我目前正在开发一个健壮的手部检测系统。
第一步是拍摄手的照片(在HSV颜色空间中),将手放在一个小矩形中以确定皮肤颜色。然后,我应用阈值过滤器将所有非皮肤像素设置为黑色,将所有皮肤像素设置为白色。
到目前为止,它运行得很好,但我想问一下,是否有更好的方法来解决这个问题?例如,我发现有几篇论文提到了针对高加索人的具体色彩空间,但没有一篇论文对亚洲/非洲/高加索人的色调进行了比较。
顺便说一下,我是通过Python绑定来使用OpenCV的。
发布于 2011-12-22 09:25:11
你看过加里·布拉德斯基的camshift论文了吗?你可以从here下载
一年前,我使用皮肤检测算法来检测手部跟踪的皮肤区域,它是健壮的。这取决于你如何使用它。
使用颜色进行跟踪的第一个问题是,当人们有不同的肤色时,它对光照变化或如你所说的不稳定。然而,正如论文中所提到的,这可以通过以下方法轻松解决:
的斑点。
在HSV中去掉V通道,只考虑H和S通道,就足以(令人惊讶地)检测出不同的肤色和不同的光照变化。一个好的方面是它的计算速度很快。
这些步骤和相应的代码可以在原始OpenCV book中找到。
顺便说一句,我以前也用过高斯混合模型(GMM)。如果你只考虑颜色,那么我会说使用直方图或GMM没有太大区别。事实上,直方图的性能会更好(如果您的GMM没有考虑到光照变化等)。如果样本向量更复杂(即考虑其他特征),GMM是好的,但速度直方图要快得多,因为使用直方图计算概率图本质上是查找表,而GMM需要执行矩阵计算(对于多维高斯分布公式中维度>1的向量),这对于实时应用程序来说可能很耗时。
因此,总而言之,如果您只尝试使用颜色来检测皮肤区域,那么请使用直方图方法。你也可以调整它来考虑局部梯度(即梯度的直方图,但可能不会达到Dalal和Trigg的人类检测算法的全部范围)。因此,它可以使用局部纹理信息区分皮肤和具有相似颜色的区域(例如纸板或木制家具)。但这需要更多的努力。
有关如何使用直方图进行皮肤检测示例源代码,您可以查看OpenCV的页面here。但请注意,网页上提到他们只使用色调通道,同时使用色调和饱和度会得到更好的结果。
对于更复杂的方法,你可以看看玛格丽特·弗莱克和大卫·福赛斯关于“检测裸体的人”的工作。这是检测同时考虑颜色和纹理的皮肤区域的早期工作之一。详细信息可以在here上找到。
与计算机视觉和图像处理相关的源代码的一个很好的资源可以在here找到,其中恰好包括用于视觉跟踪的代码。不是,它不是OpenCV。
希望这能有所帮助。
发布于 2011-12-22 01:16:54
Here是一篇关于自适应高斯混合模型皮肤检测的论文,你可能会感兴趣。
此外,我还记得读过一篇论文(不幸的是我似乎找不到它),它使用了一种非常聪明的技术,但它要求你在视野中有一张脸。其基本思想是对人脸进行检测,并利用从人脸检测到的肤色块自动识别肤色。然后,使用高斯混合模型来鲁棒地分离皮肤像素。
最后,在搜索皮肤检测的最新技术方面,Google Scholar可能会有很大帮助。它现在已经在adademia中进行了大量的研究,并在工业中使用(例如,Google Images和Facebook上传图片策略)。
发布于 2011-12-22 16:29:31
我在两年前就做过类似的事情。您可以尝试使用Particle Filter (Condensation),使用肤色像素作为初始化的输入。它是相当健壮和快速的。我在我的项目中应用它的方法是在这个link中。您既有演示文稿(幻灯片),也有调查。如果你用从手中提取的真实颜色来初始化手的颜色,那么你在处理黑人时应该不会有任何问题。
对于粒子过滤器,我认为你可以找到一些代码实现示例。祝好运。
https://stackoverflow.com/questions/8593091
复制相似问题