謝 杰，張 鍵，付天豪

（1.中國(guó)電子科技集團(tuán)公司第五十八研究所，江蘇 無(wú)錫 214072；2.中科芯集成電路有限公司，江蘇 無(wú)錫 214072）

膚色信息是人類(lèi)最顯著特征之一，對(duì)膚色進(jìn)行分割是很多關(guān)于人體相關(guān)的圖像處理系統(tǒng)的基礎(chǔ)處理部分。膚色分割主要分為三步：顏色空間變換、膚色建模、膚色決策。不同的研究者在顏色空間選擇方面對(duì)皮膚分割算法性能的影響得出了不同的結(jié)果。文獻(xiàn)[1]在YCgCr彩色空間，通過(guò)改進(jìn)的粒子群與K均值聚類(lèi)綜合的方法進(jìn)行人臉膚色分割，提升了聚類(lèi)方法的全局檢索能力；文獻(xiàn)[2]在YCgCr與YCgCb空間中進(jìn)行膚色分割，提升了聚類(lèi)方法的全局檢索能力；文獻(xiàn)[2]在YCgCr與YCgCb空間中進(jìn)行膚色分割，能夠?qū)⒚恳灰曨l幀中的膚色區(qū)域與非膚色區(qū)域有效地分隔開(kāi)。文獻(xiàn)[3]對(duì)多種顏色空間比較發(fā)現(xiàn)，YCbCr顏色空間比HSV顏色空間更適合應(yīng)用于光照不均勻的復(fù)雜彩色圖像的膚色分割。目前為皮膚分割任務(wù)尋找最優(yōu)顏色空間的努力轉(zhuǎn)向采用優(yōu)秀的皮膚檢測(cè)模型和光照補(bǔ)償方法[4]。對(duì)特定顏色空間中皮膚聚類(lèi)的觀察可以建立膚色模型。膚色建模主要有基于皮膚聚類(lèi)邊界的分割規(guī)則[5-6]和基于機(jī)器學(xué)習(xí)[7-8]兩種方法。機(jī)器學(xué)習(xí)方法分割膚色較優(yōu)，但需要大量具有代表性的訓(xùn)練數(shù)據(jù)集，并且還需要較長(zhǎng)的分類(lèi)時(shí)間，不適合實(shí)時(shí)性較高的情況。在膚色決策方面，固定閾值分割法常用于單一背景下的膚色圖像分割，當(dāng)存在類(lèi)膚色背景下的適應(yīng)性不強(qiáng)，分割效果不佳，而動(dòng)態(tài)閾值分割容易受環(huán)境變化的影響。

針對(duì)傳統(tǒng)分割方法對(duì)圖像中光照變化膚色分割魯棒性不強(qiáng)、自適應(yīng)能力不佳等問(wèn)題，本文提出一種人體膚色自適應(yīng)分割方法，能夠較好地適應(yīng)光照和復(fù)雜背景的變化。本文的自適應(yīng)膚色分割方法步驟為：首先獲取輸入的RGB膚色圖；其次將膚色圖像素轉(zhuǎn)化為本文改進(jìn)后的YCbCr顏色空間；最后結(jié)合橢圓邊界膚色模型和本文提出的自適應(yīng)膚色決策對(duì)膚色進(jìn)行有效分割。

1 自適應(yīng)膚色分割

1.1 YCbCr顏色空間

本文選取YCbCr顏色空間，因?yàn)樗哪w色聚類(lèi)性好，分割效果佳[9]。傳統(tǒng)的RGB轉(zhuǎn)YCbCr得到Cb、Cr值呈現(xiàn)一定的規(guī)律性，當(dāng)光照強(qiáng)度Y在[60，180]范圍內(nèi)變化時(shí)，Cb值和Cr值隨著光照強(qiáng)度Y變化很小，聚類(lèi)性較強(qiáng)，表現(xiàn)出了很強(qiáng)的穩(wěn)定性[10]，當(dāng)光強(qiáng)度值Y在[60，180]范圍之外，Cb和Cr就呈現(xiàn)非線性無(wú)規(guī)律變化。對(duì)上述理論通過(guò)實(shí)驗(yàn)驗(yàn)證，采用LED環(huán)形光源進(jìn)行亮度調(diào)節(jié)，通過(guò)在人手的相同位置在不同的光照強(qiáng)度下獲取像素點(diǎn)樣本，將像素點(diǎn)的RGB值轉(zhuǎn)換為YCbCr值得到如圖1實(shí)驗(yàn)規(guī)律。其中RGB轉(zhuǎn)換YCbCr如下[10]：

圖1 改進(jìn)前Cr和Cb隨Y變化趨勢(shì)

1.2 基于YCbCr顏色空間的改進(jìn)

由圖1可知，當(dāng)光照強(qiáng)度Y在[60，180]范圍之外時(shí)，Cb值和Cr值呈現(xiàn)非線性變化，已經(jīng)不能反映正常的人體膚色色度信息，因此需要進(jìn)行改進(jìn)，以增強(qiáng)Cb和C r穩(wěn)定性，使得膚色分割對(duì)光線具有更好的適應(yīng)性。對(duì)式（1）的線性轉(zhuǎn)換算法通過(guò)非線性調(diào)節(jié)函數(shù)校正，使得Y在較大范圍內(nèi)時(shí)，Cr、Cb值對(duì)Y的變化具有適應(yīng)性，從而增強(qiáng)Cr、Cb的聚類(lèi)性。由圖1可以得出Y在[60，180]范圍之內(nèi)時(shí)Cr和Cb隨Y的變化按照最大擬合度比較發(fā)現(xiàn)與式（2）函數(shù)變化擬合度較高。

其中a1、b1、a2、b2是函數(shù)參數(shù)。令YCr=lnCr、YCb=ln（-Cb）、XY=1/Y、θ=lna1、λ=lna2，可將式（2）轉(zhuǎn)換為式（3）：

采用式（4）求取式（3）中θ、b1的最優(yōu)解。

改進(jìn)后RGB轉(zhuǎn)換YCbCr為：

1.3 膚色建模與膚色決策

經(jīng)過(guò)大量的統(tǒng)計(jì)數(shù)據(jù)發(fā)現(xiàn)膚色在（Cb-Cr）空間上的投影近似一個(gè)橢圓。通過(guò)擬合橢圓，且將待判定膚色點(diǎn)的顏色分量Cb、Cr值在橢圓邊界膚色模型內(nèi)時(shí)，則判定該點(diǎn)為膚色點(diǎn)[10]。橢圓邊界膚色模型如下：

其 中Cx=109.38，Cy=152.02，θ=2.53rad，eCx=1.60，eCy=2.41，a=25.39，b=14.03。

當(dāng)圖像中出現(xiàn)與膚色相似的特征時(shí)，僅僅利用橢圓邊界膚色模型會(huì)把落入橢圓邊界內(nèi)的所有像素點(diǎn)都視為膚色區(qū)域，從而導(dǎo)致較高的誤檢率。為了完整、準(zhǔn)確地進(jìn)行皮膚區(qū)域分割，并且能夠適應(yīng)復(fù)雜環(huán)境的變化，本文提出一種自適應(yīng)膚色分割方法：首先以橢圓邊界膚色模型內(nèi)為約束條件獲取（Cr-Cb）的取值范圍（n，m）即為膚色閾值范圍（將式（6）參數(shù)帶入可得n=22.25，m=66.32），但是此范圍內(nèi)存在類(lèi)膚色的干擾因此需要獲取更加精確的閾值范圍。其次根據(jù)本文改進(jìn)的YCbCr顏色空間獲?。–r-Cb）像素灰度值的直方圖。最后將灰度值（n，m）范圍內(nèi)灰度直方圖擬合成高斯曲線，令高斯曲線的二階導(dǎo)數(shù)為零獲取灰度值變化最快的區(qū)域即為精確的膚色邊界范圍。

1.4 基于YCbCr空間自適應(yīng)分割方法

通過(guò)式（5）獲取YCbCr顏色空間下Cr減去Cb像素灰度值的直方圖（以本文實(shí)驗(yàn)部分圖5（a）為例）如圖2所示，從圖2中可以看出在灰度值（22，67）范圍內(nèi)存在膚色范圍的峰值。然后采用最小二乘法[11]處理圖2膚色范圍內(nèi)的局部灰度直圖。

圖2 （Cr-Cb）灰度直方圖

通過(guò)擬合在灰度直方圖局部膚色范圍內(nèi)的高斯曲線將獲取更精確的膚色閾值范圍。將高斯曲線式（7）轉(zhuǎn)換為式（8）的形似：

式（8）中b=μ/σ2，c=-1/（2σ2），F(xiàn)（x）=lnf（x），a=lnA-1/2*ln（2Π）-lnσ-μ2/（2σ2）。已知灰度直方圖每個(gè)灰度級(jí)的灰度值的數(shù)目[xi，L（xi）]，根據(jù)最小二乘原理建立目標(biāo)函數(shù)：

將式（7）求二階導(dǎo)數(shù)：

令式（11）為零，獲取膚色范圍變化最快的灰度級(jí)，得到兩個(gè)實(shí)數(shù)解，便可得到動(dòng)態(tài)膚色閾值范圍。該方法獲取的動(dòng)態(tài)膚色閾值可以有效地對(duì)膚色圖像進(jìn)行精確分割，適應(yīng)變化的光照，保證膚色分割的準(zhǔn)確性。

2 分析與討論

本文實(shí)驗(yàn)的測(cè)試環(huán)境為：處理器是intel（R）Core（TM）i5-9400 CPU@2.90Hz 2.71GHz；內(nèi)存是8.00GB；系統(tǒng)是64位。本文選用的膚色分割的實(shí)驗(yàn)樣本主要分為三個(gè)部分：實(shí)驗(yàn)1在兩種光照環(huán)境較極端情況下分別采用YCbCr顏色空間（式（1））和改進(jìn)YCbCr顏色空間（式（5））進(jìn)行對(duì)比實(shí)驗(yàn)，如圖4（a）和4（d）所示。其中變化光照下樣本像素點(diǎn)的采集是采用LED環(huán)形光源在光照強(qiáng)度Y從0逐漸增加200，通過(guò)在人手的相同位置，獲取到一共1100幀的變化光照像素點(diǎn)樣本。通過(guò)擬合樣本像素點(diǎn)隨光照變化的曲線得到式（5）中的相關(guān)參數(shù)a1、b1、a2、b2；實(shí)驗(yàn)2選用的是在六種不同光照變化下的手的膚色，如圖5（a）所示。實(shí)驗(yàn)3的圖片來(lái)源于AFLW人臉數(shù)據(jù)庫(kù)[12]，如圖6（a）所示。為了驗(yàn)證本文算法的有效性，本文采用橢圓邊界膚色模型膚色決策[10]、閾值分割方法[13]進(jìn)行比較，評(píng)估膚色目標(biāo)分割結(jié)果。其中閾值分割方法的5

實(shí)驗(yàn)1的處理結(jié)果如圖4（b）、（c）、（e）、（f）所示。其中改進(jìn)后Cr和Cb隨Y變化趨勢(shì)如圖3所示。采用本次實(shí)驗(yàn)樣本獲得的式（5）的參數(shù)a1=18.8592，a2=11.2346，b1=-52.070，b2=-28.265。

圖3 改進(jìn)后Cr和Cb隨Y變化趨勢(shì)

其中圖4（a）是在100≤Y≤210下的膚色原圖、圖4（d）是采用傳統(tǒng)的方法獲取Cr分量的灰度圖、圖4（c）是采用本文改進(jìn)方法獲取Cr分量的灰度圖、圖4（d）是在Y≤80下的膚色原圖、圖4（e）是采用傳統(tǒng)的方法獲取Cb分量的灰度圖、圖4（f）是采用本文改進(jìn)方法獲取Cb分量的灰度圖。從圖4（b）和圖4（c）對(duì)比中發(fā)現(xiàn)采用兩種方法分割Cr膚色分量差異較小，都能適應(yīng)強(qiáng)光的變化提取清晰的膚色輪廓信息。從圖4（e）和圖4（f）對(duì)比中發(fā)現(xiàn)采用改進(jìn)的膚色分割方法對(duì)Cb膚色分量在光照不足的情況下能夠較明顯提取膚色輪廓信息。

圖4 顏色空間轉(zhuǎn)換效果對(duì)比圖

實(shí)驗(yàn)2的處理結(jié)果如圖5（b）、（c）、（d）所示。其中圖5（a）中存在的六種不同光照變化的手的膚色。實(shí)驗(yàn)光源采用環(huán)形光源，型號(hào)DHO-RI12030；光源控制器型號(hào)為DHO-AP1024-1。變化光照下分割出膚色占總膚色比例如表1所示。本次實(shí)驗(yàn)中本文方法獲取的自適應(yīng)高斯曲線擬合參數(shù)如表2所示。

表2 實(shí)驗(yàn)2擬合曲線參數(shù)表

圖5 不同光照下膚色分割對(duì)比

從表1中可知，單獨(dú)采用橢圓邊界膚色模型進(jìn)行膚色分割不能很好地在變化的光照下分割膚色；雖然采用固定閾值分割的方法能夠在特定光照下分割出大部分膚色，但對(duì)光照較弱的環(huán)境適應(yīng)性不強(qiáng)；而本文算法對(duì)不同的光照環(huán)境有比較良好的適應(yīng)性，能夠在變化的光照下分割出大部分膚色區(qū)域。

實(shí)驗(yàn)3的處理結(jié)果如圖6（b）、（c）、（d）所示。文中采用如下參數(shù)評(píng)價(jià)不同算法的檢測(cè)效果：

其中第i張圖中膚色點(diǎn)總數(shù)為YSi；非膚色點(diǎn)總數(shù)為NSi，正確膚色被檢測(cè)出為膚色點(diǎn)的總數(shù)為RSi，非膚色被檢測(cè)出為膚色點(diǎn)總數(shù)為FSi。分割出膚色的不同算法檢測(cè)性能比較如表3所示。在本次實(shí)驗(yàn)中本文方法對(duì)圖6（a）的四張復(fù)雜背景圖獲取的自適應(yīng)高斯曲線擬合各個(gè)參數(shù)為：圖6（a）-1的μ=52.17，σ=8.69；圖6（a）-2的μ=47.83，σ=3.73；圖6（a）-3的μ=50.46，σ=3.92；圖6（a）-4的μ=58.70，σ=4.61。

圖6 復(fù)雜背景下膚色分割

從表3中可知，單閾值分割、橢圓邊界膚色模型、本文方法都有良好的膚色檢出率；橢圓邊界膚色模型、本文方法在對(duì)膚色分割也有良好正檢率和較低的誤檢率。

表3 不同算法膚色分割性能比較

3 結(jié)束語(yǔ)

本文提出了一種膚色分割方法，在YCbCr空間下采用高斯分布擬合膚色曲線并獲取精確膚色范圍。文中的方法能夠較好地檢測(cè)出膚色，對(duì)類(lèi)膚色像素有一定的區(qū)分效果，在實(shí)驗(yàn)中發(fā)現(xiàn)對(duì)光照變化也有較好的適應(yīng)性，但是在后續(xù)的工作中應(yīng)該進(jìn)一步考慮如何利用膚色特征信息降低誤檢率，以及如何在極端光照環(huán)境下進(jìn)行膚色分割。