本发明涉及图像处理技术领域，具体而言，涉及一种皮肤肤色识别方法及装置。
背景技术：
随着图像处理技术的不断发展，针对人脸图像进行肤色分析的技术的应用也愈发广泛。目前业界主流采用的人脸图像肤色分析方案是直接将人脸图像转换到YCrCb颜色空间内，基于该YCrCb颜色空间对该人脸图像各区域的颜色信息进行肤色阈值分割的方式，将该人脸图像中的皮肤区域给分割出来，并相应地得到该人脸图像中皮肤区域的肤色信息。但这种人脸图像肤色分析方案的皮肤区域分割精准度不高，肤色识别精度不高，该方案在进行肤色分析的过程中，无法消除人脸图像中颜色与肤色相似的背景图像，导致分割得到的人脸皮肤区域往往携带有背景图像的内容，皮肤区域的分割边缘不准确，且皮肤区域中存在较强的环境干扰因素(例如，高光、阴影等)，影响对肤色的识别判断，从而导致最终得到的肤色信息与实际情况相比误差极大。
技术实现要素：
为了克服现有技术中的上述不足，本发明的目的在于提供一种皮肤肤色识别方法及装置，所述皮肤肤色方法皮肤区域分割精准度高，肤色识别精度高，能够对待识别人脸图像进行精准地皮肤区域分割，并排除环境干扰因素对皮肤区域肤色识别过程的干扰，从而识别出皮肤区域对应的高精度肤色信息。
就方法而言，本发明较佳的实施例提供一种皮肤肤色识别方法，所述方法包括：
基于皮肤分割模型计算待识别人脸图像中各像素点的人脸皮肤置信度，并基于各像素点的人脸皮肤置信度识别得到所述待识别人脸图像中的皮肤区域；
基于所述皮肤区域中的各像素点的人脸皮肤置信度从所述皮肤区域中提取目标皮肤区域，并将提取到的所述目标皮肤区域转换到LAB颜色空间内；
计算所述目标皮肤区域在LAB颜色空间中与预设肤色识别标准之间的颜色相似度，并基于计算得到的颜色相似度识别出所述待识别人脸图像的皮肤肤色。
就装置而言，本发明较佳的实施例提供一种皮肤肤色识别装置，所述装置包括：
皮肤识别模块，用于基于皮肤分割模型计算待识别人脸图像中各像素点的人脸皮肤置信度，并基于各像素点的人脸皮肤置信度识别得到所述待识别人脸图像中的皮肤区域；
区域提取模块，用于基于所述皮肤区域中的各像素点的人脸皮肤置信度从所述皮肤区域中提取目标皮肤区域，并将提取到的所述目标皮肤区域转换到LAB颜色空间内；
肤色识别模块，用于计算所述目标皮肤区域在LAB颜色空间中与预设肤色识别标准之间的颜色相似度，并基于计算得到的颜色相似度识别出所述待识别人脸图像的皮肤肤色。
相对于现有技术而言，本发明较佳的实施例提供的皮肤肤色识别方法及装置具有以下有益效果：所述皮肤肤色方法皮肤区域分割精准度高，肤色识别精度高，能够对待识别人脸图像进行精准地皮肤区域分割，并排除环境干扰因素对皮肤区域肤色识别过程的干扰，从而识别出皮肤区域对应的高精度肤色信息。首先，所述方法基于皮肤分割模型计算待识别人脸图像中各像素点的人脸皮肤置信度，并基于各像素点的人脸皮肤置信度识别得到所述待识别人脸图像中的皮肤区域；接着，所述方法基于所述皮肤区域中的各像素点的人脸皮肤置信度从所述皮肤区域中提取目标皮肤区域，并将提取到的所述目标皮肤区域转换到LAB颜色空间内；最后，所述方法通过计算所述目标皮肤区域在LAB颜色空间中与预设肤色识别标准之间的颜色相似度，并基于计算得到的颜色相似度识别出所述待识别人脸图像的皮肤肤色。其中所述皮肤分割模型基于大量人脸皮肤区域分布数据训练得到，所述方法通过所述皮肤分割模型能够对待识别人脸图像进行精准地皮肤区域分割，识别得到精准度高的皮肤区域；所述目标皮肤区域为识别得到的皮肤区域中人脸皮肤置信度较高的区域，所述方法通过获取目标皮肤区域，并基于所述目标皮肤区域进行肤色信息识别，能够排除环境干扰因素对肤色识别过程的干扰，从而得到精度更高的肤色信息。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举本发明较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明权利要求保护范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明较佳的实施例提供的图像处理设备的一种方框示意图。
图2为本发明较佳的实施例提供的皮肤肤色识别方法的一种流程示意图。
图3为图2中所示的步骤S210包括的子步骤的一种流程示意图。
图4为图2中所示的步骤S220包括的子步骤的一种流程示意图。
图5为图2中所示的步骤S230包括的子步骤的一种流程示意图。
图6为本发明较佳的实施例提供的皮肤肤色识别装置的一种方框示意图。
图标：10-图像处理设备；11-存储器；12-处理器；13-通信单元；14-显示单元；100-皮肤肤色识别装置；110-皮肤识别模块；120-区域提取模块；130-肤色识别模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参照图1，是本发明较佳的实施例提供的图像处理设备10的一种方框示意图。在本发明实施例中，所述图像处理设备10用于对图像进行处理，以得到对应图像中包含的图像信息，其中所述图像处理设备10可通过对待识别人脸图像进行皮肤区域识别及肤色识别，得到该待识别人脸图像中对应皮肤区域的肤色信息。在本实施例中，所述图像处理设备10可以是，但不限于，智能手机、个人电脑(Personal Computer，PC)、服务器、平板电脑、个人数字助理(Personal Digital Assistant，PDA)、移动上网设备(Mobile Internet Device，MID)等。
在本实施例中，所述图像处理设备10包括皮肤肤色识别装置100、存储器11、处理器12、通信单元13及显示单元14。所述存储器11、处理器12、通信单元13及显示单元14各个元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述皮肤肤色识别装置100包括至少一个可以软件或固件(firmware)的形式存储于所述存储器11中的软件功能模块，所述处理器12通过运行存储在存储器11内的所述皮肤肤色识别装置100对应的软件功能模块，从而执行各种功能应用以及数据处理。
在本实施例中，所述存储器11可用于存储待识别人脸图像，也可用于存储对待识别人脸图像进行人脸皮肤区域分割的皮肤分割模型。所述存储器11可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除可编程只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器11还可以用于存储各种应用程序，所述处理器12在接收到执行指令后，执行所述应用程序。进一步地，上述存储器11内的软件程序以及模块还可包括操作系统，其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动，并可与各种硬件或软件组件相互通信，从而提供其他软件组件的运行环境。
在本实施例中，所述处理器12可以是一种具有信号处理能力的集成电路芯片。其中所述处理器12可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在本实施例中，所述通信单元13用于通过网络建立所述图像处理设备10与其他外部设备之间的通信连接，并通过所述网络进行数据传输，其中所述图像处理设备10可通过所述通信单元13从所述其他外部设备处获取待识别人脸图像，或将与该待识别人脸图像对应的肤色信息发送给对应的外部设备。
在本实施例中，所述显示单元14用于对图像数据进行运算处理，并相应地对图像进行显示。其中所述显示单元14可以包括GPU(Graphics Processing Unit，图形处理器)及显示器，所述GPU用于将图像处理设备10所需显示的待识别人脸图像进行转换驱动，并控制所述显示器进行显示。
在本实施例中，所述图像处理设备10通过存储在所述存储器11中的皮肤肤色识别装置100对待识别人脸图像进行精准地皮肤区域分割，并排除环境干扰因素对皮肤区域肤色识别过程的干扰，从而识别出皮肤区域对应的高精度肤色信息。
可以理解的是，图1所示的结构仅为图像处理设备10的一种结构示意图，所述图像处理设备10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请参照图2，是本发明较佳的实施例提供的皮肤肤色识别方法的一种流程示意图。在本发明实施例中，所述皮肤肤色识别方法应用于图1中所示的图像处理设备10，其中所述图像处理设备10中存储有用于从人脸图像中分割出高精度的人脸皮肤区域的皮肤分割模型，下面对图2所示的皮肤肤色识别方法的具体流程和步骤进行详细阐述。
在本发明实施例中，所述皮肤肤色识别方法包括以下步骤：
步骤S210，基于皮肤分割模型计算待识别人脸图像中各像素点的人脸皮肤置信度，并基于各像素点的人脸皮肤置信度识别得到所述待识别人脸图像中的皮肤区域。
在本实施例中，所述皮肤分割模型是基于大量的人脸皮肤区域分布数据训练得到，其中所述人脸皮肤区域分布数据包括不同皮肤在人脸上的分布纹理数据，及不同皮肤在对应区域处的颜色信息。所述皮肤分割模型相对于待识别人脸图像而言，是该待识别人脸图像的图像掩模，所述图像处理设备10可通过所述皮肤分割模型从所述待识别人脸图像中提取识别出对应的皮肤区域。在本实施例的一种实施方式中，所述皮肤分割模型是基于深度学习算法进行迭代训练得到的。
在本实施例中，所述图像处理设备10可基于所述皮肤分割模型计算待识别人脸图像中各像素点的与人脸皮肤相关联的人脸皮肤置信度，并根据各像素点的人脸皮肤置信度识别出所述待识别人脸图像中的皮肤区域。其中所述人脸皮肤置信度用于表征对应像素点的图像与真实皮肤相比的可靠程度。
在本实施例的一种实施方式中，所述图像处理设备10可通过将待识别人脸图像中各像素点对应的图像信息输入到所述皮肤分割模型中，基于所述皮肤分割模型中包括的皮肤在人脸上的分布纹理数据及皮肤的颜色信息与该待识别人脸图像中各像素点的图像信息进行比对，并基于置信度传播算法将所述待识别人脸图像中各像素点与所述皮肤分割模型中包括的数据之间的比对结果转换为与人脸皮肤相关联的人脸皮肤置信度，从而对应输出一张与该待识别人脸图像相对应的单通道mask，所述单通道mask中包括有所述待识别人脸图像中各像素点对应的人脸皮肤置信度。
可选地，请参照图3，是图2中所示的步骤S210包括的子步骤的一种流程示意图。在本实施例中，所述步骤S210中基于各像素点的人脸皮肤置信度识别得到所述待识别人脸图像中的皮肤区域的步骤可以包括子步骤S211及子步骤S212：
子步骤S211，将所述待识别人脸图像中各像素点的人脸皮肤置信度与第一置信度阈值进行比较，得到各像素点对应的比较结果。
在本实施例中，所述图像处理设备10获取到的与所述待识别人脸图像对应的单通道mask中，可以表征皮肤区域的像素点所对应的人脸皮肤置信度是以数值范围为1～255的灰度值进行表示的，而表征皮肤区域以外区域的像素点所对应的人脸皮肤置信度是以数值为0的灰度值进行表示的，若对应像素点的图像信息越接近健康皮肤，对应的人脸皮肤置信度的值越大，即对应的灰度值越接近255。在本实施例中，所述第一置信度阈值为0，所述图像处理设备10通过将待识别人脸图像中各像素点的人脸皮肤置信度与该第一置信度阈值进行比较的方式，判断各像素点是否属于皮肤区域。
子步骤S212，根据所述比较结果从所述待识别人脸图像中提取出对应的皮肤区域，其中所述皮肤区域中各像素点的人脸皮肤置信度大于所述第一置信度阈值。
在本实施例中，从所述待识别人脸图像中提取出的皮肤区域对应的各像素点的人脸皮肤置信度均大于所述第一置信度阈值，所述图像处理设备10可通过从所述待识别人脸图像包括的所有像素点中筛选出人脸皮肤置信度大于所述第一置信度阈值的像素点的方式，对应地从所述待识别人脸图像中提取出皮肤区域。
请再次参照图2，步骤S220，基于所述皮肤区域中的各像素点的人脸皮肤置信度从所述皮肤区域中提取目标皮肤区域，并将提取到的所述目标皮肤区域转换到LAB颜色空间内。
在本实施例中，所述图像处理设备10在所述待识别人脸图像中提取出皮肤区域后，将根据所述皮肤区域中各像素点的人脸皮肤置信度从所述皮肤区域中提取出有效地排除了环境干扰因素(例如，高光、阴影、潮红、痘印、色斑等因素)的干扰的目标皮肤区域，并将所述目标皮肤区域转换到LAB颜色空间内，得到所述目标皮肤区域中各像素点的图像色彩在所述LAB颜色空间中对应的L分量、A分量及B分量。
请参照图4，是图2中所示的步骤S220包括的子步骤的一种流程示意图。在本实施例中，所述步骤S220中的基于所述皮肤区域中的各像素点的人脸皮肤置信度从所述皮肤区域中提取目标皮肤区域的步骤可以包括子步骤S221及子步骤S222：
子步骤S221，将所述皮肤区域中的各像素点的人脸皮肤置信度分别与第二置信度阈值进行比较，得到所述皮肤区域中各像素点对应的比较结果。
在本实施例中，所述目标皮肤区域为所述待识别人脸图像的皮肤区域中置信度较高的区域，所述图像处理设备10可通过将所述皮肤区域中的各像素点的人脸皮肤置信度分别与第二置信度阈值进行比较的方式，判断皮肤区域中的各像素点是否属于目标皮肤区域。
子步骤S222，根据所述比较结果从所述皮肤区域中提取出对应的目标皮肤区域，其中所述目标皮肤区域中各像素点的人脸皮肤置信度大于所述第二置信度阈值。
在本实施例中，所述目标皮肤区域中各像素点的人脸皮肤置信度均大于所述第二置信度阈值，所述图像处理设备10可通过从所述皮肤区域包括的所有像素点中筛选出人脸皮肤置信度大于所述第二置信度阈值的像素点的方式，从所述皮肤区域中提取出对应的目标皮肤区域。其中所述第二置信度阈值大于所述第一置信度阈值，所述第二置信度阈值的数值可以是，但不限于，120、150、180或200等，具体的数值可根据实际需求进行不同的设置。
步骤S230，计算所述目标皮肤区域在LAB颜色空间中与预设肤色识别标准之间的颜色相似度，并基于计算得到的颜色相似度识别出所述待识别人脸图像的皮肤肤色。
在本实施例中，所述预设肤色识别标准是预设的用于识别人脸皮肤肤色的包括有各种标准肤色信息的比色标准，所述图像处理设备10可通过对转换到LAB颜色空间中的目标皮肤区域与预设肤色识别标准中各肤色之间的颜色相似度进行计算，并根据计算得到的各颜色相似度识别出所述待识别人脸图像的皮肤肤色。
可选地，请参照图5，是图2中所示的步骤S230包括的子步骤的一种流程示意图。在本实施例中，所述步骤S230中的计算所述目标皮肤区域在LAB颜色空间中与预设肤色识别标准之间的颜色相似度的步骤可以包括子步骤S231、子步骤S232及子步骤S233：
子步骤S231，分别对所述目标皮肤区域中各像素点的L、A、B三个分量进行均值计算，得到所述目标皮肤区域的L分量平均值、A分量平均值及B分量平均值。
子步骤S232，基于所述预设肤色识别标准中各肤色在LAB颜色空间中的L分量、A分量及B分量，与所述目标皮肤区域的L分量平均值、A分量平均值及B分量平均值，计算求得所述目标皮肤区域与所述预设肤色识别标准中各肤色之间的色差。
在本实施例中，所述图像处理设备10可按照CIDE2000色差公式或CIE1976色差公式等的基于LAB颜色空间的色差计算公式，对所述目标皮肤区域与所述预设肤色识别标准中各肤色之间的色差进行计算。在本实施例的一种实施方式中，所述图像处理设备10采用CIDE2000色差公式计算所述标皮肤区域与所述预设肤色识别标准中各肤色之间的色差。
子步骤S233，基于所述目标皮肤区域与各肤色之间的色差计算得到所述目标皮肤区域与各肤色之间的颜色相似度。
在本实施例中，若两种颜色之间的色差越大，则这两种颜色之间的颜色相似度越低。所述图像处理设备10可根据计算得到的所述目标皮肤区域与所述预设肤色识别标准中各肤色之间的色差，对所述目标皮肤区域与对应肤色之间的颜色相似度进行计算，得到所述目标皮肤区域与各肤色之间的颜色相似度。
在本实施例中，所述图像处理设备10在获得了所述待识别人脸图像中的目标皮肤区域与所述预设肤色识别标准中各肤色之间的颜色相似度之后，将基于计算得到的颜色相似度识别出所述待识别人脸图像的皮肤肤色。其中所述基于计算得到的颜色相似度识别出所述待识别人脸图像的皮肤肤色的步骤包括：
根据所述目标皮肤区域与所述预设肤色识别标准中各肤色之间的颜色相似度，从所述预设肤色识别标准对应的各肤色中选取颜色相似度最大的肤色，作为识别出的所述待识别人脸图像的皮肤肤色。
请参照图6，是本发明较佳的实施例提供的皮肤肤色识别装置100的一种方框示意图。在本发明实施例中，所述皮肤肤色识别装置100包括皮肤识别模块110、区域提取模块120及肤色识别模块130。
所述皮肤识别模块110，用于基于皮肤分割模型计算待识别人脸图像中各像素点的人脸皮肤置信度，并基于各像素点的人脸皮肤置信度识别得到所述待识别人脸图像中的皮肤区域。
在本实施例中，所述皮肤识别模块110基于各像素点的人脸皮肤置信度识别得到所述待识别人脸图像中的皮肤区域的方式包括：
将所述待识别人脸图像中各像素点的人脸皮肤置信度与第一置信度阈值进行比较，得到各像素点对应的比较结果；
根据所述比较结果从所述待识别人脸图像中提取出对应的皮肤区域，其中所述皮肤区域中各像素点的人脸皮肤置信度大于所述第一置信度阈值。
其中，所述皮肤识别模块110可以执行图2中所示的步骤S210，及图3中所示的子步骤S211和子步骤S212，具体的执行过程可以参照上文中对步骤S210、子步骤S211及子步骤S212的详细描述。
所述区域提取模块120，用于基于所述皮肤区域中的各像素点的人脸皮肤置信度从所述皮肤区域中提取目标皮肤区域，并将提取到的所述目标皮肤区域转换到LAB颜色空间内。
在本实施例中，所述区域提取模块120基于所述皮肤区域中的各像素点的人脸皮肤置信度从所述皮肤区域中提取目标皮肤区域的方式包括：
将所述皮肤区域中的各像素点的人脸皮肤置信度分别与第二置信度阈值进行比较，得到所述皮肤区域中各像素点对应的比较结果；
根据所述比较结果从所述皮肤区域中提取出对应的目标皮肤区域，其中所述目标皮肤区域中各像素点的人脸皮肤置信度大于所述第二置信度阈值。
其中，所述区域提取模块120可以执行图2中所示的步骤S220，及图4中所示的子步骤S221和子步骤S222，具体的执行过程可以参照上文中对步骤S220、子步骤S221及子步骤S222的详细描述。
所述肤色识别模块130，用于计算所述目标皮肤区域在LAB颜色空间中与预设肤色识别标准之间的颜色相似度，并基于计算得到的颜色相似度识别出所述待识别人脸图像的皮肤肤色。
在本实施例中，所述肤色识别模块130计算所述目标皮肤区域在LAB颜色空间中与预设肤色识别标准之间的颜色相似度的方式包括：
分别对所述目标皮肤区域中各像素点的L、A、B三个分量进行均值计算，得到所述目标皮肤区域的L分量平均值、A分量平均值及B分量平均值；
基于预设肤色识别标准中各肤色在LAB颜色空间中的L分量、A分量及B分量，与所述目标皮肤区域的L分量平均值、A分量平均值及B分量平均值，计算求得所述目标皮肤区域与所述预设肤色识别标准中各肤色之间的色差；
基于所述目标皮肤区域与各肤色之间的色差计算得到所述目标皮肤区域与各肤色之间的颜色相似度。
在本实施例中，所述肤色识别模块130基于计算得到的颜色相似度识别出所述待识别人脸图像的皮肤肤色的方式包括：
根据所述目标皮肤区域与所述预设肤色识别标准中各肤色之间的颜色相似度，从所述预设肤色识别标准对应的各肤色中选取颜色相似度最大的肤色，作为识别出的所述待识别人脸图像的皮肤肤色。
其中，所述肤色识别模块130可以执行图2中所示的步骤S230，及图5中所示的子步骤S231、子步骤S232和子步骤S232，具体的执行过程可以参照上文中对步骤S230、子步骤S231、子步骤S232及子步骤S233的详细描述。
综上所述，在本发明较佳的实施例提供的皮肤肤色识别方法及装置中，所述皮肤肤色方法皮肤区域分割精准度高，肤色识别精度高，能够对待识别人脸图像进行精准地皮肤区域分割，并排除环境干扰因素对皮肤区域肤色识别过程的干扰，从而识别出皮肤区域对应的高精度肤色信息。首先，所述方法基于皮肤分割模型计算待识别人脸图像中各像素点的人脸皮肤置信度，并基于各像素点的人脸皮肤置信度识别得到所述待识别人脸图像中的皮肤区域；接着，所述方法基于所述皮肤区域中的各像素点的人脸皮肤置信度从所述皮肤区域中提取目标皮肤区域，并将提取到的所述目标皮肤区域转换到LAB颜色空间内；最后，所述方法通过计算所述目标皮肤区域在LAB颜色空间中与预设肤色识别标准之间的颜色相似度，并基于计算得到的颜色相似度识别出所述待识别人脸图像的皮肤肤色。其中所述皮肤分割模型基于大量人脸皮肤区域分布数据训练得到，所述方法通过所述皮肤分割模型能够对待识别人脸图像进行精准地皮肤区域分割，识别得到精准度高的皮肤区域；所述目标皮肤区域为识别得到的皮肤区域中人脸皮肤置信度较高的区域，所述方法通过获取目标皮肤区域，并基于所述目标皮肤区域进行肤色信息识别，能够排除环境干扰因素对肤色识别过程的干扰，从而得到精度更高的肤色信息。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。