r>[0084] 由此，将皮肤色温特征量化成查找表LUT，在系统检测中只需要对检测对象"对号 入座"，实施简单的查找表逻辑判断，便可以实时对人员图像中每个像元属性(皮肤或非皮 肤)给出明确判决，既保证了实时性又保证了准确性。因此，进行如下具体步骤：
[0085]步骤10231，初级分类，以第一原则对RGB值进行判断，将像素值进行分类，当像素 值归类为皮肤区域时，进行终级分类；
[0086]所述第一原则为：当R>G>B时，为皮肤区域;当B>R，或B>G，或G>R时，为非皮肤 区域。
[0087]步骤10232,终极分类，将归类为皮肤区域的RGB值与该主播人员的皮肤色温RGB范 围进行比较，如果在该范围内，则最终归为皮肤区域，如果不在该范围内，则最终归为非皮 肤区域。
[0088] 步骤1024,待一张视频图像中主播人员图像的所有像素均归类后，对皮肤区域统 计皮肤直方图RGB像元数s[rgb]、皮肤总数Ts，对非皮肤区域统计非皮肤直方图的像元数η [rgb]、非皮肤总数Τη;
[0089] 步骤1025,利用
分别求取皮肤 分类概率密度P(c/skin)、非皮肤分类概率密度p(c/_skin)。
[0090] 在SPM分类基础上皮肤色温区分法，由于人的皮肤图像色彩基本取决于血红蛋白 和黑色素在光照下的反映色温，Retinex已经证明它是充分不变的，因此我们可以得到界限 鲜明的两个类别。
[0091] 步骤103,根据
Θ为经验值，来获取每位主播人员彩色恒定特征的 R0C曲线。
[0092] 通过给出皮肤和非皮肤模型的分类条件概率，便可用贝叶斯最大似然(ML)方法来 进行分类。这里〇 < Θ < 1是一个门限值，用来调节"真"和"伪"之间的平衡，这门限值一般由 常规关于皮肤裸露的接收操作特性曲线(Receiver Operating Characteristics:R0C)来 决定，ROC由训练数据集计算得来，ROC曲线反映"真"与"伪"事物的关系。
[0093]利用这种以直方图为基础的贝叶斯分类也称为皮肤概率映射(Skin Probability Map:SPM)对数以千计的主播肤色进行统计分析，当一位主播人员的所有视频图像根据上述 各步骤处理完后，则形成了该主播人员的皮肤裸露接收操作特性曲线R0C。对所有主播人员 分析后，便可以总结出每种类型主播的R0C曲线，此项工作可以离线进行，有充分的时间和 空间。
[0094] 将上述方法提取的每种类型、每位主播的ROC曲线，进行互联网络视频裸露的监测 方法，包括：
[0095] 步骤101'，在线状态下，在互联网络视频演播中按预设原则提取某主播人员的多 张视频图像；
[0096] 步骤102'，离线状态下，统计该主播人员的每张视频图像中主播人员图像的皮肤 分类概率密度P(c/skin)、非皮肤分类概率密度p(c/_skin);
[0097] 上述两个步骤与前面提取方法相似，本检测方法的应用重点是给出了离线采集每 位主播人员的R0C曲线，以方便在线快速检测。
[0098] 步骤103'，根据
判定该主播人员是否超过裸露要求;Θ取自该主播 人员彩色恒定特征的R0C曲线，所述该主播人员彩色恒定特征的R0C曲线通过上文对互联网 络视频演播室环境下实时彩色恒定特征提取方法来获取。
[00"]根据对大量主播人员肤色特征的rgb分布特点分析，给出肤色rgb数值关系表达 式，同时给出非肤色rgb数值关系表达式，并启用主播先验数据库，从而将肤色特征提取变 成简单的查找表LUT方法，实现了实时肤色特征提取。
[0100]将上述对互联网络视频演播室环境下实时彩色恒定特征提取方法应用到具体硬 件或软件系统中，其包括：
[0101] 提取模块，用于在线状态下，在互联网络视频演播中按预设原则提取含有主播人 员的多张视频图像；
[0102] 统计模块，用于离线状态下，统计每位主播人员的每张视频图像中主播人员图像 的皮肤分类概率密度P(c/skin)、非皮肤分类概率密度p(c/_skin);
[0103] 获取模块，用于根据 Θ为经验值，来获取每位主播人员彩色恒定特 ， 征的R0C曲线。
[0104] 其中，统计模块包括：
[0105] 图像提取单元，用于从视频图像中提取主播人员图像；
[0106] RGB提取单元，用于对主播人员图像中的每个像素分别提取RGB值；
[0107] 归类单元，用于根据RGB值比较，将每个像素归类于皮肤区域或非皮肤区域；
[0108] 统计单元，用于待一张视频图像中主播人员图像的所有像素均归类后，对皮肤区 域统计皮肤直方图RGB像元数s[rgb]、皮肤总数Ts，对非皮肤区域统计非皮肤直方图的像元 数n[rgb]、非皮肤总数Τη;
[0109] 求取单元，用于利用
分别求取 皮肤分类概率密度P(c/skin)、非皮肤分类概率密度p(c/_skin)。
[0110] 将对互联网络视频演播室环境下实时彩色恒定特征提取系统的检测方法应用到 硬件中或软件系统中，形成一个检测装置，其包括： 提取模块，用于在线状态下，在互联网络视频演播中按预设原则提取含有主播人 员的多张视频图像；
[0112] 统计模块，用于离线状态下，统计每位主播人员的每张视频图像中主播人员图像 的皮肤分类概率密度P(c/skin)、非皮肤分类概率密度p(c/_skin);
[0113] 存储模块，用于存储每位主播人员彩色恒定特征的ROC曲线；
[0114] 比较模块，用于根据
判定该主播人员是否超过裸露要求;Θ取自所 述存储模块中该主播人员彩色恒定特征的R0C曲线。
[0115] 本发明的目标是首先保证对不良视频中裸露皮肤和非皮肤面积的检测精度高，检 测准确率高于90%;同时保证高的检测速度和效率，检测过程不能干扰或延阻视频节目实 时播放。
[0116] 本发明注重于面向互联网视频演播室场景应用，从实现不良视频自动检测的系统 级可行性及其效率、稳定性和可靠性的目标出发，针对现有技术上存在的不足，提出了实时 彩色恒定Retinex的特征提取方法，具有多种不变特征肤色特征提取、并将复杂判决过程简 化为快速查找表方法。
[0117] 实施例：
[0118] 该系统由4个层次组成，包括环境检测控制、特征提取、前景提取、判决警示，系统 目标是实现网络演播室视频自动监测，对其中不良视频内容可以实时检测出来，并发布警 示·
[0119] 本发明提出实时彩色恒定Re t i ne X的肤色特征提取方法.
[0120] 图像和视频中皮肤颜色是人类最显著的基础特性，根据Retinex原理，它具有比例 变化、旋转变化、照度变化和部分遮挡条件下色彩相对关系稳定不变性。因此皮肤彩色检测 通常是对人体行为识别最有效的预先处理步骤，是对不良视频检测的首个关键环节。
[0121 ]离线和在线相结合方法
[0122] 如上所述，经典的SPM模型下的最大似然(ML)条件概率分类法需要一个R0C过程， 即需要接收端根据操作特性来自适应确定这个门限，这是不可逾越的步骤，具体说，执行这 一步骤需要人工干预来判决，因此它是实时运作的屏障。但是，这种分类法科学性又很强， 应该是准确分类的基础性步骤。为此，我们需要扬长避短、因势利导，将这个步骤做成离线 过程，避开其非实时性的弱点，发挥其科学性得长处，如