基础学习笔记之opencv(17)：皮肤检测类CvAdaptiveSkinDetector的使用

 

　　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，不过这些阈值一般不是使用rgb空间，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，然后就可以得到色彩空间某一分量的阈值了，利用该阈值就可以初步对皮肤进行分割。当然了，OpenCV中也自带了皮肤检测算子，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：OpenCV2.4.3+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，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，该源码的实现差不多就是按照这篇文章进行的，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：

　　

　　可以看出该皮肤检测算法是在HSV空间进行的，HSV空间模型图如下所示：

　　

　　其中H表示的是色相，即不同颜色最具有区别性的地方，见模型中的那个圆弧；S代表的是饱和度，也就是含白光的纯度，见模型中的那条半径，S越大表示越饱和，即表示对应色相越纯；V表示亮度，见模型中那条竖直的线，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：

　　CvAdaptiveSkinDetector(int samplingDivider = 1, int morphingMethod = MORPHING_METHOD_NONE);

　　该函数为类的构造函数，其中参数1表示的是样本采样的间隔，默认情况下为1，即表示不进行降采样；参数2为图形学操作方式，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，如果为MORPHING_METHOD_ERODE，则表示只进行一次腐蚀操作；如果为MORPHING_METHOD_ERODE_ERODE，则表示连续进行2次腐蚀操作；如果为MORPHING_METHOD_ERODE_DILATE，则表示先进行一次腐蚀操作，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，参数1为需要进行皮肤检测的输入图像；参数2为输出皮肤的掩膜图像，如果其值为1，代表该像素为皮肤，否则当其为0时，代表为非皮肤。另外需要注意的是，这个函数只有opencv的c版本的，因为CvAdaptiveSkinDetector这个类放在opencv源码里的contrib目录里，即表示比较新的但不成熟的算法，所以暂时没有提供c++版本的opencv。因此参数1和参数2的图像数据类型都是IplImage，如果要使用Mat，就得先进行一个小小的转换，具体参考代码部分。

 

 

　　C/c++知识点总结：

　　看了CvAdaptiveSkinDetector类的源码，发现在类的设计中，其内部还可以设计一个类，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（主要是检测出手部）：

　　

 

　　其检测完后的效果图如下：

　　

　　由此可见，其检测效果一般般，因为很多背景都被考虑进来了。

 

　　实验代码及注释：

　　main.cpp:

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/contrib/contrib.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>

using namespace std;
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 = &input_image.operator IplImage();
        if(dst_image == NULL)
            dst_image = 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 = 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 == waitKey(30))
            return;
    }
    return;
}

 

 

　　实验总结：

　　皮肤检测本身就受背景，光照，肤色等方面的影响，所以要使效果好还是比较难的，OpenCV带的该算法效果也非常一般。

 

　　参考资料：

     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