连通域在复杂背景肤色检测中的应用

徐诗惠　张　霞

(武汉大学印刷与包装系　湖北 武汉 430079)



连通域在复杂背景肤色检测中的应用

徐诗惠张霞

(武汉大学印刷与包装系湖北 武汉 430079)

摘要由于肤色常处于复杂背景下且容易被环境中的小面积类肤色区域影响，使得肤色检测成为图像识别领域中的一大难点。在对YCbCr空间和YCgCr空间中的肤色进行建模检测的基础上，引入连通域进行二次检测，以此消除背景中小面积类肤色区域对检测结果的影响。针对多幅复杂背景下的肤色图像，进行连通域二次肤色检测的结果相较于第一次检测结果更好。结果表明，该算法的准确性较高，可以有效降低肤色的误检。

关键词连通域肤色模型肤色检测

0引言

肤色检测是进行肤色再现的基础，常用于人脸识别、网络图像内容分类、数据库人物检索等。传统的肤色检测方法在统计学的基础上，建立肤色数学模型。这种方法主要分为两步：颜色空间变换和肤色建模[1]。颜色空间选择对肤色检测起着举足轻重的作用[2,3]。Shin等人对9种颜色空间进行了肤色检测实验，比较了肤色-非肤色的可分离性指标，认为具有认知属性的、可以将亮度与色度分开处理的颜色空间有利于肤色检测[4]。目前，较为常用的色度与亮度相互独立的色彩空间有YUV、YCbCr等[5,6]。

一般情况下，肤色不会独立处于单一颜色背景中，前景与后景的颜色多且杂，检测时，许多具有类似色度的像素点会被检测出来，从而影响肤色区域的分割与统计。肤色检测获得的二值化图像中，同一目标的像素通常具有连通性，为提取肤色特征，可根据像素的连通性采用连通域标记算法区分出不同的目标。针对复杂背景下的肤色检测，连通域提取算法可以有效去除小面积类肤色区域对检测结果的影响。本文根据颜色空间中肤色的不同分布特性，对YCbCr空间和YCgCr空间[7]中的肤色进行建模检测[8-10]，并引入连通域提取[11]后进行二次检测。

1肤色建模

基于统计的肤色检测过程[12]是通过统计分析肤色数据集中的各种肤色像素的颜色信息来确定不同肤色模型中的模型参数，将建好的模型运用到具体的图像中来判断图像中的像素是否为肤色像素。本文针对两种不同的颜色空间YCbCr[13]和YCgCr分别建立椭圆模型和平行四边形模型来对肤色进行检测，并对其进行比较。

为了统计出肤色的分布特性，从网上截取和拍摄了200幅不同光照、不同年龄、不同姿势的肤色图像，人工标记出约750 000个像素进行分析，为避免过亮或过暗颜色的影响，在像素采集过程中尽量避免亮度过暗或过高的肤色区域，图1所示为部分肤色样本。

图1　肤色样本

1.1基于YCbCr空间的椭圆模型

将肤色样本由RGB颜色空间转换到YCbCr颜色空间中，对其进行统计，得到肤色在YCbCr颜色空间中的分布如图2(a)所示，在CbCr平面的分布如图2(b)所示。

图2　肤色在YCbCr颜色空间的分布

对图2进行分析得到，在YCbCr空间中，肤色的亮度分布不具备聚集性，而色度分布则聚集在一个较小的范围内，如Cr值分布范围大致在100～200之间，Cb值大致分布在80～140之间。由图2(b)可以看出，肤色在CbCr平面的分布近似于一个椭圆，因此可用椭圆进行模拟[14]，如图3所示，对其进行分析可得到椭圆的表达式如式(1)所示。

图3　椭圆肤色分布边界模拟

(1)

其中cx=109.38,cy=152.02,θ=2.53,ecx=1.6,ecy=2.41,a=29.39,b=16.03。

基于此椭圆表达式，可以建立一个检测肤色的椭圆模型，即通过计算一种颜色是否处于该椭圆区域之内来判断其是否属于肤色。

1.2基于YCgCr空间的平行四边形模型

将肤色样本由RGB颜色空间转换到YCgCr颜色空间中，对其进行统计，得到肤色在YCgCr颜色空间中的分布如图4(a)所示，在CgCr平面的分布如图4(b)所示。不难发现，在YCgCr颜色空间中，肤色的聚类区域较小，肤色聚集的程度更高。

图4　肤色在YCgCr颜色空间的分布

如图4(b)所示，肤色投影在CgCr平面上的形状类似于平行四边形，以平行四边形模型对肤色进行建模，拟合图像如图5所示，式(2)为分析得到的平行四边形所对应的四条直线的表达式。

图5　平行四边形肤色分布边界模拟

(2)

当像素值在Cr∈[-1.3×Cg+290,-1.3×Cg+320]，Cg∈[85,135]区域内时，该像素被判定为是肤色像素，通过二值化处理，标记为1，非肤色像素二值化标记为0。

2肤色检测

图6　肤色检测原图

在对两种颜色空间分别建模的基础上对多幅复杂背景下的肤色图像进行肤色检测。以其中一幅肤色图为例说明。原图如图6所示，在前景和后景上均存在大量影响检测的干扰像素，颜色与形状均存在多样化，构成复杂背景。图7(a)为YCbCr颜色空间中的肤色检测结果，图7(b)为YCgCr颜色空间中的肤色检测结果。

图7　肤色检测图

通过对比分析YCbCr与YCgCr颜色空间中的肤色检测结果，可以发现，由于肤色中B分量较少，所以在YCgCr空间中的肤色检测效果更好，肤色散点更少，前景衣服上大部分类似于肤色的颜色并未检测出来，在一定程度上证明了模型建立的有效性。

3采用连通域的二次检测

肤色检测结果说明基于YCbCr、YCgCr颜色空间的肤色检测存在不足，容易受到复杂颜色背景的干扰，如图7中背景横栏和前景衣服。对于复杂的场景，肤色目标容易与背景相混淆[15]。在肤色检测获得的二值化图像中，肤色像素通常成块出现，具有一定的连通性，因此，本文引入连通域进行二次检测以降低误检。

对于某一个区域而言，若该区域内的任意两点都可以用区域内部的一条折线连接起来, 则该区域被称为连通区域。连通区域通常分为两种：单连通区域与多连通区域。在某一连通区域中，若任意一条封闭曲线，可以不经过该区域外的点而连续收缩于区域中的某一点，则称其为单连通区域，如图8(a)所示；如若不然，则称其为多连通区域，如图8(b)所示。

图8　连通区域

在灰度图中，像素变化的灰度范围从0到255；0表示黑色，255表示白色[16]。在二值图像中，白色则用1来表示。对二值图像进行连通域标记处理需要从仅由白色与黑色像素组成的点阵图像[17]中，将互相邻接的具有相同像素值的像素集合提取出来，再对不同的连通区域填入不同的数字标记，同时统计图像中连通域的数目。

本文引入连通域标记，在进行第一次肤色检测后，将肤色图像二值化为一个数字点阵I。矩阵I包含第一次肤色检测后的肤色与非肤色的分离特征。通过MATLAB编程，标记不同遍历次数的像素点，统计得到该肤色图像中的8连通域的个数，然后删除属于连通域中的散点和面积小于一定像素的小型连通域，提高肤色检测的正确率。

对数字点阵I的连通域标记处理的算法如下:

(1) 初步标记图像中的每个像素点，在等价表中记录这些临时标记对应的等价关系。

(2) 对等价表进行整理，将其中具有等价关系的临时标识赋值为其中的最小值，之后以自然数顺序重新进行编号，获得临时标记与最终标记之间的等价关系后逐像素替换，将临时标记替换成最终标记。

(3) 输出标记后的图像，将被标记为相同自然数的互邻接像素作为连通域输出。

图9为对第一次肤色检测后采用连通域标记之后的二次肤色检测结果。

图9　连通域肤色检测图

图10　人工肤色分割图

在引入连通域标记后，删除了小面积连通域的非肤色像素点，提高了肤色检测的正确率。与图7和图9对比可发现，第一次肤色检测的噪声大部分被消除，检测效果有明显改进。

为了更为客观地表现实验结果，本文对肤色检测结果的误检数进行了统计。通过对原图进行人工分割，区分肤色和非肤色区域，统计得到实际肤色像素总数为660 893和非肤色像素总数为4 041 103，人工分割肤色图如图10所示。表1显示了两次肤色检测的误检数。

表1　肤色检测误检

由表1中数据可以看出，YCbCr颜色空间中的肤色检测效果相较于YCgCr颜色空间中的结果较差，误检数较高，而采用连通域进行二次检测后两种方法的误检数均大幅度降低。除此之外，本文对以年龄分类的多幅图像进行测试，均取得较好的效果，以老人与儿童为例，如图11，图12所示。

图11　老人肤色检测图

图12　儿童肤色检测图

4结语

本文以YCbCr颜色空间和YCgCr颜色空间为基础，对两种颜色空间中肤色的聚类效果建立不同的肤色统计模型，对处于复杂背景下的肤色进行一次检测。然后基于肤色分布的连通性对肤色进行二次检测，并去除图像中的小区域散点，实验结果表明，此方法可有效降低肤色检测的误检，提高了肤色检测的准确性和有效性。

参考文献

[1] 陈锻生,刘政凯.肤色检测技术综述[J].计算机学报,2006,29(2):194-207.

[2] 徐战武,朱淼良.肤色检测最优空间[J].计算机辅助设计与图形学学报,2006,18(9):1350-1356.

[3] 江凤兵.不同颜色空间肤色检测算法的研究[D].赣州:江西理工大学,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] 徐战武,朱淼良.基于颜色的皮肤检测综述[J].中国图象图形学报,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] 张争珍,石跃祥.YCgCr与YCgCb颜色空间的肤色检测[J].计算机工程与应用,2010,46(34):167-170.

[9] 王建国,华继钊,杨静宇.基于新颜色YCgCr的复杂背景图像下的肤色区域检测[J].计算机科学,2007,34(8):229-231.

[10] 康进峰,王国营.基于YCgCr颜色空间的肤色检测方法[J].计算机工程与设计,2009,30(19):4443-4446.

[11] 左文明.连通区域提取算法研究[J].计算机应用与软件,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,赵岩,王晔.基于肤色模型和阈值分割的人脸检测[J].长春工业大学学报:自然科学版,2013,34(4):382-386.

[14] 刘文武,王建明.基于肤色特征和Adaboost算法的人脸检测方法[J].电子测试,2014(S1):27-29.

[15] 王小霞,曾培峰,唐莉萍,等.复杂场景中运动目标的检测[J].计算机应用与软件,2015,32(2):203-206.

[16] 梁成.基于像素二值化法的连通域标记[J].计算机与数字工程,2013,41(5):823-826.

[17] Rafael C Gonzalez,Richard E Woods.Digital Image Processing (3rd Edition)[M].北京:电子工业出版社,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。国家科技支撑计划资助项目(2012BAH 35B03)。徐诗惠，硕士生，主研领域：色彩视觉分析，颜色科学技术。张霞，教授。

中图分类号TP301.6

文献标识码A

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