基于固定閾值分割的膚色檢測方法改良

黃友鵬 潘興海 金文中

摘要：針對智慧機械手的手勢識別問題，該文提出綜合HCrCb膚色檢測方法，以混合膚色檢測為方案，表明所改良的膚色檢測方法相比于現在較為流行的膚色檢測方法，在不同光照環境下有較好的檢測效果。該文首先研究了五種傳統的膚色檢測方法，并進行了實際環境的檢測測試，最終綜合各顏色空間的聚類特征，選用HSV空間的H和YCrCb空間的CrCb嘗試膚色檢測，并通過實際測試對方案進行驗證，實現更高精度的檢測，對未來膚色檢測方法推進有重要意義。

關鍵詞：顏色空間;膚色檢測;混合檢測;手勢識別

中圖分類號：TP751.1? ? 文獻標識碼：A

文章編號：1009-3044（2021）25-0118-03

膚色檢測在人臉檢測、手勢識別、敏感圖像過濾、醫療診斷、圖像增強等計算機視覺和圖像處理領域具有廣泛的應用[1]。同時也是機器人要完成手勢識別的開始，直接決定了其他系統功能能否順利實現，所以要想實現效果比較好的機器人工作效果，就得想辦法先提高手勢識別的精確率和效率，由于機器人采用的膚色檢測方案實現手勢識別，所以第一步便是提高膚色分割率及膚色檢測。

1常見膚色檢測原理

1.1基于RGB顏色空間的閾值膚色檢測

在RGB顏色空間中，每種顏色都以紅綠藍三種原色光譜成分表示，用RGB來表述顏色，符合人們普通生活中的認識和直觀感受，容易理解，但此顏色空間中受到亮度的影響較大，即在不同的光照條件下，RGB值會有差距。根據現有的大量研究成果，RGB顏色空間膚色檢測的約束滿足以下條件：

1.2基于HSV顏色空間的膚色檢測

HSV是將RGB模型表示在圓錐體當中，其中H表示色相，S表示飽和度，V表示明度（亮度）。在這個顏色空間中，一般通過色相值H對膚色區域進行檢測劃分。當使用這個顏色空間進行檢測時，采用的數學模型約束一般為：2≤H≤13。

1.3基于YCbCr顏色空間的膚色識別

膚色檢測方案還經常用到YCbCr顏色空間，其中Y代表亮度，Cr代表紅色分量，Cb代表藍色分量。使用這個方案進行檢測的方法和HSV空間檢測方法大同小異，也是通過對Cr和Cb建立固定閾值約束模型，對圖片進行檢測。

1.4 YCbCr顏色空間+橢圓模型檢測

大量學者研究發現將膚色信息轉換到YCbCr空間后，從CbCr這個二維平面來看，皮膚像素值的分布符合橢圓模型，即每一個像素點都落在一個Cb和Cr相關的橢圓里。那么只需要對像素的Cr、Cb進行讀取，然后形成坐標（Cr、Cb），判斷此坐標是否在橢圓模型內即可確認其是否為膚色，實現膚色檢測和分割。

1.5 YCbCr空間Cr分量+Otsu分割

將圖像轉換到YCbCr空間，提取Cr分量，對Cr分量做自動二值化閾值分割處理，這種方法主要優勢在于根據不同的環境因素進行不同程度的閾值自動調整，省去了人為設置閾值的步驟，提高檢測的人為失誤率，但目前而言，這種自動閾值調整也并不能完全按照好的閾值調整方向進行。

2五種方法實驗對比分析

2.1實驗素材準備

在正常太陽光側照射環境下對手掌拍攝圖1，其背景模塊較為復雜，主要有與手掌差距較大的沙發、地板，并且地板作為嚴重的干擾項;在無太陽光照射，日光燈正常照射環境下對手背拍攝圖2，圖片中背景比較雜亂，光照更加均勻，且與手背相似的模塊比較少，但光照環境較暗，如圖所示。

2.2基于RGB顏色空間的膚色檢測

從兩幅檢測圖可看出基于RGB顏色空間的檢測可大致將手部識別分離出來，但對于地板的干擾并不能有很好的處理，有較多的誤判區域，存在明顯的有效性和局限性。由此可知這種檢測方案只適用于背景較為單一和光照比較均勻的場景。

2.3基于HSV顏色空間的膚色檢測

從檢測結果可以看出，經過多次調整參數，對于圖1有較好的檢測，相比圖3，此方法將地板干擾項也成功識別并分割出去，存在明顯的優勢，但對于圖2的檢測效果就不盡人意，將手背的大半部分誤判分割掉，由此可知僅考慮色相“H”，不考慮飽和度和亮度的影響顯然是遠遠不夠的[2]。

2.4基于YCbCr顏色空間的膚色識別

從兩張檢測結果圖來看，此方法相對于HSV顏色空間檢測和RGB顏色空間檢測兩種方法總體上有更好的檢測效果，將圖2的手背與背景環境較為完整地分離開來，僅存留了一點與手背極為接近的干擾塊，但對于圖1的地板干擾識別不如HSV檢測，仍然存在明顯的誤判。

2.5YCbCr顏色空間+橢圓模型檢測

由檢測圖可看出，這種方案的檢測效果一般，仍不能將地板干擾項與手掌精確的識別分離開來，且圖10中還存在較大塊的識別干擾區域。

2.6 Cr分量+Otsu閾值分割檢測

此檢測方法也不能將地板干擾項精確識別分離出去，并且在圖12中手指端出現了較大橢圓塊誤識別區域，這是前面幾種方案都未出現過的情況。

3顏色空間混合檢測思路

基于上述五種常見的膚色檢測模型在膚色檢測方面的優點和缺陷，仔細分析可知：對于圖1的場景圖片，只有基于HSV顏色空間的膚色檢測模型能夠完整地將地板和手掌部分識別出來并將手部較好的分割出來了，且HSV是只通過H約束來識別的;對于圖2分析，基于HSV顏色空間的膚色檢測模型效果較差，但是基于YCbCr顏色空間的閾值膚色識別模型的效果較好，是在五種方案中最能完整地將手背與干擾部分分離出來的。

于是提出一種顏色空間混合膚色檢測方法，選取HSV 顏色空間的H分量和YCbCr顏色空間的Cb、Cr分量，通過大量樣本的實驗，完善出基于H-Cb-Cr 的膚色檢測模型，檢測模型對膚色的約束如下：

4基于空間混合膚色檢測結果分析

從圖13和圖14中可分析得知，此顏色空間混合檢測有綜合了HSV顏色空間和YCrCb顏色空間的優點，并在一定程度上解決掉兩種原始方案的誤檢、漏檢情況，能夠完整地將不同環境條件下，不同干擾影響下的手背、手掌分割出來，通過大量的樣本測試，分析得出此混合檢測方案準確率相比于其兩種原本檢測方案對比如下：

通過實驗結果可知，此混合檢測方法對于不同環境的檢測有較好的效果，能夠在不同的光照條件下對目標實行高精度檢測，驗證了新方案的可行性，為后續手勢識別奠定好的基礎。

5小結

本文對目前流行的幾種膚色檢測方法進行了分析比較，并結合不同方法檢測實現的不同效果對各方案進行了原理分析，得出在亮度信息與色度信息分離的顏色空間中，膚色的聚類性比較好[3]。創新性地提出了一種混合不同顏色空間的檢測方法，提取出其中的檢測元素，形成組合約束，并對其做了實例檢測分析對比，可得此種混合檢測方案不僅結合了幾種常見方案的優點，還在一定程度上解決了現存檢測方法的缺陷。但本文仍有未盡工作，此混合檢測方案仍存在可改進地方，還可以對其檢測的穩定性、檢測效率繼續進行優化，以實現更好，更快的檢測效果。

參考文獻：

[1] 張坤，王燁東，李文元，等.自適應動態膚色檢測技術研究進展[J].液晶與顯示，2021，36（2）：293-304.

[2] 龐燕.幾種常用的膚色檢測顏色空間[J].中國傳媒大學學報（自然科學版），2013，20（6）：54-58.

[3] 呂凱凱，韋德泉，梁蘭菊，等.幾種顏色空間在膚色檢測中的應用與研究[J].電腦知識與技術，2019，15（10）：160-161，166.

【通聯編輯：代影】