一種膚色檢測方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及人機交互領(lǐng)域，尤其涉及一種膚色檢測方法及系統(tǒng)，所述方法包括：獲取多幀視頻圖像；通過聚類算法和預(yù)設(shè)的視覺分類器獲取所述多幀圖像的背景像素樣本和膚色像素樣本；通過所述背景像素樣本和膚色像素樣本建立多個膚色模型，并根據(jù)預(yù)設(shè)的排序指標(biāo)對所述膚色模型進行排序；根據(jù)預(yù)設(shè)的置信度閥值和所述經(jīng)過排序的膚色模型，對待檢測圖片進行膚色檢測，獲取確定為膚色的像素。本發(fā)明實施例，獲取視頻圖像的背景像素樣本和膚色像素樣本，通過樣本建立膚色模型，并通過膚色模型對視頻圖像進行檢測，篩選出確定為膚色的像素，可以有效的避免膚色檢測時受到有色光源、噪聲的干擾，排除了與膚色相似的目標(biāo)物的干擾，降低了膚色檢測的誤檢率。
【專利說明】一種膚色檢測方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及人機交互領(lǐng)域，尤其涉及一種膚色檢測方法及系統(tǒng)。

【背景技術(shù)】
[0002] 膚色信息可以用于人臉、人手等部位的檢測、識別和跟蹤，膚色檢測在人機交互領(lǐng) 域具有重要的研究價值和應(yīng)用前途。膚色檢測主要是依據(jù)膚色像素值在不同顏色空間中的 分布和統(tǒng)計特性來進行的，膚色檢測一般是像素級別的，因此具有不受目標(biāo)形變影響的特 性，但是，皮膚顏色的分布受到環(huán)境光照、攝像頭拍攝距離、以及用戶個體差異等狀況的影 響。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明實施例的目的在于提供一種膚色檢測方法及系統(tǒng)，用于協(xié)助對特定人體部 位的檢測，提高對檢測部位進行檢測的速度，并解決現(xiàn)有技術(shù)膚色檢測容易受到有色光源、 噪聲以及與膚色相似的目標(biāo)物干擾的問題。
[0004] 本發(fā)明實施例提供了一種膚色檢測方法，所述方法包括以下步驟：
[0005] 獲取多幀視頻圖像；
[0006] 通過聚類算法和預(yù)設(shè)的視覺分類器獲取所述多幀圖像的背景像素樣本和膚色像 素樣本；
[0007] 通過所述背景像素樣本和膚色像素樣本建立多個膚色模型，并根據(jù)預(yù)設(shè)的排序指 標(biāo)對所述膚色模型進行排序；
[0008] 根據(jù)預(yù)設(shè)的置信度閥值和所述經(jīng)過排序的膚色模型，對待檢測圖片進行膚色檢 測，獲取確定為膚色的像素。
[0009] 本發(fā)明實施例還提供了一種膚色檢測系統(tǒng)，所述系統(tǒng)包括：
[0010] 視頻圖像獲取單元，用于獲取多幀視頻圖像；
[0011] 像素樣本獲取單元，用于通過聚類算法和預(yù)設(shè)的視覺分類器獲取所述視頻圖像獲 取單元獲取的多幀圖像的背景像素樣本和膚色像素樣本；
[0012] 膚色建模與排序單元，用于通過所述像素樣本獲取單元獲取的背景像素樣本和膚 色像素樣本建立多個膚色模型，并根據(jù)預(yù)設(shè)的排序指標(biāo)對所述膚色模型進行排序；
[0013] 檢測單元，用于根據(jù)預(yù)設(shè)的置信度閥值和從所述膚色建模與排序單元所得的膚色 模型，對待檢測圖片進行膚色檢測，獲取確定為膚色的像素。
[0014] 本發(fā)明實施例，獲取視頻圖像的背景像素樣本和膚色像素樣本，通過樣本建立膚 色模型，并通過膚色模型對視頻圖像進行檢測，篩選出確定為膚色的像素，可以有效的避免 膚色檢測受到有色光源、噪聲的干擾，排除了與膚色相似的目標(biāo)物的干擾，降低了膚色檢測 的誤檢率。

【專利附圖】

【附圖說明】
[0015] 為了更清楚地說明本發(fā)明實施例中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述 中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些 實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些 附圖獲得其他的附圖。
[0016] 圖1為本發(fā)明實施例提供的膚色檢測方法的流程圖；
[0017] 圖2為本發(fā)明實施例提供的進行膚色檢測的示意圖；
[0018] 圖3為本發(fā)明實施例提供的膚色檢測系統(tǒng)的結(jié)構(gòu)圖。

【具體實施方式】
[0019] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對 本發(fā)明進行進一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并 不用于限定本發(fā)明。
[0020] 為了說明本發(fā)明所述的技術(shù)方案，下面通過具體實施例來進行說明。
[0021] 實施例一
[0022] 如圖1所示為本發(fā)明實施例提供的膚色檢測方法的流程圖，所述方法包括以下步 驟：
[0023] 在步驟S101中，獲取多幀視頻圖像。
[0024] 在本發(fā)明實施例中，進行膚色檢測的終端可以通過攝像頭等圖像獲取設(shè)備獲取視 頻圖像，需要指出的是在該步驟中獲取的是多幀圖像。
[0025] 在步驟S102中，通過聚類算法和預(yù)設(shè)的視覺分類器獲取所述多幀圖像的背景像 素樣本和膚色像素樣本。
[0026] 在本發(fā)明實施例中，進行膚色檢測的終端通過預(yù)設(shè)的視覺分類器獲取視頻圖像中 待檢測膚色部位，然后通過聚類算法從待檢測膚色部位中獲取背景像素樣本和膚色像素樣 本。所述通過預(yù)設(shè)的視覺分類器和聚類算法獲取所述多幀圖像的背景像素樣本和膚色像素 樣本的步驟，包括：
[0027] 1、通過預(yù)設(shè)的視覺分類器從所述多幀圖像中獲取包含有膚色的待檢測部位的圖 像。
[0028] 在本發(fā)明實施例中，用戶預(yù)先在進行膚色檢測的終端設(shè)置了多個視覺分類器，當(dāng) 需要進行某個部位的膚色檢測時，只需調(diào)用對應(yīng)的視覺分類器即可從視頻圖像中，獲取對 應(yīng)的待檢測膚色部位圖像，這樣在該待檢測膚色部位圖像中的大部分即為膚色圖像。
[0029] 2、通過聚類算法從所述包含有膚色的待檢測部位的圖像中獲取背景像素樣本和 膚色像素樣本。
[0030] 在本發(fā)明實施例中，設(shè)待檢測膚色部位圖像構(gòu)成的像素集合的總體記為Ω，將Ω 中像素變換到多個顏色空間，構(gòu)建像素的多通道顏色表示，即假設(shè)像素 P在Nc個顏色空間 的向量表示分別為\，乂2，"·，\。，那么像素 P新的表示為X= ，…，\。)。在多顏色 空間多通道表示下，通過無監(jiān)督聚類方法將像素集合Ω分成K類，由于待檢測膚色部位圖 像中的大部分即為膚色圖像，所以包含像素最多的一類被認(rèn)為是膚色類，記為Ω 2。抽取視 頻圖像中待檢測膚色部位圖像之外的像素，將其與Ω2中像素做對比，選取符合某種條件者 形成背景像素集合，該背景像素集合即為背景像素樣本集。
[0031] 在步驟S103中，通過所述背景像素樣本和膚色像素樣本建立多個膚色模型，并根 據(jù)預(yù)設(shè)的排序指標(biāo)對所述膚色模型進行排序。
[0032] 在本發(fā)明實施例中，進行膚色檢測的終端通過上步中獲取的背景像素樣本和膚色 像素樣本建立多個膚色模型：Mi，M 2，…，Mm，所述膚色模型包括但不限于：膚色分布模型，膚 色-背景判別模型；在建立了多個膚色模型之后，根據(jù)預(yù)設(shè)的排序指標(biāo)對所述膚色模型進 行排序，得到排序后的膚色模型：(；，C 2，…，Cm，所述排序指標(biāo)包括但不限于：檢測效率、對 背景像素的排除能力，其中檢測效率越高、對背景像素的排除能力越強的膚色模型，排名越 S 巨 _ U 〇
[0033] 舉例說明：
[0034] 假設(shè)需要使用RGB空間、HSV空間的Η和S兩數(shù)據(jù)通道、YCbCr空間的Cb，Cr數(shù)據(jù) 通道，則建立的膚色模型為：1、RGB空間中的由多個線性不等式限定的區(qū)域，稱之為分段線 性分類器；2、使用樣本集Ω 2中的Η和S兩通道數(shù)據(jù)建立了 Ω2中像素值分布的直方圖模 型；3、對樣本集Ω2中的Cb，Cr兩通道數(shù)據(jù)進行擬合，建立了混合高斯模型；4、將正負(fù)樣本 變換至0V(R+G+B)，GAR+G+B)，H，S，Cb，Cr)表示下，建立決策樹判別模型。其中，根據(jù)檢 測效率四個模型的排序為：1 < 3 < 2 < 4,但是模型2能夠排除更多的背景像素，所以最終 的排序為：1 < 2 < 3 < 4。
[0035] 在步驟S104中，根據(jù)預(yù)設(shè)的置信度閥值和所述經(jīng)過排序的膚色模型，對待檢測圖 片進行膚色檢測，獲取確定為膚色的像素。
[0036] 在本發(fā)明實施例中，進行膚色檢測的終端預(yù)設(shè)置信度閥值，用經(jīng)過排序的膚色模 型和置信度閥值對待檢測圖片進行篩選，獲取確定為膚色的像素。所述根據(jù)預(yù)設(shè)的置信度 閥值和所述經(jīng)過排序的膚色模型，對待檢測圖片進行膚色檢測，獲取確定為膚色的像素，具 體為：使用第一膚色模型對待檢測圖片進行檢測，獲取第一像素，所述第一像素包括：背景 像素（置信度〈第一置信度閥值），第一未確定像素（第一置信度閥值<置信度<第二置 信度閥值），膚色像素（置信度>第二置信度閥值）；使用第二膚色模型對第一未確定像素 進行檢測，獲取第二像素，所述第二像素包括：背景像素（置信度<第一置信度閥值，即所 述背景像素為置信度小于第一置信度閥值的像素），第二未確定像素（第一置信度閥值< 置信度<第二置信度閥值，即置信度大于或等于第一置信度閥值且小于或等于第二置信度 閥值的像素），膚色像素（置信度>第二置信度閥值）；…；使用第m膚色模型對第m-1未 確定像素進行檢測，獲取第m像素,所述第m像素包括：背景像素（置信度<第一置信度閥 值），第m未確定像素（第一置信度閥值<置信度<第二置信度閥值），膚色像素（置信度 >第二置信度閥值）。每個膚色模型都是對上一模型分類中存在模糊性的像素繼續(xù)分類，各 個膚色模型所輸出的膚色像素組成的集合，就是總的膚色像素點。
[0037] 舉例說明：
[0038] 如圖2所示為進行膚色檢測的示意圖。假設(shè)膚色建模階段共生成了 m枚膚色模型， 經(jīng)過排序之后分別為Q，…，Cm。檢測方法描述如下：1、假設(shè)模糊像素集合Ζω(0)=待檢 測圖片中的所有像素；2、對于k= 1，···，!!!，使用Ck對Z(tl)(k-1)中的像素進行分類，屬于膚 色類的置信度高于一定閾值者被歸于集合Z (1) (k)，置信度低于一定閾值者被歸于集合ZH) (k)，未確定像素則被歸于集合 Z(Q)(k)，因而有 Z(Q)(k-l) =Z(1)(k) U ZH)(k) U Z(Q)(k) ;3、 最終ΣΓηΖ"㈨中像素為膚色像素，其余為非膚色像素。
[0039] 本發(fā)明實施例，獲取視頻圖像的背景像素樣本和膚色像素樣本，通過樣本建立膚 色模型，并通過膚色模型對視頻圖像進行檢測，篩選出確定為膚色的像素，可以有效的避免 膚色檢測時受到有色光源、噪聲的干擾，排除了與膚色相似的目標(biāo)物的干擾，降低了膚色檢 測的誤檢率。
[0040] 作為本發(fā)明的一個可選實施例，在所述通過預(yù)設(shè)的視覺分類器和聚類算法獲取所 述多幀圖像的背景像素樣本和膚色像素樣本的步驟之前，所述方法還包括以下步驟：
[0041] 預(yù)設(shè)多個視覺分類器。
[0042] 在本發(fā)明實施例中，進行膚色檢測的終端首先預(yù)設(shè)多個用于對視頻圖像中的待檢 測部位進行識別的視覺分類器，包括但不限于：人臉視覺分類器、人手視覺分類器和軀干視 覺分類器。
[0043] 實施例二
[0044] 如圖3所示為本發(fā)明實施例提供的膚色檢測系統(tǒng)的結(jié)構(gòu)圖，為了便于說明，僅示 出與本發(fā)明實施例相關(guān)的部分，包括：
[0045] 視頻圖像獲取單元301，用于獲取多幀視頻圖像。
[0046] 在本發(fā)明實施例中，視頻圖像獲取單元301可以通過攝像頭等圖像獲取設(shè)備獲取 視頻圖像，需要指出的是在該步驟中獲取的是多幀圖像。
[0047] 像素樣本獲取單元302,用于通過聚類算法和預(yù)設(shè)的視覺分類器獲取所述視頻圖 像獲取單元301獲取的多幀圖像的背景像素樣本和膚色像素樣本。
[0048] 在本發(fā)明實施例中，像素樣本獲取單元302通過預(yù)設(shè)的視覺分類器獲取視頻圖像 中待檢測膚色部位，然后通過聚類算法從待檢測膚色部位中獲取背景像素樣本和膚色像素 樣本。所述像素樣本獲取單元302,包括：
[0049] 待檢測膚色部位圖像獲取子單元3021，用于通過預(yù)設(shè)的視覺分類器從所述多幀圖 像中獲取包含有膚色的待檢測部位的圖像。
[0050] 在本發(fā)明實施例中，用戶預(yù)先在進行膚色檢測的終端設(shè)置了多個視覺分類器，當(dāng) 需要進行某個部位的膚色檢測時，只需調(diào)用對應(yīng)的視覺分類器即可從視頻圖像中，獲取對 應(yīng)的待檢測膚色部位圖像，這樣在該待檢測膚色部位圖像中的大部分即為膚色圖像。
[0051 ] 像素樣本獲取子單元3022，用于通過聚類算法從所述待檢測膚色部位圖像獲取子 單元3021獲取的包含有膚色的待檢測部位的圖像中獲取背景像素樣本和膚色像素樣本。
[0052] 在本發(fā)明實施例中，設(shè)待檢測膚色部位圖像構(gòu)成的像素集合的總體為Ω，將Ω中 像素變換到多個顏色空間，構(gòu)建像素的多通道顏色表示，即假設(shè)像素 P在Nc個顏色空間的 向量表示分別為X^X2，…，XN。，那么像素 P新的表示為Χ= (Χ^Χ2，…，XN。)。在多顏色空 間多通道表示下，通過無監(jiān)督聚類方法將像素集合Ω分成K類，由于待檢測膚色部位圖像 中的大部分即為膚色圖像，所以包含像素最多的一類被認(rèn)為是膚色類，記為Ω 2。抽取視頻 圖像中待檢測膚色部位圖像之外的像素，將其與Ω2中像素做對比，選取符合某種條件者形 成背景像素集合，該背景像素集合即為背景像素樣本。
[0053] 膚色建模與排序單元303,用于通過所述像素樣本獲取單元302獲取的背景像素 樣本和膚色像素樣本建立多個膚色模型，并根據(jù)預(yù)設(shè)的排序指標(biāo)對所述膚色模型進行排 序。
[0054] 在本發(fā)明實施例中，建立與排序單元303通過獲取的背景像素樣本和膚色像素樣 本建立多個膚色模型：Mi，M2，…，Mm，所述膚色模型包括但不限于：膚色分布模型，膚色-背 景判別模型；在建立了多個膚色模型之后，根據(jù)預(yù)設(shè)的檢測條件對所述膚色模型進行排序， 得到排序后的膚色模型：(^，C2，…，C m，所述排序指標(biāo)包括但不限于：檢測效率、對背景像素 的排除能力，其中檢測效率越高、對背景像素的排除能力越強的膚色模型，排名越靠前。
[0055] 檢測單元304,用于根據(jù)預(yù)設(shè)的置信度閥值和從所述膚色建模與排序單元303所 得的膚色模型，對待檢測圖片進行膚色檢測，獲取確定為膚色的像素。
[0056] 在本發(fā)明實施例中，檢測單元304預(yù)設(shè)置信度閥值，用經(jīng)過排序的膚色模型和置 信度閥值對待檢測圖片進行篩選，獲取確定為膚色的像素。所述檢測單元304進行檢測，具 體為：使用第一膚色模型對待檢測圖片進行檢測，獲取第一像素，所述第一像素包括：背景 像素（置信度〈第一置信度閥值），第一未確定像素（第一置信度閥值<置信度<第二置 信度閥值），膚色像素（置信度>第二置信度閥值）；使用第二膚色模型對第一未確定像素 進行檢測，獲取第二像素，所述第二像素包括：背景像素（置信度<第一置信度閥值，即所 述背景像素為置信度小于第一置信度閥值的像素），第二未確定像素（第一置信度閥值< 置信度<第二置信度閥值，即置信度大于或等于第一置信度閥值且小于或等于第二置信度 閥值的像素），膚色像素（置信度>第二置信度閥值）；使用第m膚色模型對第m-1未 確定像素進行檢測，獲取第m像素,所述第m像素包括：背景像素（置信度<第一置信度閥 值），第m未確定像素（第一置信度閥值<置信度<第二置信度閥值），膚色像素（置信度 >第二置信度閥值）。每個膚色模型都是對上一模型分類中存在模糊性的像素繼續(xù)分類，各 個膚色模型所輸出的膚色像素組成的集合，就是總的膚色像素點。
[0057] 本發(fā)明實施例，獲取視頻圖像的背景像素樣本和膚色像素樣本，通過樣本建立膚 色模型，并通過膚色模型對視頻圖像進行檢測，篩選出確定為膚色的像素，可以有效的避免 膚色檢測時受到有色光源、噪聲的干擾，排除了與膚色相似的目標(biāo)物的干擾，降低了膚色檢 測的誤檢率。
[0058] 作為本發(fā)明的一個可選實施例，在所述像素樣本獲取單元302獲取樣本之前，所 述系統(tǒng)還包括：
[0059] 視覺分類器預(yù)設(shè)單元，用于預(yù)設(shè)多個視覺分類器。
[0060] 在本發(fā)明實施例中，視覺分類器預(yù)設(shè)單元首先預(yù)設(shè)多個用于對視頻圖像中的待檢 測部位進行識別的視覺分類器，包括但不限于：人臉視覺分類器、人手視覺分類器和軀干視 覺分類器。
[0061] 所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡潔，僅以上述各功能 單元、模塊的劃分進行舉例說明，實際應(yīng)用中，可以根據(jù)需要而將上述功能分配由不同的功 能單元、模塊完成，即所述系統(tǒng)的內(nèi)部結(jié)構(gòu)劃分成不同的功能單元或模塊，以完成以上描述 的全部或者部分功能。實施例中的各功能單元或模塊可以集成在一個處理單元中，也可以 是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中，上述集成的單 元或模塊既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能單元的形式實現(xiàn)。另外，各功能 單元、模塊的具體名稱也只是為了便于相互區(qū)分，并不用于限制本申請的保護范圍。上述系 統(tǒng)中單元、模塊的具體工作過程，可以參考前述方法實施例中的對應(yīng)過程，在此不再贅述。 [〇〇62] 以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和 原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
【權(quán)利要求】
1. 一種膚色檢測方法，其特征在于，所述方法包括以下步驟： 獲取多幀視頻圖像； 通過聚類算法和預(yù)設(shè)的視覺分類器獲取所述多幀圖像的背景像素樣本和膚色像素樣 本； 通過所述背景像素樣本和膚色像素樣本建立多個膚色模型，并根據(jù)預(yù)設(shè)的排序指標(biāo)對 所述膚色模型進行排序； 根據(jù)預(yù)設(shè)的置信度閥值和所述經(jīng)過排序的膚色模型，對待檢測圖片進行膚色檢測，獲 取確定為膚色的像素。
2. 如權(quán)利要求1所述的方法，其特征在于，在所述通過預(yù)設(shè)的視覺分類器和聚類算法 獲取所述多幀圖像的背景像素樣本和膚色像素樣本的步驟之前，所述方法還包括以下步 驟： 預(yù)設(shè)多個視覺分類器。
3. 如權(quán)利要求1?2任一項所述的方法，其特征在于，所述通過預(yù)設(shè)的視覺分類器和聚 類算法獲取所述多幀圖像的背景像素樣本和膚色像素樣本的步驟，包括： 通過預(yù)設(shè)的視覺分類器從所述多幀圖像中獲取包含有膚色的待檢測部位的圖像； 通過聚類算法從所述包含有膚色的待檢測部位的圖像中獲取背景像素樣本和膚色像 素樣本。
4. 如權(quán)利要求1?2任一項所述的方法，其特征在于，所述根據(jù)預(yù)設(shè)的置信度閥值和 所述經(jīng)過排序的膚色模型，對待檢測圖片進行膚色檢測，獲取確定為膚色的像素，具體為： 使用第一膚色模型對待檢測圖片進行檢測，獲取第一像素，所述第一像素包括：背景像素 (置信度〈第一置信度閥值），第一未確定像素（第一置信度閥值<置信度<第二置信度閥 值），膚色像素（置信度>第二置信度閥值）；使用第二膚色模型對第一未確定像素進行檢 測，獲取第二像素，所述第二像素包括：背景像素（置信度<第一置信度閥值），第二未確定 像素（第一置信度閥值<置信度<第二置信度閥值），膚色像素（置信度>第二置信度閥 值使用第m膚色模型對第m-1未確定像素進行檢測，獲取第m像素，所述第m像素 包括：背景像素（置信度<第一置信度閥值），第m未確定像素（第一置信度閥值<置信度 <第二置信度閥值），膚色像素（置信度>第二置信度閥值）。
5. -種膚色檢測系統(tǒng)，其特征在于，所述系統(tǒng)包括： 視頻圖像獲取單元，用于獲取多幀視頻圖像； 像素樣本獲取單元，用于通過聚類算法和預(yù)設(shè)的視覺分類器獲取所述視頻圖像獲取單 元獲取的多幀圖像的背景像素樣本和膚色像素樣本； 膚色建模與排序單元，用于通過所述像素樣本獲取單元獲取的背景像素樣本和膚色像 素樣本建立多個膚色模型，并根據(jù)預(yù)設(shè)的排序指標(biāo)對所述膚色模型進行排序； 檢測單元，用于根據(jù)預(yù)設(shè)的置信度閥值和從所述膚色建模與排序單元所得的膚色模 型，對待檢測圖片進行膚色檢測，獲取確定為膚色的像素。
6. 如權(quán)利要求5所述的系統(tǒng)，其特征在于，在所述像素樣本獲取單元獲取樣本之前，所 述系統(tǒng)還包括： 視覺分類器預(yù)設(shè)單元，用于預(yù)設(shè)多個視覺分類器。
7. 如權(quán)利要求5?6任一項所述的系統(tǒng)，其特征在于，所述像素樣本獲取單元，包括： 待檢測膚色部位圖像獲取子單元，用于通過預(yù)設(shè)的視覺分類器從所述多幀圖像中獲取 包含有膚色的待檢測部位的圖像； 像素樣本獲取子單元，用于通過聚類算法從所述待檢測膚色部位圖像獲取子單元獲取 的包含有膚色的待檢測部位的圖像中獲取背景像素樣本和膚色像素樣本。
8.如權(quán)利要求5?6任一項所述的系統(tǒng)，其特征在于，所述檢測單元進行檢測，具體 為：使用第一膚色模型對待檢測圖片進行檢測，獲取第一像素，所述第一像素包括：背景像 素（置信度〈第一置信度閥值），第一未確定像素（第一置信度閥值<置信度<第二置信度 閥值），膚色像素（置信度>第二置信度閥值）；使用第二膚色模型對第一未確定像素進行 檢測，獲取第二像素，所述第二像素包括：背景像素（置信度<第一置信度閥值），第二未確 定像素（第一置信度閥值<置信度<第二置信度閥值），膚色像素（置信度>第二置信度閥 值使用第m膚色模型對第m-1未確定像素進行檢測，獲取第m像素，所述第m像素 包括：背景像素（置信度<第一置信度閥值），第m未確定像素（第一置信度閥值<置信度 <第二置信度閥值），膚色像素（置信度>第二置信度閥值）。
【文檔編號】G06K9/62GK104050455SQ201410290360
【公開日】2014年9月17日 申請日期:2014年6月24日 優(yōu)先權(quán)日:2014年6月24日
【發(fā)明者】趙顏果, 吳偉, 宋展, 馬麗婭, 王志國, 喻召福, 丁宏, 張曼華, 王坤鵬, 陳瀅, 李曉榕, 吳廣生, 張威軼 申請人:深圳先進技術(shù)研究院