單一顏色背景中，前景與后景的顏色多且雜，檢測時，許多具有類似色度的像素點會被檢測出來，從而影響膚色區(qū)域的分割與統(tǒng)計。膚色檢測獲得的二值化圖像中，同一目標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記算法區(qū)分出不同的目標。針對復雜背景下的膚色檢測，連通域提取算法可以有效去除小面積類膚色區(qū)域對檢測結果的影響。本文根據(jù)顏色空間中膚色的不同分布特性，對YCbCr空間和YCgCr空間[7]中的膚色進行建模檢測[8-10]，并引入連通域提取[11]后進行二次檢測。

1膚色建模

基于統(tǒng)計的膚色檢測過程[12]是通過統(tǒng)計分析膚色數(shù)據(jù)集中的各種膚色像素的顏色信息來確定不同膚色模型中的模型參數(shù)，將建好的模型運用到具體的圖像中來判斷圖像中的像素是否為膚色像素。本文針對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對膚色進行檢測，并對其進行比較。

為了統(tǒng)計出膚色的分布特性，從網上截取和拍攝了200幅不同光照、不同年齡、不同姿勢的膚色圖像，人工標記出約750 000個像素進行分析，為避免過亮或過暗顏色的影響，在像素采集過程中盡量避免亮度過暗或過高的膚色區(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顏色空間轉換到YCbCr顏色空間中，對其進行統(tǒng)計，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

對圖2進行分析得到，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較小的范圍內，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橢圓，因此可用橢圓進行模擬[14]，如圖3所示，對其進行分析可得到橢圓的表達式如式(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。

基于此橢圓表達式，可以建立一個檢測膚色的橢圓模型，即通過計算一種顏色是否處于該橢圓區(qū)域之內來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顏色空間轉換到YCgCr顏色空間中，對其進行統(tǒng)計，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膚色進行建模，擬合圖像如圖5所示，式(2)為分析得到的平行四邊形所對應的四條直線的表達式。

圖5　平行四邊形膚色分布邊界模擬

(2)

當像素值在Cr∈[-1.3×Cg+290,-1.3×Cg+320]，Cg∈[85,135]區(qū)域內時，該像素被判定為是膚色像素，通過二值化處理，標記為1，非膚色像素二值化標記為0。

2膚色檢測

圖6　膚色檢測原圖

在對兩種顏色空間分別建模的基礎上對多幅復雜背景下的膚色圖像進行膚色檢測。以其中一幅膚色圖為例說明。原圖如圖6所示，在前景和后景上均存在大量影響檢測的干擾像素，顏色與形狀均存在多樣化，構成復雜背景。圖7(a)為YCbCr顏色空間中的膚色檢測結果，圖7(b)為YCgCr顏色空間中的膚色檢測結果。

圖7　膚色檢測圖

通過對比分析YCbCr與YCgCr顏色空間中的膚色檢測結果，可以發(fā)現(xiàn)，由于膚色中B分量較少，所以在YCgCr空間中的膚色檢測效果更好，膚色散點更少，前景衣服上大部分類似于膚色的顏色并未檢測出來，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

膚色檢測結果說明基于YCbCr、YCgCr顏色空間的膚色檢測存在不足，容易受到復雜顏色背景的干擾，如圖7中背景橫欄和前景衣服。對于復雜的場景，膚色目標容易與背景相混淆[15]。在膚色檢測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，本文引入連通域進行二次檢測以降低誤檢。

對于某一個區(qū)域而言，若該區(qū)域內的任意兩點都可以用區(qū)域內部的一條折線連接起來, 則該區(qū)域被稱為連通區(qū)域。連通區(qū)域通常分為兩種：單連通區(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，可以不經過該區(qū)域外的點而連續(xù)收縮于區(qū)域中的某一點，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來表示。對二值圖像進行連通域標記處理需要從僅由白色與黑色像素組成的點陣圖像[17]中，將互相鄰接的具有相同像素值的像素集合提取出來，再對不同的連通區(qū)域填入不同的數(shù)字標記，同時統(tǒng)計圖像中連通域的數(shù)目。

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

對數(shù)字點陣I的連通域標記處理的算法如下:

(1) 初步標記圖像中的每個像素點，在等價表中記錄這些臨時標記對應的等價關系。

(2) 對等價表進行整理，將其中具有等價關系的臨時標識賦值為其中的最小值，之后以自然數(shù)順序重新進行編號，獲得臨時標記與最終標記之間的等價關系后逐像素替換，將臨時標記替換成最終標記。

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

圖9為對第一次膚色檢測后采用連通域標記之后的二次膚色檢測結果。

圖9　連通域膚色檢測圖

圖10　人工膚色分割圖

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

為了更為客觀地表現(xiàn)實驗結果，本文對膚色檢測結果的誤檢數(shù)進行了統(tǒng)計。通過對原圖進行人工分割，區(qū)分膚色和非膚色區(qū)域，統(tǒng)計得到實際膚色像素總數(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的誤檢數(shù)。

表1　膚色檢測誤檢

由表1中數(shù)據(jù)可以看出，YCbCr顏色空間中的膚色檢測效果相較于YCgCr顏色空間中的結果較差，誤檢數(shù)較高，而采用連通域進行二次檢測后兩種方法的誤檢數(shù)均大幅度降低。除此之外，本文對以年齡分類的多幅圖像進行測試，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　老人膚色檢測圖

圖12　兒童膚色檢測圖

4結語

本文以YCbCr顏色空間和YCgCr顏色空間為基礎，對兩種顏色空間中膚色的聚類效果建立不同的膚色統(tǒng)計模型，對處于復雜背景下的膚色進行一次檢測。然后基于膚色分布的連通性對膚色進行二次檢測，并去除圖像中的小區(qū)域散點，實驗結果表明，此方法可有效降低膚色檢測的誤檢，提高了膚色檢測的準確性和有效性。

參考文獻

[1] 陳鍛生,劉政凱.膚色檢測技術綜述[J].計算機學報,2006,29(2):194-207.

[2] 徐戰(zhàn)武,朱淼良.膚色檢測最優(yōu)空間[J].計算機輔助設計與圖形學學報,2006,18(9):1350-1356.

[3] 江鳳兵.不同顏色空間膚色檢測算法的研究[D].贛州:江西理工大學,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綜述[J].中國圖象圖形學報,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] 張爭珍,石躍祥.YCgCr與YCgCb顏色空間的膚色檢測[J].計算機工程與應用,2010,46(34):167-170.

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

[10] 康進峰,王國營.基于YCgCr顏色空間的膚色檢測方法[J].計算機工程與設計,2009,30(19):4443-4446.

[11] 左文明.連通區(qū)域提取算法研究[J].計算機應用與軟件,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[J].長春工業(yè)大學學報:自然科學版,2013,34(4):382-386.

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

[15] 王小霞,曾培峰,唐莉萍,等.復雜場景中運動目標的檢測[J].計算機應用與軟件,2015,32(2):203-206.

[16] 梁成.基于像素二值化法的連通域標記[J].計算機與數(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。國家科技支撐計劃資助項目(2012BAH 35B03)。徐詩惠，碩士生，主研領域：色彩視覺分析，顏色科學技術。張霞，教授。

中圖分類號TP301.6

文獻標識碼A

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