對圖像進行皮膚紋理檢測的方法及系統技術方案

本發明專利技術涉及通信及圖像處理領域，提供了一種對圖像進行皮膚紋理檢測的方法及系統。所述方法包括以下步驟：Ａ．在輸入圖像中確定初始皮膚區域，并將其劃分為多個皮膚窗口；Ｂ．提取得到所述皮膚窗口的微結構特征；Ｃ．根據微結構特征對皮膚窗口進行多層級的特征選擇，篩選出符合檢測條件的候選皮膚窗口；Ｄ．合并相鄰位置的候選皮膚窗口，確定圖像中包含的所有皮膚紋理的屬性信息。所述系統包括圖像劃分單元、特征提取單元、篩選單元和合并單元。本發明專利技術與現有技術的區別在于提取出皮膚窗口的微結構特征，并根據微結構特征進行多層級的特征選擇，從而篩選出符合檢測條件的候選皮膚窗口，再進行合并。因此降低了誤檢率，并提高了檢測效率。

【技術實現步驟摘要】

本專利技術涉及通信及圖像處理領域，更具體地說，涉及一種對圖像進行皮膚紋理檢測的方法及系統。
技術介紹
隨著計算機軟硬件和國際互聯網技術的飛速發展，人們不僅可以從各種多媒體資料，例如文本、圖片、視頻、音頻等獲取大量的信息。但是，隨之而來的也會使人們受到含有諸如色情、暴力等不健康的圖片和視頻的侵擾，網上黃毒泛濫已成為一個較為嚴重的社會問題，因此非常有必要進行敏感圖像檢測，從而將敏感圖像過濾掉。敏感圖像在內容上可能會存在較大差別，但共同點是均包含大量裸露的皮膚區域，于是敏感圖像檢測問題就歸結到了皮膚檢測問題。 原始的皮膚檢測方法，是直接基于顏色模型，例如顏色直方圖、高斯混合模型等來檢測膚色，從而得到相應的膚色區域。然而實驗表明，在得到的膚色區域中會有很多實際上并不是皮膚的像素點(如黃色的沙發，黃色的頭發等)被誤認為是皮膚點，存在較高的誤檢率。 而現階段一般是基于紋理分析進行皮膚檢測。紋理在圖像處理、模式識別和計算機視覺領域都具有重要的地位，其描述的是圖像中某種空間結構的固有屬性，這種空間結構的固有屬性可以通過鄰域像素之間的相關性進行刻畫，單純從某個孤立的像素點來談紋理是沒有意義的。紋理的空間結構的分布可以呈現明顯的規律性，也可以是隨機的；其粒度可以比較粗糙，也可以非常細膩。紋理分析的重點就是建立各種紋理模型，并利用這些模型來研究如何表示和計算鄰近像素之間的相關性。目前紋理分析方法通常分為兩類，即基于統計模型的方法和基于信號處理的方法，而最為常見的是基于統計模型的方法。其具體過程如下(1)分析紋理圖像中的灰度層的空間依存關系，從而建立統計模型，比如，根據圖像中像素之間的方位和距離關系構造灰度共生矩陣；(2)使用灰度共生矩陣提取各種統計特征，作為相關圖像的紋理特征，而這些統計特征可包括多種類型，例如相關性、方差、熵和角二階矩等數字特征。在這種方法中，圖像中像素的灰度值被認為是一個隨機變量，其值可以通過其鄰近像素的灰度值進行刻畫，完成紋理分析。此后，則將這些灰度值輸入分類器進行判斷，從而確定皮膚區域。 但是上述現有技術中，基于統計模型的紋理分析而得到的信息在輸入分類器后，拒識率較高，導致仍有大量非皮膚圖像被誤認為皮膚圖像。因此需要一種對圖像進行皮膚紋理檢測的新方法，從而降低誤檢率。
技術實現思路
本專利技術的目的之一在于提供一種對圖像進行皮膚紋理檢測的方法及系統，旨在解決現有技術中進行皮膚紋理檢測時存在的誤檢率較高的問題。 為了實現專利技術目的，所述對圖像進行皮膚紋理檢測的系統包括 圖像劃分單元，在輸入圖像中確定初始皮膚區域，并將所述初始皮膚區域劃分為多個皮膚窗口； 特征提取單元，與圖像劃分單元相連并進行數據交互，提取得到所述皮膚窗口的微結構特征； 篩選單元，與特征提取單元相連并進行數據交互，根據微結構特征對皮膚窗口進行多層級的特征選擇，篩選出符合檢測條件的候選皮膚窗口； 合并單元，與篩選單元相連并進行數據交互，合并相鄰位置的候選皮膚窗口，并確定圖像中包含的所有皮膚紋理的屬性信息。 優選地，所述特征提取單元包括 積分圖像計算單元，對所述輸入圖像進行積分處理，計算出積分圖像； 微結構特征提取模塊，與積分圖像計算單元相連并進行數據交互，根據所述積分圖像提取出皮膚窗口的微結構特征。 優選地，所述篩選單元包括多層級的分類器組，采用自適應推進算法對皮膚窗口進行多層級的特征選擇，篩選出符合檢測條件的候選皮膚窗口。 優選地，所述篩選單元中多層級的分類器組包括多個強分類器，所述強分類器包括多個基于單特征的弱分類器。 優選地，所述系統還包括 歸一化處理單元，與圖像劃分單元、特征提取單元及篩選單元分別相連并進行數據交互，對所有皮膚窗口和/或微結構特征進行歸一化處理。 為了更好的實現專利技術目的，本專利技術還提供了一種對圖像進行皮膚紋理檢測的方法，包括以下步驟 A.在輸入圖像中確定初始皮膚區域，并將其劃分為多個皮膚窗口； B.提取得到所述皮膚窗口的微結構特征； C.根據微結構特征對皮膚窗口進行多層級的特征選擇，篩選出符合檢測條件的候選皮膚窗口； D.合并相鄰位置的候選皮膚窗口，確定圖像中包含的所有皮膚紋理的屬性信息。 優選地，所述步驟B包括 B1.對所述輸入圖像進行積分處理，計算出積分圖像； B2.根據所述積分圖像提取出皮膚窗口的微結構特征。 優選地，所述步驟C包括 根據微結構特征，采用自適應推進算法對皮膚窗口進行多層級的特征選擇，篩選出符合檢測條件的候選皮膚窗口。 優選地，所述步驟C中自適應推進算法的過程包括 C1.對皮膚窗口進行以單特征為基準的第一層級的特征選擇，輸出第一級判決結果； C2.采用以最小化錯誤風險為目標的AdaBoost算法對第一級判決結果進行第二層級的特征選擇，輸出第二級判決結果。 優選地，所述步驟C1的計算公式為 其中x是圖像窗口，gj(x)表示圖像在第j個特征下的特征值，θj是第j個特征對應的判決閾值，hj(x)表示圖像在第j個特征下的判決輸出。 優選地，所述步驟C2的計算公式為 其中，T為迭代次數，αt和λ為權重調整參數，表示皮膚紋理的后驗概率非負，H(x)表示圖像在第二層級的特征選擇中的判決輸出。 優選地，所述步驟D中皮膚紋理的屬性信息至少包括位置、尺寸和置信度。 優選地，在所述步驟A和B之間還包括對所述皮膚窗口進行歸一化處理的步驟；和/或 在所述步驟B和C之間還包括對所述微結構特征進行歸一化處理的步驟。 由上可知，本專利技術在對圖像進行皮膚紋理檢測的過程中，與現有技術的區別在于提取出皮膚窗口的微結構特征，并根據微結構特征進行多層級的特征選擇，從而篩選出符合檢測條件的候選皮膚窗口，再進行合并。因此降低了誤檢率，并提高了檢測效率。 附圖說明 圖1是本專利技術的第一實施例中對圖像進行皮膚紋理檢測的系統結構圖； 圖2是本專利技術的第二實施例中對圖像進行皮膚紋理檢測的系統結構圖； 圖3是本專利技術的一個實施例中特征提取單元的結構圖； 圖4是本專利技術的一個實施例中微結構類型模板的示意圖； 圖5是本專利技術的一個實施例中對圖像進行積分圖像計算的示意圖； 圖6是本專利技術的一個實施例中篩選單元內部強分類器級聯的示意圖； 圖7是本專利技術的一個實施例中強分類器的結構示意圖； 圖8是本專利技術的一個實施例中對圖像進行皮膚紋理檢測的方法流程圖； 圖9是本專利技術的一個實施例中對圖像進行皮膚紋理檢測的方法流程圖。 為了使本專利技術的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本專利技術進行進一步詳細說明。 具體實施例方式 在本專利技術中，皮膚紋理檢測系統至少包括圖像劃分單元、特征提取單元、篩選單元和合并單元，該系統通過提取出皮膚窗口的微結構特征，并根據微結構特征進行多層級的特征選擇，從而篩選出符合檢測條件的候選皮膚窗口，再進行合并。因此降低了誤檢率，并提高了檢測效率。 圖1示出了本專利技術的第一實施例中對圖像進行皮膚紋理檢測的系統結構，該系統包括圖像劃分單元10、特征提取單元20、篩選單元30和合并單元40。應當說明的是，本專利技術所有圖示中各設備之間的連接關系是為了清楚闡釋其信息交互及控制過程的需要，因此應當視為邏輯上的連接關系本文檔來自技高網...

【技術保護點】
一種對圖像進行皮膚紋理檢測的系統，其特征在于，所述系統包括：　圖像劃分單元，在輸入圖像中確定初始皮膚區域，并將所述初始皮膚區域劃分為多個皮膚窗口；　特征提取單元，與圖像劃分單元相連并進行數據交互，提取得到所述皮膚窗口的微結構特征；　篩選單元，與特征提取單元相連并進行數據交互，根據微結構特征對皮膚窗口進行多層級的特征選擇，篩選出符合檢測條件的候選皮膚窗口；　合并單元，與篩選單元相連并進行數據交互，合并相鄰位置的候選皮膚窗口，并確定圖像中包含的所有皮膚紋理的屬性信息。

【技術特征摘要】

【專利技術屬性】
技術研發人員：陳波，
申請(專利權)人：騰訊科技深圳有限公司，
類型：發明
國別省市：94[中國|深圳]