谢 杰，张 键，付天豪

（1.中国电子科技集团公司第五十八研究所，江苏 无锡 214072；2.中科芯集成电路有限公司，江苏 无锡 214072）

肤色信息是人类最显著特征之一，对肤色进行分割是很多关于人体相关的图像处理系统的基础处理部分。肤色分割主要分为三步：颜色空间变换、肤色建模、肤色决策。不同的研究者在颜色空间选择方面对皮肤分割算法性能的影响得出了不同的结果。文献[1]在YCgCr彩色空间，通过改进的粒子群与K均值聚类综合的方法进行人脸肤色分割，提升了聚类方法的全局检索能力；文献[2]在YCgCr与YCgCb空间中进行肤色分割，提升了聚类方法的全局检索能力；文献[2]在YCgCr与YCgCb空间中进行肤色分割，能够将每一视频帧中的肤色区域与非肤色区域有效地分隔开。文献[3]对多种颜色空间比较发现，YCbCr颜色空间比HSV颜色空间更适合应用于光照不均匀的复杂彩色图像的肤色分割。目前为皮肤分割任务寻找最优颜色空间的努力转向采用优秀的皮肤检测模型和光照补偿方法[4]。对特定颜色空间中皮肤聚类的观察可以建立肤色模型。肤色建模主要有基于皮肤聚类边界的分割规则[5-6]和基于机器学习[7-8]两种方法。机器学习方法分割肤色较优，但需要大量具有代表性的训练数据集，并且还需要较长的分类时间，不适合实时性较高的情况。在肤色决策方面，固定阈值分割法常用于单一背景下的肤色图像分割，当存在类肤色背景下的适应性不强，分割效果不佳，而动态阈值分割容易受环境变化的影响。……