前言
皮肤检测是利用皮肤的颜色信息的阈值来进行检测的&＃xff0c;不过这些阈值一般不是使用rgb空间&＃xff0c;而是用HSV或者YCrCb等空间。皮肤检测是使用统计的方法统计出大量人的皮肤信息&＃xff0c;然后就可以得到色彩空间某一分量的阈值了&＃xff0c;利用该阈值就可以初步对皮肤进行分割。当然了&＃xff0c;OpenCV中也自带了皮肤检测算子&＃xff0c;包含在类CvAdaptiveSkinDetector中。本节内容就是来试试OpenCV自带的皮肤检测算法的性能。
开发环境&＃xff1a;OpenCV2.4.3&＃43;QtCreator2.5.1
实验基础
OpenCV自带是算法的参考文献有网友说是An adaptive real-time skin detector based on Hue thresholding: A comparison on two motion tracking methods&＃xff0c;见参考资料1。稍微看了下该论文的算法流程和CvAdaptiveSkinDetector类的源码&＃xff0c;该源码的实现差不多就是按照这篇文章进行的&＃xff0c;主要是把皮肤阈值分割和运动检测相结合。该算法的流程图如下所示&＃xff1a;
可以看出该皮肤检测算法是在HSV空间进行的&＃xff0c;HSV空间模型图如下所示&＃xff1a;
其中H表示的是色相&＃xff0c;即不同颜色最具有区别性的地方&＃xff0c;见模型中的那个圆弧&＃xff1b;S代表的是饱和度&＃xff0c;也就是含白光的纯度&＃xff0c;见模型中的那条半径&＃xff0c;S越大表示越饱和&＃xff0c;即表示对应色相越纯&＃xff1b;V表示亮度&＃xff0c;见模型中那条竖直的线&＃xff0c;V越大表示对应点越亮。
下面来看看CvAdaptiveSkinDetector类中的2个比较重要的函数&＃xff1a;
CvAdaptiveSkinDetector(int samplingDivider &＃61; 1, int morphingMethod &＃61; MORPHING_METHOD_NONE);
该函数为类的构造函数&＃xff0c;其中参数1表示的是样本采样的间隔&＃xff0c;默认情况下为1&＃xff0c;即表示不进行降采样&＃xff1b;参数2为图形学操作方式&＃xff0c;即对用皮肤检测后的图像进行图形学操作。其取值有3种可能&＃xff0c;如果为MORPHING_METHOD_ERODE&＃xff0c;则表示只进行一次腐蚀操作&＃xff1b;如果为MORPHING_METHOD_ERODE_ERODE&＃xff0c;则表示连续进行2次腐蚀操作&＃xff1b;如果为MORPHING_METHOD_ERODE_DILATE&＃xff0c;则表示先进行一次腐蚀操作&＃xff0c;后进行一次膨胀操作。
virtual void process(IplImage *inputBGRImage, IplImage *outputHueMask);
该函数为皮肤检测的核心函数&＃xff0c;参数1为需要进行皮肤检测的输入图像&＃xff1b;参数2为输出皮肤的掩膜图像&＃xff0c;如果其值为1&＃xff0c;代表该像素为皮肤&＃xff0c;否则当其为0时&＃xff0c;代表为非皮肤。另外需要注意的是&＃xff0c;这个函数只有opencv的c版本的&＃xff0c;因为CvAdaptiveSkinDetector这个类放在opencv源码里的contrib目录里&＃xff0c;即表示比较新的但不成熟的算法&＃xff0c;所以暂时没有提供c&＃43;&＃43;版本的opencv。因此参数1和参数2的图像数据类型都是IplImage&＃xff0c;如果要使用Mat&＃xff0c;就得先进行一个小小的转换&＃xff0c;具体参考代码部分。
C/c&＃43;&＃43;知识点总结&＃xff1a;
看了CvAdaptiveSkinDetector类的源码&＃xff0c;发现在类的设计中&＃xff0c;其内部还可以设计一个类&＃xff0c;比如CvAdaptiveSkinDetector中嵌入了一个直方图的类。
实验结果
下面的图是需要进行肤色检测的图&＃xff08;主要是检测出手部&＃xff09;&＃xff1a;
其检测完后的效果图如下&＃xff1a;
由此可见&＃xff0c;其检测效果一般般&＃xff0c;因为很多背景都被考虑进来了。
实验代码及注释&＃xff1a;
main.cpp:
#include
#include
#include
#include
#include
using namespace cv;Mat input_image;
Mat output_mask;
Mat output_image;
IplImage *src_image;
IplImage *dst_image;
void main()
{VideoCapture cam(0);if(!cam.isOpened())return;namedWindow("input image");namedWindow("output mask");namedWindow("output image");CvAdaptiveSkinDetector skin_detector(1, CvAdaptiveSkinDetector::MORPHING_METHOD_NONE);while(true) {cam >> input_image;src_image &＃61; &input_image.operator IplImage();if(dst_image &＃61;&＃61; NULL)dst_image &＃61; cvCreateImage(cvSize(src_image->width, src_image->height), IPL_DEPTH_8U, 1); //一定要先分配一个内存
skin_detector.process(src_image, dst_image);output_mask &＃61; 255*Mat(dst_image);input_image.copyTo(output_image, output_mask);imshow("input image", input_image);imshow("output mask", output_mask);imshow("output image", output_image);output_image.setTo(0);if(27 &＃61;&＃61; waitKey(30))return;}return;
}
实验总结&＃xff1a;
皮肤检测本身就受背景&＃xff0c;光照&＃xff0c;肤色等方面的影响&＃xff0c;所以要使效果好还是比较难的&＃xff0c;OpenCV带的该算法效果也非常一般。
参考资料&＃xff1a;
基于opencv的皮肤检测
An adaptive real-time skin detector based on Hue thresholding: A comparison on two motion tracking methods
京公网安备 11010802041100号