肤色在各颜色空间的聚类分析
肤色在各颜色空间的聚类分析
摘要肤色是人体表面最显著的特征之一。
对不同肤色在RGB、YCbCr颜色空间内和同一肤色在不同亮度环境下的聚类情况进行深入的分析研究,发现肤色在YCbCr空间内聚类效果更好,更适合做肤色分割。
然后在此基础上对黑色肤色、黄色肤色及白色肤色在YCbCr空间内进行肤色分割,达到较好的分割效果。
关键词肤色;颜色空间;肤色分割;YCbCr空间
肤色是人体表面最显著的特征之一,由于它对姿势、旋转、表情等变化不敏感,因此将人体的肤色特征应用于人脸检测与识别、表情识别、手势识别具有很大的优势,所以肤色特征是人脸识别、表情识别、与手势识别中最为常用的分割方法。
然而,若要利用肤色进行分割,我们首先应该对肤色以及肤色的聚类情况进行分析。
世界上的人种主要有三种,即尼格罗—澳大利亚人种(黑色皮肤),蒙古人种(黄色皮肤),欧罗巴人种(白色皮肤)。
尽管人的肤色因人种的不同而不同,呈现出不同的颜色,但是有学者指出:排除亮度、周围环境等对肤色的影响后,皮肤的色调基本一致。
本文对在不同环境下的不同肤色进行取样,然后分别在RGB、YCbCr颜色空间进行统计,从而对比分析肤色在各颜色空间聚类的情况。
1肤色在各颜色空间的聚类比较
1.1不同肤色在RGB和YCbCr颜色空间上的分布
图1—图2给出了黄色、黑色和白色肤色分别在RGB、YCbcr空间的分布情况。
由图1—图2可以得出,不同肤色在RGB、YCbCr空间的分布有如下特征:
1)不同肤色在不同颜色空间均分布在很小的范围内。
2)不同肤色在不同颜色空间内不是随机分布,而是在某固定区域呈聚类分布。
3)不同肤色在YCbCr空间内分布的聚类状态要好于在RGB空间内分布的聚类状态。
4)不同肤色在亮度上的差异远远高于在色度上的差异。
1.2肤色在不同亮度下的分布
图3—图4给出了不同亮度下的同一肤色分别在RGB、YCbCr空间的分布情况。
图(a)至图(d)的肤色来源于同一人在不同亮度下的照片。
由图3—图4可以总结出不同亮度下的同一肤色在RGB、HSV、YCbCr空间的分布有如下特征:
1)在不同亮度下的同一肤色范围在RGB空间内的变化很大,也就是说在RGB 空间内,肤色范围与亮度变化有高相关性。
2)在不同亮度下的同一肤色范围在YCbCr空间内的变化很小,只是亮度值Y 随外环境的变化而变化。
1.3小结
从以上对不同亮度下的不同肤色在各颜色空间的分布情况的研究,我们可以得出以下结论:
1)不同肤色在不同颜色空间均分布在很小的范围内。
2)不同肤色在亮度上的差异远远高于在色度上的差异。
3)不同亮度下,在YCbCr空间内亮度范围的变化量很大,而色度范围的变化量很小。
4)在YCbCr空间比在RGB空间更适合做肤色分割。
2肤色分割实验与分析
通过上述分析,我们知道肤色在YCbCr空间的Cb-Cr子平面内,肤色具有良好的聚类效果。
因此,我们选择在YCbCr空间内对不同肤色进行肤色分割,得到结果如图5所示。
由图5(d)(e)可以看出根据肤色的聚类特性我们能够较好的分割肤色区域,但由于图(c)中头发区域的颜色和肤色很相近,所以图(f)将图(c)中的头发区域同样当做肤色区域分割出来。
因此如果要进行手势识别或人脸识别等研究,需要进行进一步的处理。
3总结
本文深入分析研究了不同肤色在各颜色空间下的聚类情况,以及同一肤色在不同亮度下的聚类情况,证明结论:尽管人的肤色因人种及环境的不同而不同,呈现出不同的颜色,但是排除亮度的影响后,皮肤的色调基本一致。
并得出结论:肤色在YCbCr空间内聚类效果更好,更适合做肤色分割。
在此基础上,本文对不同肤色在YCbCr空间内进行分割,得到良好效果。
参考文献
[1]徐锦.人脸检测的自适应肤色分割算法研究[J].贵州大学学报(自然科学版),2007,24(2):171-174.
[2]陈伟,丁世飞等.基于YCbCr模型的巷道监控中矿工脸部图像识别[J].煤炭科技技术,2009,37(9):79-82.
[3]刘媛媛.基于计算机视觉的手势识别技术研究[D].沈阳:东北大学,2006.
[4]Elli Angelopoulou. Understanding the Color of Human Skin [C]. Proceeding of the SPIE Conference on Human Vision and Electronic Imaging VI (SPIE), SPIE Press, 2001, 243-251.。
肤色分析报告
肤色分析报告1. 引言肤色分析是一种通过对人的皮肤色调进行观察和分析，从而了解个体的肤色特征和可能的相关问题的方法。
肤色分析可以提供有关皮肤健康状况、色素沉着、皮肤衰老和病理状况等方面的信息。
本报告将介绍肤色分析的方法和意义，并根据个体的肤色特征提供相应的建议。
2. 肤色分析方法肤色分析主要通过以下几种方法进行：2.1 肉眼观察肉眼观察是最基本的肤色分析方法之一。
通过对人的皮肤色调、血管分布、色素沉着、病变状况等方面进行仔细观察，可以初步了解个体的肤色特征。
肉眼观察需要在光线充足的环境下进行，并注意排除周围环境对肤色的干扰。
2.2 皮肤色素分析仪皮肤色素分析仪是一种能够精确测量人体皮肤色调和色素分布的工具。
它通过对肌肤表面照射特定光线，并通过光电传感器接收反射光信号，从而得出关于色素含量和肤色均匀性等方面的数据。
皮肤色素分析仪的使用方便快捷，并能提供可靠的肤色分析结果。
3. 肤色分析意义肤色分析在美容、医学和生理学等领域具有重要的意义：3.1 美容肤色是美容的重要因素之一。
通过肤色分析，可以了解个体的肤色特征，进而选择适合的美容产品和护肤方法。
此外，肤色分析还可以帮助了解肌肤的衰老与恢复情况，从而制定相应的抗衰老和修复策略。
3.2 医学肤色分析在医学诊断和治疗中也具有一定的作用。
通过肤色分析，医生可以初步判断个体的皮肤健康状况，发现可能存在的皮肤问题。
同时，肤色分析还可以帮助医生监测治疗效果，判断治疗进展情况。
3.3 生理学肤色分析在生理学研究中也有广泛应用。
通过对不同肤色个体的比较分析，可以了解不同种族、不同地域的人的肤色特征。
肤色分析还可以帮助研究人员了解肤色与遗传、环境等因素的关系，从而对人类生理学提供更深入的认识。
4. 肤色分析报告样例以下是一个针对个体肤色特征的简单分析报告样例：个体：李女士肤色特征：- 肤色均匀，没有明显的色素沉着- 血管分布较好，没有明显的红血丝- 面部有轻微的色素斑分析结果：根据李女士的肤色特征，可以初步判断她的皮肤健康状况良好，血液循环较好，但存在一定的色素沉着问题。
肤色的研究报告
肤色的研究报告肤色的研究报告肤色是指一个人的皮肤的颜色，是由于皮肤中的黑色素和血红蛋白的含量不同而形成的。
肤色的差异主要是由于遗传和环境因素的影响。
在人类的进化过程中，由于生活环境的改变和适应性的发展，人类的肤色也发生了很大的变化。
首先，遗传是影响肤色的重要因素。
人的肤色是由基因决定的，而基因由父母遗传给子女。
对于白种人来说，他们的肤色较浅，是因为他们的皮肤细胞中黑色素的含量较低；而对于黑种人来说，他们的肤色较深，是因为他们的皮肤细胞中黑色素的含量较高。
而黄种人和褐种人的肤色则介于白种人和黑种人之间，其黑色素的含量也相应的处于中间位置。
其次，环境因素也对肤色产生影响。
日照量是影响肤色的重要环境因素之一。
在较高纬度的地区，由于日照时间较短，阳光中的紫外线辐射较少，人的肤色相对较浅。
而在较低纬度的地区，由于日照时间较长，阳光中的紫外线辐射较多，人的肤色相对较深。
另外，饮食和生活方式也会对肤色产生影响。
例如，大量摄入含有胡萝卜素的食物，如胡萝卜、西红柿等，可以使肤色变得较红，而大量摄入含有黑色素的食物，如黑巧克力、咖啡等，可以使肤色变得较暗。
最后，肤色在不同文化中有不同的象征意义。
在一些文化中，白皙的肤色被视为高贵、美丽和身份的象征；而在另一些文化中，黑色的肤色则被视为健康、力量和神秘的象征。
这种观念在一定程度上影响了人们对肤色的态度和评价。
综上所述，肤色的差异主要由遗传和环境因素的影响所致。
肤色的研究不仅有助于了解人类的进化和适应性发展，还可以解析肤色与健康、社会文化之间的联系。
然而，我们应该摒弃对肤色的歧视和偏见，尊重每个人的不同肤色，并致力于构建一个包容和平等的社会。
肤色定量分析方法及其应用研究
肤色定量分析方法及其应用研究随着社会科技的不断进步，人们对于美的定义也在不断更新迭代，美丽的肤色成为了很多人追求的目标之一。
但是人们对于肤色的评价往往是主观的，而且难以量化指标，从而有了肤色定量分析方法的研究。
一、肤色的分类和测量肤色的分类从习惯上可以分为白色、黄色、黑色和红色等，但是这种分类并没有量化的指标，容易受到主观因素的影响。
在现代科技发达的条件下，人们可以借助各种仪器设备进行肤色测量，目前较为常用的测量方法有：1.综合角度下光学测量法：这种方法采用光谱仪专门对皮肤进行测量，并把采集来的数据加以分析解释。
2.基于色度学原理的肤色测量法：这种方法是通过色度学三基色映射原理进行测量和分析。
以上两种方法较为常用，对于肤色的测量基础比较稳定。
二、肤色定量分析方法研究肤色定量分析方法涉及到很多专业领域的研究，如组织学、生理学、生物物理学、光学等，这一方法的目的是通过各种信息处理手段，根据特定的参数进行肤色分析，并给出可量化的结果。
肤色定量分析方法的研究主要涉及到以下几个方面：1. 肤色特征参数的研究：通过测量肤色的颜色、光泽和含水量等参数，形成可量化的肤色特征。
2.肤色特征参数的分析与处理：通过相关的算法来对上述参数进行分析和计算，从而得出可定量化的肤色描述结果。
3.肤色定量分析方法的应用：肤色定量分析方法可以应用于美容美肤方面的护肤产品研究和生产过程中，在医疗保健领域也可以用于疾病皮肤病的有效研究。
三、肤色定量分析方法在美容美肤中的应用肤色定量分析方法在美容美肤领域中的应用非常广泛，主要体现在以下几个方面：1.肤色测量仪器：随着肤色定量分析技术的发展，人们开发出了各种有针对性的肤色测量仪器，这些仪器可以更加精准地测量肤色参数，从而在研发化妆品和护肤品的过程中起到了重要的作用。
2.人脸肤色分析技术：人脸肤色分析技术可以对人脸皮肤进行非常精确的测量，从而可以根据肤色分析结果，为不同肤色的人们提供更加系统和有效的美容方案。
肤色分类算法的研究和应用
肤色分类算法的研究和应用随着科技的不断进步，人工智能技术的发展越来越快速。
在计算机视觉技术中，肤色分类算法是一个重要的领域。
它可以在数字图像或视频中自动检测和识别对肤色感兴趣的区域，比如识别人脸，做人脸识别等应用。
一、肤色算法的分类肤色算法可以分为面部定向（FO）和统计模型（SM）两种基本分类方法。
1. 面部定向 (FO)这种方法的目标是面部识别，首先对输入图像进行纹理滤波，得到一张灰度图像，然后将图像分为具有相同纹理的基本块。
然后通过对所有可能的面部部件的预定义数据，找到最优部件的分类方案。
该算法是最流行的面部检测算法之一。
2. 统计模型 (SM)统计模型方法是从人类中获取的统计模型中学习肤色的属性。
这种方法的目的是提高算法的可靠性，以适应多种场景和多种性别、种族和年龄组合。
二、肤色算法的应用1. 人脸识别技术鉴于现今社会中人们对个人依赖使用智能设备的增加，人脸识别技术已经广泛应用于各种场景，如门禁系统、考勤系统等。
人脸识别技术是基于肤色分类算法，通过识别人脸上的特征，如眼睛、鼻子、嘴巴等，以此来匹配人脸识别库中的图像，从而辨认出该人。
2. 视频监控中的行人检测肤色分类算法在视频监控中的应用也越来越广泛，特别是在行人检测领域。
如何在各种光照条件下依然能够检测到行人是一个重要难题。
而肤色算法能够自动识别带有肤色的区域，从而有效提高行人检测的精度。
三、肤色算法的挑战1. 多样性人类肤色因种族、地理位置、年龄、性别等因素而存在差异，这就为肤色分类算法的设计增加了多样性，需要考虑各种情况以满足大众需求。
同时由于拍摄光线、摄像头参数等多种因素的影响，同样的人在不同的拍摄条件下的肤色也会发生变化。
2. 可靠性鲜活有效的肤色分类方法是肤色识别的重要因素之一。
而随着人类的发展，肤色的分级和分类也在不断发生变化。
因此，肤色分类算法的可靠性需要不断提高。
四、结论肤色算法的研究和应用，便于快速识别和分析数据，从而能够应用于各种领域和场景，使其中重要的领域之一就是人脸识别。
肤色在各颜色空间的聚类分析
本文深入分析研究了不 同肤色在各颜色空间下的聚类情况 ，以及 同 肤色在不 同亮度下 的聚类情况 ，证 明结论 ：尽 管人的肤色 因人种及 环境的不 同而不 同，呈现出不同的颜色 ，但是排除亮度的影 响后 ，皮肤 的色调基 本一 致。并 得出结论 ：肤 色在ＹＣ Ｃ空间 内聚类效果更好 ，更 ｂｒ 适 合做 肤色分 割。在 此基础上 ， 文对不 同肤色在Ｙ ｂ ｒ 本 Ｃ Ｃ空间 内进行分 割，得到 良好效果 。
（ 黑色肤色 ｂ）
ｆ 辨
（ ）白色 肤 色 ｃ 图 １不 同肤 色在 Ｒ Ｂ 间的 分 布 Ｇ空
（ ）白色肤色 ｃ 罔２不同肤色在Ｙ ｂｒ＿ Ｃ ｃ 间的分布 ￣ 由图ｌ 图２ 一 可以得 出，不 同肤色在Ｒ Ｂ、Ｙ ｂ ｒ Ｇ Ｃ Ｃ 空间的分布有如下 特征 ： １ 不同肤色在不 同颜色空间均分布在很小 的范围内。 ） ２ 不 同肤色在不 同颜色空 间内不是随机分布 ，而是在某固定区域 ） 呈聚类分布。 ３）不同肤色在Ｙ ｂ ｒ Ｃ Ｃ空间内分布的聚类状态要好于在ＲＧ 空间内分 Ｂ 布的聚类状态
（ ） ｄ （ ） ｅ （） ｆ
一 一
３ 总 结
一
图５不 同肤色的分割结果 由图５（ ｄ） （ ｅ）可以看出根据肤色 的聚类 特性我们能够较好 的分 割肤色 区域 ，但 由于图 （ ）中头发 区域的颜色和肤色很相近 ，所 以图 ｃ （ ）将图 （ ｆ Ｃ）中的头发区域 同样当做肤 色区域分割 出来 。因此如果要 进行手势识别或人脸识别等研究 ，需要进行进一步的处理。
２ 肤 色分 割 实验 与分 析
一 一
（ ）较 暗光 线 ｃ 图３不 同亮 度下 的 同一
通过上述分析 ，我们知道肤色在Ｙ ｂ ｒ 间的ｃ — 平面内，肤色 Ｃ Ｃ￣ ｂｃ 具有 良好 的聚类效果 。因此 ，我们 选择在 Ｙ ｂ ｒ 间内对不 同肤色进行 Ｃ Ｃ空 肤 色 分 割 ，得 到结 果 如 图５ 示 。 所
人体肤色ycrcb阈值
人体肤色ycrcb阈值1. 引言人体肤色的识别在计算机视觉领域具有广泛的应用。
其中一种常用的方法是使用YCrCb颜色空间和阈值分割技术。
本文将介绍人体肤色的基本概念、YCrCb颜色空间、阈值分割技术以及如何使用这些技术来识别人体肤色。
2. 人体肤色的概念人类皮肤的颜色因个体之间的遗传差异、地理区域以及环境条件等因素而有所不同。
然而，无论种族或地理背景如何，人类皮肤都具有一定的共同特征，这使得我们能够利用计算机视觉技术来识别和分割人体肤色。
3. YCrCb颜色空间YCrCb颜色空间是一种广泛用于图像和视频处理中的颜色模型。
它将亮度（Y）和两个差异信号（Cr和Cb）分离开来，使得我们可以更好地表示和处理彩色图像。
在YCrCb颜色空间中，亮度（Y）表示图像的明暗程度，而差异信号（Cr和Cb）则表示图像的颜色信息。
Cr分量表示红色和亮度之间的差异，而Cb分量表示蓝色和亮度之间的差异。
4. 阈值分割技术阈值分割是一种常用的图像处理技术，用于将图像中的像素分为两个不同的类别。
在人体肤色识别中，我们可以利用阈值分割技术将肤色像素与非肤色像素分离开来。
具体而言，在YCrCb颜色空间中，我们可以通过设置合适的阈值来选择出肤色像素。
通常情况下，我们会将Cr和Cb两个分量与预先确定好的阈值进行比较，并将满足条件的像素标记为肤色。
5. 如何确定阈值确定合适的阈值是人体肤色识别中非常重要的一步。
以下是一些常用的方法：5.1 直方图分析法直方图是一种统计图形，可以显示图像中每个灰度级别（或颜色）对应的像素数量。
通过观察直方图，我们可以找到一个合适的峰值作为阈值。
在YCrCb颜色空间中，我们可以绘制Cr和Cb两个分量对应的直方图，并找到峰值所在的位置。
根据经验，通常肤色像素的Cr和Cb值会集中在某个范围内，因此我们可以选择峰值附近的数值作为阈值。
5.2 试错法试错法是一种通过不断调整阈值并观察结果来确定合适阈值的方法。
我们可以选择一些具有代表性的图像样本，并手动调整阈值，然后观察分割结果是否符合预期。
肤色检测中的颜色空间
Ｊ， Ｒ
Ｇ。 Ｇ，
。 ，
那 么 这两 点具 有 相 同的 颜 色 。 同的 亮 度 。 不 Ｒ ｓｏｔ与 Ａ ｇｌ ｏ ｌｕ 分别 在 １８ ｏｓｔ ｉ ｎｅ ｐ￣ ｍ ｏ ｏ ９ ３年 与 １９ ９ ９年 的 研 究 我 们 可 以在 颜 色 色 空 间 中 去 除 亮 度 分 量 ． 持 “ ” 色 分 保 纯 颜 成 果 证 明 了在 生 物 和 物 理 上 肤 色 分 布 的一 致 性 ．他 们 的 研 究 表 量 ， 是 色 度 空 间 ｇ可 以 完 全 表 示 彩 色 ， 此 得 到 归 一 化 的 即 ） 由 明不 同人 种 的 肤 色 在 色 调 上 是 一 致 的 ．并 且 皮 肤 的 饱 和 度 特 征 ＲＧ Ｂ空 间 。 尺 有 一 定 的 稳 定 性 。Ｙ ｎ 等 圈 考 察 了 不 同种 族 、 同个 体 的肤 色 ａｇ 在 不 后 认 为 尽 管 人 类 的 肤 色 因 人 种 的 不 同 而 不 同 ．呈 现 出不 同 的 颜 色 。 是 人类 的肤 色 能 在颜 色空 间 中 聚成 单 独 的一 类 ． 影 响 肤 但 而 色值 变化 的最 主要 因素 是 亮 度 变 化 。 即人 类 的 肤 色 在 去 除 亮 度 的色 度 空 间表 现 有 聚 类 特 性 ， 种 聚 类性 可 用来 检 测皮 肤 区 域 。 这 因而 采 用 具 有 认 知 属 性 的 、能 够 将 亮 度 信 息 与 色 度 信 息 分 开 表
１ ＲＧＢ颜 色 空 间 ． 行亮 度 修 正 ． 高 了检 测 效 果 。 提 我 们 知 道 。 有 的颜 色都 可 以 由红 、 、 （ 、 Ｂ这 三种 原 ３ ＨＳ 颜 色 空 间 所 绿 蓝 Ｒ Ｇ、 １ ． Ｖ
色 组 成 。按不 同的 比例 调 配 这 三 原 色 就可 以得 出我 们 所 期 望 的 人 眼 不 能 直 接 感 觉 红 、 、 三 色 的 比例 ． 只 能 通 过 感 知 绿 蓝 而 各 种 不 同颜 色 ， 就 是 我 们 最 常 用 的 Ｒ Ｂ颜 色 空 间 ． 种 颜 色 颜 色 的亮 度 、色 调 以及 饱 和 度来 区分 物 体 ．而 色 调 和饱 和 度 与 这 Ｇ 各 可以按下式得到 ： 红 、 、 的关 系 是 非 线 性 的 ． 此 人 们 发 展 了 以 近 似 于 人 心 理 绿 蓝 因 Ｃ（） ｃ ＝Ｒ（） Ｇ（ ） ｒ＋ ｓ ＋Ｂ（ ） ｂ 上 能 感 知 的 特 性 作 维 数 形 成 的 空 间 （Ｓ Ｈ ＩＨ Ｓ等极 坐 标 空 Ｈ Ｖ、 Ｃ 、 Ｌ 括 号 内 ｒｇ ｂ分 别 代 表 Ｒ、 Ｂ 三原 色 的数 量 。 、、 Ｇ、 间 定 义 ）如 色 调 （ｕ） 饱 和 度 （ ｔ ａｏ ） 色 彩 （ ｒｍ ）亮 度 。 ｈ ｅ， ｓ ｕ ｔｎ 或 ａ ｒｉ ｃ ｏ ａ。 ｈ Ｒ Ｂ空 间 比较 简单 、 直 观 。在 工 业 中得 到 了 广 泛 的 应 用 。 ０ｇｔ ） 色调 将 一 种 颜 色 在 色 谱 中 的 某个 位 置 关 联 起来 ． 定 Ｇ ｉｈ ￣ 。 决 Ｒ Ｂ颜 色空 间 是 用 于 显 示 和 保 存 彩 色 图像 的 最 常 用 的 彩 色 空 彩 色 光 的 光谱 成分 。 Ｇ 是彩 色光 在 “ ” 面 的 特 征 ； 和 度 是 色 彩 质 方 饱 间 ， 数 视 频 摄 像 机 的 输 出 、 频 监 视 器 显 示 都 采 用 的 是 Ｒ Ｂ 的 鲜 艳 程 度 。 定 于 彩 色 光 中 混入 白 光 的 数 量 ； 度 是 彩 色 光 在 多 视 Ｇ 决 亮 颜 色 模 型 ， 般 的 图象 处 理 也 都 是 基 于 Ｒ Ｂ空 间 。 一 Ｇ “ ” 面 的 特 征 。 定 于 彩 色 光 的强 度 。 色 调 和 饱 和 度 合 称 为 量 方 决 Ｙｎ ａ ｇ等 采用 广 泛 使 用 的 Ｒ Ｂ颜 色 空 间 ．在 滤 去 亮 度 值 的 “ Ｇ 色度 ”色 度 既 说 明 了 彩 色 的 颜 色 类 别 。 说 明 了 颜 色 的深 浅程 。 又 图像 中通 过 比 较 像 素 点 的 ｒｇ值 与 肤 色 范 围来 推 断 该 像 素 点 及 度 。 、 其 邻 域 是 否 属 于人 脸 区域 。 ． ｃｗ ｒｔ 也 对 Ｒ Ｂ颜 色空 间 中 Ｋ Ｓ ｈ ｅｄ 等 Ｇ Ｈｓ 色 度 空 间 是 孟 塞 尔 色 彩 空 间 的 简 化 形 式 ． 以色 彩 的 Ｖ 是 的肤 色 检 测 进 行 了分 析 ［ ４ １ 色 调Ｏ ｕ ， ， 和 度 （ａ ｒｔｎ ｓ和 亮 度 （ａｕ ，） 要 素 来 表 － ｅＨ）饱 Ｉ Ｓ ｔ ａｉ 。） ｕ ｏ Ｖ ｌｅ ｖ － Ｒ Ｂ空 间 的 缺 点 是 Ｒ Ｂ 空 间 用 红 、 、 三 原 色 的 混 合 比 示 的 ， 于非 线 性 色 彩 表 示 系 统 。 Ｖ 色 彩表 示 方 法 同 人 对 色 彩 Ｇ Ｇ 绿 蓝 属 ＨＳ 例 定 义不 同 的 色 彩 ． Ｒ 空 间 中 两 点 的 欧 氏距 离 与 实 际 颜 色 距 的 感 知 一 致 。 在 Ｈ Ｖ 空 间 中 。 对 色 彩 的 感 知 较 均 匀 。 此 Ｇ Ｂ 且 Ｓ 人 因 离 不 是 线 性 关 系 。 颜 色 分 离 中极 易 引 起 误 分 离 ． 且 因 为 Ｒ、 Ｈ Ｖ空 间是 适 合 于人 的视 觉 特 性 的 色彩 空 间 。 Ｒ Ｂ空 间 转换 在 而 Ｓ 将 Ｇ Ｇ、 三原 色 中都 带 有 亮 度 信 息 。分 离 时常 常 会 把 一 些 有 用 信 息 为 Ｈｓ Ｂ Ｖ后 ， 信 息 结 构 更 加 紧凑 ． 个 分量 的 独 立 性 增 强 ． 色 使 各 颜 漏 掉 或 夹 杂 了其 它 的无 用 信 息 信息丢失少。 经 统 计 ， Ｒ Ｂ 色 系 坐 标 系 下 ． 肤 的 三 色 素 中通 常 仅 有 在 Ｇ 皮 Ｒ Ｂ空 间 到 ＨＳ 空 间 的转 换 关 系如 下 （ Ｒ、 Ｂ在 『， 之 Ｇ Ｖ 设 Ｇ、 ｏ１ １ 红 色 较 明 显 ， 有 较 大 的 数 值 。 由 于肤 色不 能 单 独 用 红 色 来 确 间 １ 具 但 ： 定 ， 需要兼顾绿色及蓝色 。 还 而这 样 做 一般 又不 易找 到肤 色 的 共
利用椭圆肤色模型,找出图像中的所有肤色区域
G RG B
b=
B RG B
YCbCr 颜色空间及其分布 同样 YcbCr 颜色空间是一种常见的色彩模型， 其中 Y 是指亮度， Cr 代表了光源的红色中的分量，Cb 代表了光源中的蓝色分量。 RGB 与 YcbCr 相互转换的公式[9]如下（RGB 取值范围均为 0-255）：
0.587 0.114 Y 0.299 0.5 Cb = 0.1687 0.3313 Cr 0.5 0.4187 0.0813
R 0 G + 0.5 0.5 B
R=Y+1.402（Cr-0.5） G=Y-0.34414（Cb-0.5）-0.71414（Cr-0.5） B=Y+1.772（Cb-0.5） 实现流程如下：
准备图片库
手工分割图片并建立肤色库
遍历肤色中所有像素初始化查 找表
利用模板提取肤色区
根据查找表建立模板
人的肤色在外观上的差异主要是由亮度引起的、在色度空间中， 不同人的肤色分布趋予集中在一个较小的区域内。实验表明肤色在
YCbCr颜色空间的CbCr平面上分布在一个近似的椭圆区域范围内。 搜 集不同人、不同环境下含有肤色的图像，然后通过人工剪切的方法得 到了肤色样本。这些肤色样本在YCbCr颜色空间的CbCr平面上的分布 如图1(a)所示。 从图l(a)可以看到肤色样本较为集中地分布在一个近 似的椭圆区域内。 显然我们可以通过判断一像素点的CbCr值是否落在 肤色分布的椭圆区域内来确定其是不是肤色。 所以现在问题的关键是 如何来描述肤色分布椭圆区域， 首先把CbCr平面均匀分成若干个小的 区域，并把每个小区域的中心点CbCr色度值作为该区域的代表值，然 后对采集的肤色样本进行逐一分析如果～样本落在某一小区域内， 则 该样本的CbCr色度值就以该区域的代表值替换， 这样对所有的样本分 析完毕后，再对分析所得的新样本集去掉重复出现的样本，剩余的便 是我们所要的分布较为均匀的样本集。 上述肤色样本分布均匀化的实 现过程如图2所示。 在新坐标系中构建肤色分布区域的椭圆边界方程， 而其中的关键 问题是确定出椭圆的长轴和短轴的长度。而从图3可以看出，肤色分 布区域椭圆边界长轴和短轴的长度分别为分布在两坐标轴上的端点 肤色样本A1和A2及B1和砚间的距离。
人脸检测中的肤色提取算法
文章编号:1006 2475(2005)10 0057 03收稿日期:2004 12 31作者简介:肖华(1975 ),男,湖南邵阳人,湖南师范大学计算机教学部教师,研究方向:图形与图像处理,计算数学;杨铁林(1974 ),男,湖南永州人,教师,研究方向:程序设计,数据库。
人脸检测中的肤色提取算法肖 华,杨铁林(湖南师范大学计算机教学部,湖南长沙 410081)摘要:肤色提取是人脸检测中的一个重要环节,本文提出了一种适合于在复杂背景下的人脸肤色提取算法,使人脸检测更具实际操作性。
关键词:人脸检测;肤色模型;YIQ 空间;区域生长中图分类号:TP391.41 文献标识码:AAlgorithm of Complexion Extraction in Human face DetectionXI AO Hua,YANG Tie lin(Department of Computer Education,Hunan Normal University,Changsha 410081,China)Abstract:Complex ion extraction is an important link in human face detection.This paper puts forward an algorith m of hu man face com plex i on extraction under complicated condi tions,which makes hu man face detection more practical.Key words:human face detection;complexion model;YIQ color space;region based0 引 言人脸的识别和分析可以广泛应用在个人身份识别、安检、人机交互、表情分析、唇读等应用中。
计算机人脸检测作为人脸识别、人脸分析等应用的前期步骤和首要条件,很早就受到人们的关注。
彩色空间在人类肤色识别过程中的简单应用
彩色空间在人类肤色识别过程中的简单应用[摘要] 随着对彩色空间研究的深入应用，运用计算机视觉进行物体识别的研究逐渐增多，其中人体肤色的识别已被广泛应用于各类科研当中。
[关键词] YCbCr彩色空间肤色识别高斯概率函数颜色是物体表面所具有的一种可以被感知的特征，不同物体往往具有其特有的一种或多种颜色，同一类事物往往有着相近的色彩特征，因此我们可以根据特有的颜色特征来区分相似或同种物体。
我们将通过彩色空间来分析人类的肤色特征研究建立肤色模型的可能性。
1.彩色空间的介绍彩色图像可以使用用RGB、NTSC、YCbCr、HSV等不同彩色空间进行存储，正确的选取彩色空间有时会更加方便我们的研究。
我们需要选取一个准确可靠的彩色模型来存储我们采集的肤色信息，以便于我们将人类的肤色区域从非肤色的背景中分离出来，下面介绍一下YCbCr以及RGB空间。
1.1 YCbCr彩色空间YCbCr彩色空间目前广泛的应用于各类数字视频的制作、编辑中。
该格式使用单个分量Y来表示其亮度信息，用两个色差分量Cb和Cr来保存其彩色信息。
其中的分量Cb表示得是蓝色分量与亮度Y的差，表示为(B-Y)，而分量Cr 指的是红色分量和亮度Y的差，表示为(R-Y)。
将RGB转为YCbCr，其变换公式如下：1.2 RGB彩色空间一般在RGB模型中，每种颜色的主要光谱中都包含红、绿、蓝三种成分，如图1.1所示，根据下面的这个模型，我们可以将任意一幅彩色图像都分解在3个平面上，或者说任意一幅彩色图像都由是3个独立的基色平面组成。
图1.1 RGB模型这种基于笛卡尔坐标系统的空间模型共有3个坐标轴，其分别为R,G,B。
黑色对应的为原点，白色对应的是离原点最远的顶点。
在这个模型当中，从白到黑，其灰度值分布在从原点到离原点最远顶点间的连线上，而立方体内剩下的其余各点则对应着不同的颜色，这些颜色我们可以使用从原点到该颜色点的一个矢量来表示。
1.3 彩色空间的选择目前大多数的视频以及数字图像中彩色画面的表示使用的都是RGB空间，原因在于我们可以很容易将其他类型的彩色空间转化为RGB空间，其具有通用性。