或者，肝EG处 理器1216压缩过的图像数据存储于SDRAM1218,在需要显示时，JPEG处理器1216读取 SDRAM1218的压缩过的图像数据，再进行解压缩，将解压缩后的图像数据通过LCD1226进行 显示。
[0078] LCD1226配置在相机主体的背面进行图像显示。该LCD122化CD,然而不限于此，也 可W采用有机化等各种显示面板化CD1226)，然而不限于此，也可W采用有机化等各种显示 面板。
[0079] 基于上述图像采集设备的硬件架构及电气结构，提出本发明方法各个实施例。
[0080] 请参考图3,其是本发明【具体实施方式】中提出的一种方法自动调整肤色的方法第 一实施例的方法流程图，如图所示，该方法包括：
[0081 ]步骤SlOl:识别出图像中的人脸并作为目标样本保存。
[0082] 人脸识别，是基于人的脸部特征信息进行身份识别的过程。比较常见的是采用 Adaboost学习算法，其对人脸图像中的模式特征，如直方图特征、颜色特征、模板特征、结构 特征及化ar特征等进行分类进而实现人脸识别。
[0083] 对于人脸图像而言，在对其进行分类前可W进行若干预处理，主要包括人脸图像 的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波W及锐化等。
[0084] 对于识别出的人脸作为目标样本保存W供后续处理。
[0085] 步骤S102:生成目标样本中每个人脸的多个特征属性，W及对应每个特征属性的 肤色调整参数。
[0086] 用于描述人脸的特征属性有很多，例如根据人脸器官的形状描述W及他们之间的 距离特性来获得有助于人脸分类的特征数据，其特征分量通常包括特征点间的欧氏距离、 曲率和角度等。又例如由眼睛、鼻子、嘴、下己等局部构成，对运些局部和它们之间结构关系 的几何描述等。
[0087] 在本方案中，实现的不是精确到个体的细节差异的识别，而仅仅设计到与其肤色 处理相关的特征属性，两个长相不同的人有可能具有相同的肤色相关的特征属性，在本方 案中即针对运类特征属性进行处理。
[0088] 每个人脸所对应的特征属性会匹配不同的肤色调整参数，多个不同的肤色调整参 数综合实现对整体的调整控制。
[0089] 步骤S103:计算每个人脸对应的肤色调整参数的加权平均值，根据加权平均值分 别对图像中人脸的肤色进行调整。
[0090] 每个肤色调整参数对肤色产生不同的影响力，运一不同的影响力通过权重进行衡 量，整体的调整基于每个人脸对应的多个肤色调整参数的加权平均值确定。
[0091] 对于肤色而言，美白程度是有极限值的，如果超出极限值，则会出现肤色异常、五 官不分明等负面影响。因此，所有的人脸的肤色调整只能是向极限值靠近，基本不适合达到 极限值。加权平均值在肤色调整过程中的影响具体在于，将当前肤色值向极限值调整，调整 的幅度为极限值与当前肤色值的差值乘W加权平均值。假设极限值是100,当前肤色值是 40,加权平均值为0.3，那么调整后的肤色值应该为40+(100-40) X0.3 = 58。具体肤色值的 设定标准在现有的肤色调整方案中多有描述，在此不对其做过多描述。
[0092] 综上所述，通过识别出图像中的人脸，生成每个人脸的多个特征属性W及对应的 肤色调整参数，计算肤色调整参数的加权平均值，识别出的人脸根据各自对应的加权平均 值进行肤色调整，使得多人拍照时各自进行相适应的肤色调整，实现了肤色调整时的差异 化和个性化。
[0093] 请参考图4,其是本发明【具体实施方式】中提出的一种方法自动调整肤色的方法第 二实施例的方法流程图，如图所示，该方法包括：
[0094] 步骤S201:识别出图像中的人脸并作为目标样本保存。
[0095] 人脸的特征属性包括性别、年龄、脸型和人脸大小。
[0096] 与人脸肤色相关的特征属性主要集中在性别、年龄、脸型和人脸大小。一般而言， 男性的肤色调整参数较小，女性的肤色调整参数较大，W与性别能适应的肤色相对应;老年 人和小孩的肤色调整参数较小，中青年的肤色调整参数较大，W与年龄的能适应的肤色向 对应;脸型可W定义为标准脸、圆形脸、方形脸、长方形脸、倒=角形脸、正=角形脸、菱形脸 屯种，各自也有相适应的肤色调整参数。最后需要说明的是人脸大小强调的不是人脸的真 实大小，而是采集图像时人脸与镜头的距离，距离镜头越远，人脸越小，反之越大。
[0097] 步骤S202:通过对性别参考图像中的人脸图像进行特征提取，得到特征向量，并使 用特征向量通过置信度要求进行挑选，组成训练集;最后使用训练集训练得到分类器。
[0098] 其中，特征向量对应的性别进行识别。虽然得到了每个特征向量对应的性别，但性 别识别结果的可信度还不能确定。例如:某特征向量中待测性别为男性的概率为0.6,待测 性别为女性的概率为0.4,则可W确定该特征向量对应的性别为男性。但男性和女性的概率 比较接近，在精确度较高的系统中，运一识别结果的可信度较低。因此，需要对得到的性别 识别结果的可信度进行衡量，即确定各性别识别结果的置信度，从中选择出识别结果的置 信度较高的特征向量。
[0099] 步骤S203:由性别分类器对目标样本中的人脸进行性别分类。
[0100] 步骤S204:将目标样本中人脸的肤色像素值与预存的年龄样本库中的肤色像素值 依次进行比较生成肤色距离，将肤色距离最小的年龄样本的年龄作为人脸的年龄。
[0101] 其中，生成肤色距离具体为：
[0103] 其中Dis为肤色距离，Rdes、Gdes和Bdes分别为人脸的红色像素值、绿色像素值和蓝色 像素值，Ri、Gi和Bi分别为第i个年龄样本的红色像素值、绿色像素值和蓝色像素值，N表示年 龄样本的个数。
[0104] 步骤S205:将目标样本中人脸与脸型样本库中的脸型样本进行比较，将差异最小 的脸型作为人脸的脸型。
[0105] 步骤S206:识别出目标样本中各个人脸的两个特征点，计算两个特征点之间的距 离。
[0106] 两个特征点例如双眼外侧眼角所在的点，或者双眼内侧眼角所在的点，对应的距 离为双眼外角的距离，两眼之间的距离，也可选择其它位置，例如一个外侧眼角，一个内侧 眼角。均可用于描述在图像采集时人脸与镜头的相对距离。
[0107] 本方案中的性别分类、形状比较、特征点识别等均基于特征提取、特征向量、训练 集等实现，在本方案中不做重点描述。
[0108] 步骤S207:获取性别预设的对应的肤色调整参数;年龄样本预设的对应的肤色调 整参数;脸型样本预设有对应的肤色调整参数;计算人脸大小自身距离与最大距离的比值 作为肤色调整参数。
[0109] 性别、年龄和脸型有各自预设的对应肤色调整参数，而人脸大小对应的肤色调整 参数是直接通过计算获得。上述四个特征属性可W只取其中部分作为肤色调整的参考，也 可另外增加特征属性作为参考。
[0110] 假设N个人双眼之间的距离分别为LI, L2，L3…丄N(N为画面中检测到的总人数）。 则各人的肤色调整参数可运样计算：
[0111] 双眼距离最大的人;Lmax=max(Ll ,L2,L3…丄N)
[0112] 每人的肤色调整参数：
[0113] 步骤S208:计算每个人脸对应的肤色调整参数的加权平均值，根据加权平均值分 别对图像中人脸的肤色进行调整。
[0114] 每个人最后的综合调整参数，（i二 1,2, 3-. N)
[0115] 其中Ai、Bi、Ci和Di分别为性别、年龄、脸型和人脸对应的肤色调整参数，A为每个 特征属性的加权平均值。比如我们认为年龄和性别在美肤级别中影响最大性别、年龄、脸型 和人脸大小对应的肤色调整参数的权重分别为0.3、0.3、0.2和0.2。也可W默认均为0.25， 有用户手动调节各个特征属性的权重。
[0116] 综上所述，通过识别出图像中的人脸，生成每个人脸的多个特征属性W及对应的 肤色调整参数，计算肤色调整参数的加权平均值，识别出的人脸根据各自对应的加权平均 值进行肤色调整，使得多人拍照时各自进行相适应的肤色调整，实现了肤色调整时的差异 化和个性化。对四个特征属性对应的肤色调整参数的生成过程进一步明确了参数的生成过 程，便于肤色的快速个性化调整。
[0117] 本发明进一步提供一种自动调整肤色的装置，W下为自动调整肤色的装置的实施 例，装置的实施例基于前述的方法的实施例实现，在装置的实施例中未尽的描述，请参考前 述的方法的实施例。
[0118] 请参考图5,其是本发明【具体实施方式】中提出的一种方法自动调整肤色的装置第 一实施例的结构方框图，如图所示，该装置包括：
[0119] 人脸识别单元10,用于识别出图像中的人脸并作为目标样本保存；
[0120] 参数生成单元20，用于生成目标样本中每个人脸的多个特征属性，W及对应每个 特征属性的肤色调整参数；
[0121] 计算调整单元30,用于计算每个人脸对应的肤色调整参数的加权平均值，根据加 权平均值分别对图像中人脸的肤色进行调整。
[0122] 综上所述，上述各单元的协