基于彩色模型设计简单的肤色检测器

矫情吗；* 2022-01-13 11:45 193阅读 0赞

### 基于彩色模型设计简单的肤色检测器 ###

*  说明
 *  具体步骤
 *  部分分析图表
 *  代码
 *  部分结果
 *  结果分析
 *  总结与分析

# 说明 #

此文主要通过手动收集中国人肤色的RGB等不同色彩模型数值，通过这些数值来对人脸进行判定。

# 具体步骤 #

1.  使用画图工具获取肤色的RGB数值。
2.  RGB转HSV（可采用菜鸟的在线转换），在matlab中，HSV的表示范围为0-1。
3.  记录数值。
4.  分析数值，这边我使用了R语言。
5.  确定阈值。

# 部分分析图表 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyMDM3NzQ2_size_16_color_FFFFFF_t_70]  
![在这里插入图片描述][20190616150337883.png_pic_center]

# 代码 #

*  RGB

files=dir('lhj.jpg');   %读入图片
    for i=1:length(files)   %循环
    s=files(i).name;
    I=imread(s);            %得到三维矩阵
    I1=I;
    R=I1(:,:,1);            %红色通道
    G=I1(:,:,2);            %绿色通道
    B=I1(:,:,3);            %蓝色通道
    id=R>150&G>100&G<210&B>90&B<200&(G-B)<40&(R-G)>20&(R-G)<70&((R-G)./(G-B))<9;    %阈值
    figure,subplot(2,1,1),imshow(I),          %显示原始图像
    subplot(2,1,2),imshow(id)
    end

*  HSV

files=dir('wjk.jpg');      %读入图片
    for i=1:length(files)    
    s=files(i).name;
    I=imread(s);    
    I1=rgb2hsv(I);          %RGB转换为HSV
    H=I1(:,:,1);          
    S=I1(:,:,2);
    V=I1(:,:,3);
    id=H>0.0128&H<0.09&S<0.55&S>0.1&V>0.33;
    figure,subplot(2,1,1),imshow(I),
    subplot(2,1,2),imshow(id)
    end

# 部分结果 #

RGB![在这里插入图片描述][20190616150610616.png]HSV![在这里插入图片描述][20190616150603746.png]  
RGB![在这里插入图片描述][2019061615064428.png]HSV![在这里插入图片描述][20190616150638171.png]

# 结果分析 #

*  RGB与HSV的比较  
    在两个模型中，从测试结果来看，得出以下结论：

1.  错误接受率HSV更高，也就是说HSV模型的肤色认定范围较广，一方面它可以尽可能多的将肤色识别出来，如一些带有阴影的区域，但同时也更多的将接近肤色的背景认定为肤色；
2.  错误拒绝率则RGB更胜一筹，如组7组8，肤色的识别不够完整；
3.  对于RGB模型限定了三者之间的关系，而HSV模型只考虑了单个之间的关系，可HSV模型的测试结果却还不错，如果对HSV模型进行深入挖掘应该可以得到比RGB模型好不少的结果；
4.  我认为HSV模型会优于RGB模型。因为HSV模型三者的数值范围在\[0,1\]之间，在本次实验中我取到小数点后4位，而RGB模型只采用单一的整数，所以，HSV表示的颜色更为精确，如果有一个良好的模型，对于肤色的识别也会更加精确吧。

*  综上，我认为HSV的颜色空间更好一些。但要得到更加精确的效果，50组的样本数据是远远不够的，对数据的挖掘也不够深入，RGB、HSV三者之间的关系应该进行深入研究。

# 总结与分析 #

参考相关资料，用于肤色检测的方法大概有以下几种，基于RGB的肤色检测、基于椭圆模型的肤色检测、基于YCrCb颜色空间的肤色检测、基于HSV的肤色检测、opencv自带的肤色检测函数AdaptiveSkinDetector等。有很多影响肤色的因素，比如拍照时的灯光、拍照的时间等等。  
我尝试了其中的一些方法，并结合网上的效果图，发现效果也是大同小异，没有什么特别好的方法。下图为基于YCrCb颜色空间的肤色检测效果，采用的仍然是matlab。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyMDM3NzQ2_size_16_color_FFFFFF_t_70_pic_center]  
![在这里插入图片描述][20190616151107478.png_pic_center]

要更好的检测出肤色应该先将人检测出来，使人物与背景分离，只在人物的范围上进行肤色检测，这样可以减少其他事物中与肤色相近的元素也被认定为肤色，即降低错误接受率。当能检测出人物的大致范围后，再进行肤色阈值进一步的确定，使肤色检测更为精确。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyMDM3NzQ2_size_16_color_FFFFFF_t_70]: /images/20220113/32183019db234699b22e15e9ba511aa0.png
[20190616150337883.png_pic_center]: /images/20220113/f5d118447e114e4da63d6555c5da5566.png
[20190616150610616.png]: https://img-blog.csdnimg.cn/20190616150610616.png
[20190616150603746.png]: /images/20220113/313cc1cabdd84ac88bba490b2ab3a5c2.png
[2019061615064428.png]: https://img-blog.csdnimg.cn/2019061615064428.png
[20190616150638171.png]: /images/20220113/a64ba51c8f074a8fa96bb29bf0488c5c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyMDM3NzQ2_size_16_color_FFFFFF_t_70_pic_center]: /images/20220113/42cd23d1458a4b67a33465e311da11ca.png
[20190616151107478.png_pic_center]: /images/20220113/1b6d110b1f564cfd9f534325cb5421c8.png