一种图像处理方法、装置及存储介质与流程

1.本技术涉及图像识别领域，特别涉及一种图像处理方法、装置和存储介质。


背景技术：

2.随着互联网技术的发展，网络中存在大量的图像资源，为了维护干净的网络环境，需要对这些图像资源进行审核，例如，对图像中人物穿着是否合理的审核。
3.目前采用的方法主要是：采集海量的衣服穿着是否合理的正负样本，基于深度学习的方式，训练出判断衣服着装是否合理的分类器，以此实现对图像中的人物穿着是否合理进行审核。但是，现有的技术方案中，需要收集大量的训练样本，训练模型和推理也需要占用大量的计算资源，存在效率低，实用性差的问题。


技术实现要素：

4.本技术实施例提供了一种图像处理方法、装置及存储介质，以提高图像检测的效率。
5.第一方面，本技术提供了一种图像处理方法，该方法可以应用于图像处理装置。该方法可以包括：获得待审核图像，待审核图像至少包括目标对象的人脸图像和人体图像；根据人脸图像中的第一皮肤区域，生成目标对象对应的肤色检测模型；将人体图像输入肤色检测模型进行检测，以得到目标对象的第二皮肤区域，第二皮肤区域为目标对象除人脸之外的皮肤区域；根据第二皮肤区域，对待审核图像进行审核。
6.在一些可能的实施方式中，当待审核图像包括一个目标对象时，根据第二皮肤区域，对待审核图像进行审核，包括：当第二皮肤区域的面积小于或等于预设阈值时，确定待审核图像合法；或，当第二皮肤区域的面积大于预设阈值时，确定待审核图像非法。
7.在一些可能的实施方式中，当待审核图像包括多个目标对象时，根据第二皮肤区域，对待审核图像进行审核，包括：当每一个目标对象的第二皮肤区域的面积均小于或等于预设阈值时，确定待审核图像合法；或，当至少一个目标对象的第二皮肤区域的面积大于预设阈值时，确定目标对象为非法对象。
8.在一些可能的实施方式中，在获得待审核图像之后，方法还包括：对待审核图像进行人脸检测，以得到至少一个人物对象；根据至少一个人物对象的性别特征，确定目标对象。
9.在一些可能的实施方式中，根据人脸图像中的第一皮肤区域，生成目标对象对应的肤色检测模型，包括：将第一皮肤区域输入原始检测模型，以得到模型构造函数；根据模型构造函数，构造肤色检测模型。
10.在一些可能的实施方式中，肤色检测模型包括：色度检测模型和亮度检测模型；将人体图像输入肤色检测模型进行检测，以得到目标对象的第二皮肤区域，包括：将人体图像输入色度检测模型进行检测，以得到色度区域；将人体图像输入亮度检测模型进行检测，以得到亮度区域；将色度区域和亮度区域进行融合，以得到目标对象的第二皮肤区域。
11.在一些可能的实施方式中，在根据人脸图像中的第一皮肤区域，生成目标对象对应的肤色检测模型之前，方法还包括：对人脸图像进行人脸关键点检测，以得到人脸图像中的非皮肤区域；从人脸图像中分割出非皮肤区域之外的第一皮肤区域。
12.在一些可能的实施方式中，将人体图像输入肤色检测模型进行检测，以得到目标对象的第二皮肤区域，包括：对人体图像进行手部检测，以得到目标对象的手部图像；在人体图像中剔除手部图像，以得到剔除后的人体图像；将剔除后的人体图像输入肤色检测模型进行检测，以得到第二皮肤区域。
13.第二方面，本技术提供了一种图像处理装置，包括用于实施第一方面的任意一种方法的若干个功能单元。图像处理装置可以包括：图像获得模块，用于获得待审核图像，待审核图像至少包括目标对象的人脸图像和人体图像；模型生成模块，用于根据人脸图像中的第一皮肤区域，生成目标对象对应的肤色检测模型；皮肤检测模块，用于将人体图像输入肤色检测模型进行检测，以得到目标对象的第二皮肤区域，第二皮肤区域为目标对象除人脸之外的皮肤区域；图像审核模块，用于根据第二皮肤区域，对待审核图像进行审核。
14.在一些可能的实施方式中，当待审核图像包括一个目标对象时，图像审核模块，用于：当第二皮肤区域的面积小于或等于预设阈值时，确定待审核图像合法；或，当第二皮肤区域的面积大于预设阈值时，确定待审核图像非法。
15.在一些可能的实施方式中，当待审核图像包括多个目标对象时，图像审核模块，用于当每一个目标对象的第二皮肤区域的面积均小于或等于预设阈值时，确定待审核图像合法；或，当至少一个目标对象的第二皮肤区域的面积大于预设阈值时，确定目标对象为非法对象。
16.在一些可能的实施方式中，图像处理装置，还包括：人脸检测模块，用于：在图像获得模块获得待审核图像之后，对待审核图像进行人脸检测，以得到至少一个人物对象；根据至少一个人物对象的性别特征，确定目标对象。
17.在一些可能的实施方式中，模型生成模块，用于：将第一皮肤区域输入原始检测模型，以得到模型构造函数；根据模型构造函数，构造肤色检测模型。
18.在一些可能的实施方式中，肤色检测模型包括：色度检测模型和亮度检测模型；皮肤检测模块，用于：将人体图像输入色度检测模型，以得到色度区域；将人体图像输入亮度检测模型，以得到亮度区域；将色度区域和亮度区域进行融合，以得到目标对象的第二皮肤区域。
19.在一些可能的实施方式中，图像处理装置，还包括：人脸关键点检测模块；人脸关键点检测模块，用于：在模型生成模块生成肤色检测模型之前，对人脸图像进行人脸关键点检测，以得到人脸图像中的非皮肤区域；从人脸图像中分割出非皮肤区域之外的第一皮肤区域。
20.在一些可能的实施方式中，皮肤检测模块，用于：对人体图像进行手部检测，以得到目标对象的手部图像；在人体图像中剔除手部图像，以得到剔除后的人体图像；将剔除后的人体图像输入肤色检测模型，以得到第二皮肤区域。
21.第三方面，本技术提供了一种图像处理装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：用于执行可执行指令时，实现如第一方面极其可能的实施方式所述的方法。
22.第四方面，本技术提供了一种计算机可读存储介质，计算机可读存储介质存储有可执行程序，其中，可执行程序被处理器执行时实现如第一方面极其可能的实施方式所述的方法。
23.本技术实施例提供的技术方案与现有技术相比存在的有益效果是：
24.在本技术中，通过目标对象人脸的皮肤区域构造适应目标对象的肤色检测模型，并采用该肤色检测模型对目标对象进行人体皮肤区域检测，进而根据检测结果对待审核图像进行审核。如此，能够避免外界因素对肤色检测的影响，提高肤色检测的准确度，进而提高图像审核的准确度。进一步地，因为上述肤色检测模型无需通过机器学习获得，计算更为简便、可行性强。
25.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
26.图1为本技术实施例提供的一种图像处理方法的实施例流程示意图；
27.图2为本技术实施例提供的一种人脸图像的示意图；
28.图3为本技术实施例提供的另一种图像处理方法的实施例流程示意图；
29.图4为本技术实施例提供的一种图像处理装置的结构示意图；
30.图5为本技术实施例中的另一种图像处理装置的结构示意图。
具体实施方式
31.以下描述中，参考形成本技术一部分并以说明之方式示出本技术实施例的具体方面或可使用本技术实施例的具体方面的附图。应理解，本技术实施例可在其它方面中使用，并可包括附图中未描绘的结构或逻辑变化。因此，以下详细描述不应以限制性的意义来理解，且本技术的范围由所附权利要求书界定。例如，应理解，结合所描述方法的揭示内容可以同样适用于用于执行所述方法的对应设备或装置，且反之亦然。例如，如果描述一个或多个具体方法步骤，则对应的设备可以包含如功能单元等一个或多个单元，来执行所描述的一个或多个方法步骤(例如，一个单元执行一个或多个步骤，或多个单元，其中每个都执行多个步骤中的一个或多个)，即使附图中未明确描述或说明这种一个或多个单元。另一方面，例如，如果基于如功能单元等一个或多个单元描述具体装置，则对应的方法可以包含一个步骤来执行一个或多个单元的功能性(例如，一个步骤执行一个或多个单元的功能性，或多个步骤，其中每个执行多个单元中一个或多个单元的功能性)，即使附图中未明确描述或说明这种一个或多个步骤。进一步，应理解的是，除非另外明确提出，本文中所描述的各示例性实施例和/或方面的特征可以相互组合。
32.计算机视觉技术(computer vision，cv)是一种模拟人类的视觉过程，更进一步的说是指用计算机对目标对象进行识别和分析，并进一步进行处理的过程。对于网络中存在的大量的图像资源的审核，计算机视觉技术有着巨大的潜力。
33.在对于网络中图像资源进行审核时，若要对图像资源中人物对象穿着是否合理的审核，需要采集海量的衣服穿着是否合理的正负样本，并采用深度学习的方式训练相应的神经网络，以此分析审核衣服着装是否合理。可见，收集大量的训练样本、训练模型以及分
析审核都需要占用大量的计算资源，存在审核效率低的问题。
34.为了解决上述问题，本技术实施例提供了一种图像处理方法，该方法可以应用于一图像处理装置。该图像处理装置可以为一图像审核设备或者图像审核设备中的芯片、片上系统等。示例性的，图像审核设备可以为智能手机、平板电脑、台式计算机、笔记本电脑等。
35.图1为本技术实施例中的一种图像处理方法的实施例流程示意图，参见图1所示，上述图像处理方法可以包括：
36.s101，获得待审核图像。
37.其中，待审核图像可以至少包括目标对象的人脸图像和人体图像。
38.应理解的，在进行图像审核过程中，用户可以通过文件接口上传待审核图像，图像处理装置通过文件接口获得待审核图像；或者图像处理装置可以从云端存储或者本地存储的图像文件中读取一帧图像作为待审核图像；再者，图像处理装置还可以将从目标视频文件(如用户上传的视频、云端存储的视频、正在播放的视频、加载中的视频等)中截取其中的一帧图像作为待审核图像。当然，图像处理装置还可以采用其他方式获得待审核图像，本技术实施例不做具体限定。
39.在本技术实施例中，待审核图像中可以包括至少一个对象，如人物、树木、建筑、动物等。其中，目标对象(可以理解为待审核对象)可以为人物对象。可选的，在待审核图像中，每一个目标对象都具有人脸图像和人体图像。
40.在一实施例中，人脸图像可以指目标对象的人脸区域的图像。人体图像可以指目标对象除人脸区域以外的人体区域的图像，如人体区域包括人体躯干、四肢等部位。
41.在一些可能的实施例中，由于上述待审核图像可以包括一个或者多个对象，在s101之后，图像处理装置需要从至少一个对象中确定出目标对象。因此，在s101之后，上述方法还可以包括：对待审核图像进行人脸检测(或者也可以称为人脸识别)，以确定至少一个人物对象，并根据至少一个人物对象的性别特征，确定目标对象。此时，目标对象可以为一个人物对象，也可以为多个人物对象。下面以目标对象为一个人物对象为例进行说明。当目标对象为多个人物对象时，可以按照一个人物对象的处理方式进行类推，本技术实施例不做赘述。
42.在一些可能的实施例中，图像处理装置通过对待审核图像进行人脸检测，能够检测出待审核图像中存在的符合人脸特征的人脸区域，进而确定待审核图像中的至少一个人物对象。然后，图像处理装置可以提取每一个人物对象的性别特征，以确定每一个人物对象的性别。图像处理装置根据性别特征，将表示性别为女性的人物对象确定为目标对象。
43.可选的，如果待审核图像中所有的人物对象的性别均为男性，则图像处理装置确认待审核图像合法，流程结束。
44.s102，根据人脸图像中的第一皮肤区域，生成目标对象对应的肤色检测模型。
45.在本技术实施例中，人脸图像中的第一皮肤区域可以为人脸图像中的肤色区域，也可以理解为人脸图像中除目标对象的眼睛、眉毛、嘴巴等非肤色区域以外的人脸区域。
46.可选的，在s102之前，上述方法还可以包括：图像处理装置可以对目标对象的人脸图像通过对人脸关键点检测，以划分出人脸图像中的非肤色区域。然后，图像处理装置可以将人脸图像中非肤色区域之外的区域确定为第一皮肤区域。
47.在一实施例中，图像处理装置在划分出非肤色区域之后，可以将非肤色区域内的各个像素点的色度修改为第一颜色值(如rgb值)，如黑色(rgb值为#000000)、白色(rgb值为#ffffff)等。图像处理装置可以将人脸图像中颜色值不是第一颜色值的像素点确定为第一皮肤区域。当然，图像处理装置还可以采用其他方法确定第一皮肤区域，本技术实施例对此不作具体限定。
48.示例性的，图2为本技术实施例中的一种人脸图像的示意图，参见图2所示，图像处理装置可以对人脸图像进行69个关键点采样，并使用序列号0至69标出关键点的位置，以此围成如面部、眼睛、眉毛、嘴、鼻子等各部位的区域。其中，序列号0至12的关键点围成面部区域，序列号13至21的关键点围成右眼区域，序列号22至29的关键点围成右眉毛区域，序列号顺序30至38的关键点围成左眼区域，序列号顺序39至46的关键点围成左眉毛区域，序列号47至57的关键点围成鼻子区域，序列号58至68的关键点围成嘴区域。接下来，图像处理装置可以将上述序列号0至12的关键点围成的面部区域除去上述序列号13至68的关键点围成的区域，即非肤色区域，如此，得到第一皮肤区域。
49.在实际应用中，s102可以包括：图像处理装置在确定第一皮肤区域之后，可以根据第一皮肤区域生成目标对象对应的肤色监测模型。
50.在一实施例中，图像处理装置可以将第一皮肤区域输入原始检测模型，以得到模型构造函数。然后，图像处理装置再根据模型构造函数，构造目标对象对应的肤色检测模型。
51.可选的，上述原始检测模型可以为：肤色范围标准的数据表达式、高斯密度函数、直方图肤色模型等。当然，图像处理装置还可以选用其他原始检测模型来生成肤色检测模型，本技术实施例对此不作具体限定。
52.在本技术实施例中，以原始检测模型为高斯密度函数，对s102进行说明。
53.在一实施例中，肤色检测模型可以用于对待审核图像在色度维度进行检测，那么，肤色检测模型可以包括色度检测模型。此时，原始检测模型可以为色度高斯密度函数(即cbcr
‑
gmm)。在另一实施例中，为了进一步提高图像审核的准确度，肤色检测模型还可以用于对待审核图像在亮度维度进行检测，那么，肤色检测模型可以包括色度检测模型和亮度检测模型，也就是双高斯混合肤色检测模型。此时，原始检测模型可以包括色度高斯密度函数和亮度高斯密度函数(即y
‑
gmm)。
54.示例性的，cbcr
‑
gmm可以如表达式(1)所示：
[0055][0056]
其中，g＝4，μ＝(cb，cr)，μ
i
＝(cb
i
，cr
i
)，)，其中，π
i
是检测数据属于第i个子模型的概率，μ是色度向量，第一个分量是cb，第二个分量是cr，μ
i
是数据均值，∑为协方差，d是数据维度，n是建立模型统计的肤色像素总数，t是预设阈值。可选的，基于实验设定t＝0.72。
[0057]
y
‑
gmm可以如表达式(2)所示：
[0058][0059]
其中，y为各像素点亮度值，其中，y
i
是检测数据的第i个亮度值，u是y分布的均值，δ2是y分布的方差，n是建立模型统计的像素总数。
[0060]
进一步地，在s102中，图像处理装置可以将第一皮肤区域输入上述色度高斯密度函数和/或亮度高斯密度函数后，可以采用如最大似然估计等方法推到出模型构造函数，如方差(或协方差)和均值。然后，图像处理装置再使用模型构造函数来构造上述双高斯密度函数，如此，完成构造肤色检测模型。
[0061]
s103，将人体图像输入肤色检测模型进行检测，以得到目标对象的第二皮肤区域。
[0062]
其中，第二皮肤区域为目标对象除人脸之外的皮肤区域。
[0063]
可以理解的，图像处理装置在通过s102构造出肤色检测模型后，可以使用该肤色检测模型对目标对象的人体图像进行检测。可选的，图像处理装置可以目标对象的人像通过如人体分割、抠图等方式从待审核图像中分割出来，并且从分割出来的人像中剔除人脸图像，得到目标对象的人体图像。然后，图像处理装置可以将人体图像输入上述肤色检测模型，以得到目标对象的第二皮肤区域，即人体图像中的皮肤区域。可选的，图像处理装置可以在人像中将通过人脸检测到的人脸图像中的各像素值的颜色值修改为第一颜色值，以得到第二皮肤区域。当然，本技术实施例还可以采用其他方法确定第二皮肤区域，本技术实施例对此不作具体限定。
[0064]
在一实施例中，由于肤色检测模型可以仅包括色度检测模型。那么，s103可以包括：图像处理装置可以将人体图像分别输入色度检测模型，以得到色度区域；然后，图像处理装置将色度区域确定为上述第二皮肤区域。
[0065]
在另一实施例中，由于肤色检测模型可以包括色度检测模型和亮度检测模型。那么，s103可以包括：图像处理装置可以将人体图像分别输入色度检测模型和亮度检测模型，以得到色度区域和亮度区域；然后，图像处理装置对色度区域和亮度区域进行融合，如此，可以得到上述第二皮肤区域。示例性的，图像处理装置将人体图像分别输入色度检测模型和亮度检测模型，可以得到输出的色度二值图和亮度二值图。然后，图像处理装置将色度二值图和亮度二值图中的每个像素点进行点相乘，如此，便可得到第二皮肤区域(如色度值与亮度值同为“1”的像素点)。
[0066]
在一些可能的实施例中，为了减少图像审核过程中的计算量，图像处理装置在执行s103的过程中，可以对人体图像的部分区域(如目标对象的手部区域)不进行检测。如此，在执行s103时，图像处理装置可以将剔除手部区域后的人体图像输入肤色检测模型。
[0067]
那么，在s103之前，上述方法还可以包括：图像处理装置对人体图像进行手部检测，以得到目标对象的手部图像；然后，图像处理装置从人体图像中将手部图像剔除，得到剔除后的人体图像。进而，图像处理装置可以将剔除后的人体图像输入肤色检测模型，以得到第二皮肤区域。
[0068]
在一实施例中，图像处理装置在得到目标对象的手部图像后，可以将手部图像中各像素点的颜色值修改为第一颜色值，以此获得剔除后的人体图像。当然，图像处理装置还可以采用其他方式从人体图像中剔除手部图像，本技术实施例对此不作具体限定。
[0069]
在另一些可能的实施例中，图像处理装置还可以在人体图像输入肤色检测模型进行检测之后，从检测后的二值图中剔除目标对象的手部图像，进而根据剔除后的人体二值图确定第二皮肤区域。
[0070]
s104，根据第二皮肤区域，对待审核图像进行审核。
[0071]
可以理解的，图像处理装置在通过s103确定第二皮肤区域后，可以将第二皮肤区域的面积与预设阈值进行比较，以对待审核图像进行审核。
[0072]
在一些可能的实施例中，待审核图像可以包括一个目标对象。那么，s104可以包括：当第二皮肤区域的面积小于或等于预设阈值时，图像处理装置可以确定待审核图像合法；当第二皮肤区域的面积大于预设阈值时，图像处理装置可以确定待审核图像非法。
[0073]
在另一些可能的实施例中，待审核图像可以包括多个目标对象。那么，s104可以包括：当每一个目标对象的第二皮肤区域的面积均小于或等于预设阈值时，图像处理装置可以确定待审核图像合法；当至少一个目标对象的第二皮肤区域的面积大于预设阈值时，图像处理装置可以确定待审核图像合法。
[0074]
下面以具体的实施例来对上述图像处理方法进行说明。
[0075]
假设目标对象为女性。图3为本技术实施例的一种图像处理方法的实施流程图，参见图3所示，上述图像处理方法可以包括：
[0076]
s301，图像处理装置获取待审核图像。
[0077]
s302，图像处理装置对待审核图像进行人脸检测，得到至少一个人物对象。
[0078]
s303，图像处理装置判断至少一个人物对象是否均为男性；其中，若至少一个人物对象均为男性，则跳转至s315；否则，跳转至s304。
[0079]
s304，图像处理装置将性别为女性的人物对象确定为目标对象。
[0080]
s305，图像处理装置对目标对象的人脸图像进行人脸关键点检测，以分割出人脸图像的面部区域(如图2中所示的序列号0至12的关键点围成的区域)以及人脸图像中的非肤色区域(如图2中所示的序列号13至68的关键点围成的区域)。
[0081]
s306，图像处理装置将人脸图像中的面部区域剔除脸部区域中非肤色区域，以获得人脸图像中的第一皮肤区域。
[0082]
s307，图像处理装置将第一皮肤区域输入双高斯混合密度函数，分别求出cbcr
‑
gmm和y
‑
gmm的模型构造参数，以构造色度检测模型和亮度检测模型。
[0083]
s308，图像处理装置对目标对象的人体图像进行手部区域检测，以得到人体图像中的手部图像。
[0084]
s309，图像处理装置将人体图像中的手部图像剔除。
[0085]
s310，图像处理装置将剔除后的人体图像输入色度检测模型进行检测，以得到人体图像的色度区域。
[0086]
s311，图像处理装置将剔除后的人体图像输入亮度检测模型进行检测，以得到人体图像的亮度区域。
[0087]
s312，图像处理装置将色度区域和亮度区域进行融合，以获得目标对象的第二皮肤区域。
[0088]
s313，图像处理装置判断第二皮肤区域的面积是否大于预设阈值；其中，若第二皮肤区域的面积大于预设阈值，则跳转至s314；若第二皮肤区域的面积小于或者等于预设阈
值，则跳转至s315。
[0089]
s314，图像处理装置确定待审核图像非法。
[0090]
s315，图像处理装置确定待审核图像合法。
[0091]
在本技术实施例中，上述s310、s311执行顺序并不做限定。
[0092]
在本技术实施例中，通过目标对象人脸的皮肤区域构造适应目标对象的肤色检测模型，并采用该肤色检测模型对目标对象进行人体皮肤区域检测，进而根据检测结果对待审核图像进行审核。如此，能够避免外界因素对肤色检测的影响，提高肤色检测的准确度，进而提高图像审核的准确度。进一步地，因为上述肤色检测模型无需通过机器学习获得，计算更为简便、可行性强。
[0093]
基于相同的发明构思，本技术实施例还提供了一种图像处理装置，该图像处理装置包括用于实施上述图像处理方法的若干个功能单元。
[0094]
图4为本技术实施例中的一种图像处理装置的结构示意图，参见图4所示，该图像处理装置400可以包括：图像获得模块401，用于获得待审核图像，待审核图像至少包括目标对象的人脸图像和人体图像；模型生成模块402，用于根据人脸图像中的第一皮肤区域，生成目标对象对应的肤色检测模型；皮肤检测模块403，用于将人体图像输入肤色检测模型进行检测，以得到目标对象的第二皮肤区域，第二皮肤区域为目标对象除人脸之外的皮肤区域；图像审核模块404，用于根据第二皮肤区域，对待审核图像进行审核。
[0095]
在一些可能的实施方式中，当待审核图像包括一个目标对象时，图像审核模块，用于：当第二皮肤区域的面积小于或等于预设阈值时，确定待审核图像合法；或，当第二皮肤区域的面积大于预设阈值时，确定待审核图像非法。
[0096]
在一些可能的实施方式中，当待审核图像包括多个目标对象时，图像审核模块，用于当每一个目标对象的第二皮肤区域的面积均小于或等于预设阈值时，确定待审核图像合法；或，当至少一个目标对象的第二皮肤区域的面积大于预设阈值时，确定目标对象为非法对象。
[0097]
在一些可能的实施方式中，图像处理装置，还包括：人脸检测模块，用于：在图像获得模块获得待审核图像之后，对待审核图像进行人脸检测，以得到至少一个人物对象；根据至少一个人物对象的性别特征，确定目标对象。
[0098]
在一些可能的实施方式中，模型生成模块，用于：将第一皮肤区域输入原始检测模型，以得到模型构造函数；根据模型构造函数，构造肤色检测模型。
[0099]
在一些可能的实施方式中，肤色检测模型包括：色度检测模型和亮度检测模型；皮肤检测模块，用于：将人体图像输入色度检测模型，以得到色度区域；将人体图像输入亮度检测模型，以得到亮度区域；将色度区域和亮度区域进行融合，以得到目标对象的第二皮肤区域。
[0100]
在一些可能的实施方式中，图像处理装置，还包括：人脸关键点检测模块；人脸关键点检测模块，用于：在模型生成模块生成肤色检测模型之前，对人脸图像进行人脸关键点检测，以得到人脸图像中的非皮肤区域；从人脸图像中分割出非皮肤区域之外的第一皮肤区域。
[0101]
在一些可能的实施方式中，皮肤检测模块，用于：对人体图像进行手部检测，以得到目标对象的手部图像；在人体图像中剔除手部图像，以得到剔除后的人体图像；将剔除后
的人体图像输入肤色检测模型，以得到第二皮肤区域。
[0102]
需要说明的是，图像获得模块401、模型生成模块402、皮肤检测模块403以及图像审核模块404的具体实现过程可参考图1至图3实施例的详细描述，为了说明书的简洁，这里不再赘述。
[0103]
基于相同的发明构思，本技术实施例提供一种图像处理装置，该图像处理装置可以与上述一个或者多个实施例中所述的图像处理装置一致。图5为本技术实施例中的另一种图像处理装置的结构示意图，参见图5所示，图像处理装置500，可以采用通用的计算机硬件，包括处理器501和存储器502。
[0104]
在一些可能的实施方式中，至少一个处理器可以构成具有对一个或多个输入执行逻辑运算的电路的任何物理设备。例如，至少一个处理器可以包括一个或多个集成电路(ic)，包括专用集成电路(asic)、微芯片、微控制器、微处理器、中央处理单元(cpu)的全部或部分、图形处理单元(gpu)、数字信号处理器(dsp)、现场可编程门阵列(fpga)或者适于执行指令或执行逻辑运算的其它电路。由至少一个处理器执行的指令可以例如被预加载到与控制器集成的或嵌入在控制器中的存储器中，或者可以存储在分离的存储器中。存储器可以包括随机存取存储器(ram)、只读存储器(rom)、硬盘、光盘、磁介质、闪存，其它永久、固定或易失性存储器，或者能够存储指令的任何其它机制。在一些实施例中，至少一个处理器可以包括多于一个处理器。每个处理器可以具有相似的结构，或者处理器可以具有彼此电连接或断开的不同构造。例如，处理器可以是分离的电路或集成在单个电路中。当使用多于一个处理器时，处理器可以被配置为独立地或协作地操作。处理器可以以电、磁、光学、声学、机械或通过允许它们交互的其它手段来耦合。根据本技术的一个实施例，本技术还提供了一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行上述标定方法的步骤。存储器502可以包括以易失性和/或非易失性存储器形式的计算机存储媒体，如只读存储器和/或随机存取存储器。存储器502可以存储操作系统、应用程序、其他程序模块、可执行代码、程序数据、用户数据等。
[0105]
此外，上述存储器502中存储有用于实现图4中的图像获得模块401、模型生成模块402、皮肤检测模块403以及图像审核模块404的功能的计算机执行指令。图4中的图像获得模块401、模型生成模块402、皮肤检测模块403以及图像审核模块404的功能/实现过程均可以通过图5中的处理器501调用存储器502中存储的计算机执行指令来实现，具体实现过程和功能参考上述相关实施例。
[0106]
基于相同的发明构思，本技术提供一种计算机存储介质，计算机存储介质存储有计算机可执行指令，计算机可执行指令被处理器执行后，能够实现如上述一个或者多个实施例所述的图像处理方法。
[0107]
本领域技术人员可以理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
[0108]
以上所述，仅为本技术示例性的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应该以权利要求的保护范围为准。