基于颜色的皮肤检测综述

在系统回顾和比较了基于颜色的皮肤检测的方法和技术(其中包括:颜色空间选择、肤色建模方法、动态跟踪模型以及光照不变性与自适应模型)的基础上;基于一个包含1 894张图片的大样本库,着重比较了肤色在14个3维颜色空间和14个2维色度平面中的分布紧致性、肤色与非肤色类之间的可分辨性,以及肤色概率图(SPM)、高斯混合模型(GMM)、自组织映射图(SOM)和支持向量机(SVM)在这些颜色空间中的皮肤分类性能。比较结果表明:(1)颜色空间的变换并不能改善肤色紧致性、肤色-非肤色可分辨性以及分类等性能,但RGB及线性变换空间却具有较好的类可分辨性和分类性能;(2)去除亮度信息将明显降低肤色和非肤色之间的可分辨性和分类性能;(3)Bayes决策下的3维SPM的分类性能是最优和空间无关的,而其余分类器则普遍存在类似的“空间偏好性”;(4)同时采用肤色和非肤色模型的分类器的分类性能优于仅使用肤色模型的分类性能。