前言
皮膚檢測是利用皮膚的顏色信息的閾值來進行檢測的，不過這些閾值一般不是使用rgb空間，而是用HSV或者YCrCb等空間。皮膚檢測是使用統計的方法統計出大量人的皮膚信息，然后就可以得到色彩空間某一分量的閾值了，利用該閾值就可以初步對皮膚進行分割。當然了，OpenCV中也自帶了皮膚檢測算子，包含在類CvAdaptiveSkinDetector中。本節內容就是來試試OpenCV自帶的皮膚檢測算法的性能。
開發環境：OpenCV2.4.3+QtCreator2.5.1
實驗基礎
OpenCV自帶是算法的參考文獻有網友說是An adaptive real-time skin detector based on Hue thresholding: A comparison on two motion tracking methods，見參考資料1。稍微看了下該論文的算法流程和CvAdaptiveSkinDetector類的源碼，該源碼的實現差不多就是按照這篇文章進行的，主要是把皮膚閾值分割和運動檢測相結合。該算法的流程圖如下所示：
可以看出該皮膚檢測算法是在HSV空間進行的，HSV空間模型圖如下所示：
其中H表示的是色相，即不同顏色最具有區別性的地方，見模型中的那個圓弧；S代表的是飽和度，也就是含白光的純度，見模型中的那條半徑，S越大表示越飽和，即表示對應色相越純；V表示亮度，見模型中那條豎直的線，V越大表示對應點越亮。
下面來看看CvAdaptiveSkinDetector類中的2個比較重要的函數：
CvAdaptiveSkinDetector(int samplingDivider = 1, int morphingMethod = MORPHING_METHOD_NONE);
該函數為類的構造函數，其中參數1表示的是樣本采樣的間隔，默認情況下為1，即表示不進行降采樣；參數2為圖形學操作方式，即對用皮膚檢測后的圖像進行圖形學操作。其取值有3種可能，如果為MORPHING_METHOD_ERODE，則表示只進行一次腐蝕操作；如果為MORPHING_METHOD_ERODE_ERODE，則表示連續進行2次腐蝕操作；如果為MORPHING_METHOD_ERODE_DILATE，則表示先進行一次腐蝕操作，后進行一次膨脹操作。
virtual void process(IplImage *inputBGRImage, IplImage *outputHueMask);
該函數為皮膚檢測的核心函數，參數1為需要進行皮膚檢測的輸入圖像；參數2為輸出皮膚的掩膜圖像，如果其值為1，代表該像素為皮膚，否則當其為0時，代表為非皮膚。另外需要注意的是，這個函數只有opencv的c版本的，因為CvAdaptiveSkinDetector這個類放在opencv源碼里的contrib目錄里，即表示比較新的但不成熟的算法，所以暫時沒有提供c++版本的opencv。因此參數1和參數2的圖像數據類型都是IplImage，如果要使用Mat，就得先進行一個小小的轉換，具體參考代碼部分。
C/c++知識點總結：
看了CvAdaptiveSkinDetector類的源碼，發現在類的設計中，其內部還可以設計一個類，比如CvAdaptiveSkinDetector中嵌入了一個直方圖的類。
實驗結果
下面的圖是需要進行膚色檢測的圖（主要是檢測出手部）：
其檢測完后的效果圖如下：
由此可見，其檢測效果一般般，因為很多背景都被考慮進來了。
實驗代碼及注釋：
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); //一定要先分配一個內存 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; }
實驗總結：
皮膚檢測本身就受背景，光照，膚色等方面的影響，所以要使效果好還是比較難的，OpenCV帶的該算法效果也非常一般。
參考資料：