黄友鹏 潘兴海 金文中

摘要：针对智慧机械手的手势识别问题，该文提出综合HCrCb肤色检测方法，以混合肤色检测为方案，表明所改良的肤色检测方法相比于现在较为流行的肤色检测方法，在不同光照环境下有较好的检测效果。该文首先研究了五种传统的肤色检测方法，并进行了实际环境的检测测试，最终综合各颜色空间的聚类特征，选用HSV空间的H和YCrCb空间的CrCb尝试肤色检测，并通过实际测试对方案进行验证，实现更高精度的检测，对未来肤色检测方法推进有重要意义。

关键词：颜色空间;肤色检测;混合检测;手势识别

中图分类号：TP751.1    文献标识码：A

文章编号：1009-3044（2021）25-0118-03

肤色检测在人脸检测、手势识别、敏感图像过滤、医疗诊断、图像增强等计算机视觉和图像处理领域具有广泛的应用[1]。同时也是机器人要完成手势识别的开始，直接决定了其他系统功能能否顺利实现，所以要想实现效果比较好的机器人工作效果，就得想办法先提高手势识别的精确率和效率，由于机器人采用的肤色检测方案实现手势识别，所以第一步便是提高肤色分割率及肤色检测。

1常见肤色检测原理

1.1基于RGB颜色空间的阈值肤色检测

在RGB颜色空间中，每种颜色都以红绿蓝三种原色光谱成分表示，用RGB来表述颜色，符合人们普通生活中的认识和直观感受，容易理解，但此颜色空间中受到亮度的影响较大，即在不同的光照条件下，RGB值会有差距。根据现有的大量研究成果，RGB颜色空间肤色检测的约束满足以下条件：

1.2基于HSV颜色空间的肤色检测

HSV是将RGB模型表示在圆锥体当中，其中H表示色相，S表示饱和度，V表示明度（亮度）。在这个颜色空间中，一般通过色相值H对肤色区域进行检测划分。当使用这个颜色空间进行检测时，采用的数学模型约束一般为：2≤H≤13。

1.3基于YCbCr颜色空间的肤色识别

肤色检测方案还经常用到YCbCr颜色空间，其中Y代表亮度，Cr代表红色分量，Cb代表蓝色分量。使用这个方案进行检测的方法和HSV空间检测方法大同小异，也是通过对Cr和Cb建立固定阈值约束模型，对图片进行检测。

1.4 YCbCr颜色空间+椭圆模型检测

大量学者研究发现将肤色信息转换到YCbCr空间后，从CbCr这个二维平面来看，皮肤像素值的分布符合椭圆模型，即每一个像素点都落在一个Cb和Cr相关的椭圆里。那么只需要对像素的Cr、Cb进行读取，然后形成坐标（Cr、Cb），判断此坐标是否在椭圆模型内即可确认其是否为肤色，实现肤色检测和分割。

1.5 YCbCr空间Cr分量+Otsu分割

将图像转换到YCbCr空间，提取Cr分量，对Cr分量做自动二值化阈值分割处理，这种方法主要优势在于根据不同的环境因素进行不同程度的阈值自动调整，省去了人为设置阈值的步骤，提高检测的人为失误率，但目前而言，这种自动阈值调整也并不能完全按照好的阈值调整方向进行。

2五种方法实验对比分析

2.1实验素材准备

在正常太阳光侧照射环境下对手掌拍摄图1，其背景模块较为复杂，主要有与手掌差距较大的沙发、地板，并且地板作为严重的干扰项;在无太阳光照射，日光灯正常照射环境下对手背拍摄图2，图片中背景比较杂乱，光照更加均匀，且与手背相似的模块比较少，但光照环境较暗，如图所示。

2.2基于RGB颜色空间的肤色检测

从两幅检测图可看出基于RGB颜色空间的检测可大致将手部识别分离出来，但对于地板的干扰并不能有很好的处理，有较多的误判区域，存在明显的有效性和局限性。由此可知这种检测方案只适用于背景较为单一和光照比较均匀的场景。

2.3基于HSV颜色空间的肤色检测

从检测结果可以看出，经过多次调整参数，对于图1有较好的检测，相比图3，此方法将地板干扰项也成功识别并分割出去，存在明显的优势，但对于图2的检测效果就不尽人意，将手背的大半部分误判分割掉，由此可知仅考虑色相“H”，不考虑饱和度和亮度的影响显然是远远不够的[2]。

2.4基于YCbCr颜色空间的肤色识别

从两张检测结果图来看，此方法相对于HSV颜色空间检测和RGB颜色空间检测两种方法总体上有更好的检测效果，将图2的手背与背景环境较为完整地分离开来，仅存留了一点与手背极为接近的干扰块，但对于图1的地板干扰识别不如HSV检测，仍然存在明显的误判。

2.5YCbCr颜色空间+椭圆模型检测

由检测图可看出，这种方案的检测效果一般，仍不能将地板干扰项与手掌精确的识别分离开来，且图10中还存在较大块的识别干扰区域。

2.6 Cr分量+Otsu阈值分割检测

此检测方法也不能将地板干扰项精确识别分离出去，并且在图12中手指端出現了较大椭圆块误识别区域，这是前面几种方案都未出现过的情况。

3颜色空间混合检测思路

基于上述五种常见的肤色检测模型在肤色检测方面的优点和缺陷，仔细分析可知：对于图1的场景图片，只有基于HSV颜色空间的肤色检测模型能够完整地将地板和手掌部分识别出来并将手部较好的分割出来了，且HSV是只通过H约束来识别的;对于图2分析，基于HSV颜色空间的肤色检测模型效果较差，但是基于YCbCr颜色空间的阈值肤色识别模型的效果较好，是在五种方案中最能完整地将手背与干扰部分分离出来的。

于是提出一种颜色空间混合肤色检测方法，选取HSV 颜色空间的H分量和YCbCr颜色空间的Cb、Cr分量，通过大量样本的实验，完善出基于H-Cb-Cr 的肤色检测模型，检测模型对肤色的约束如下：

4基于空间混合肤色检测结果分析

从图13和图14中可分析得知，此颜色空间混合检测有综合了HSV颜色空间和YCrCb颜色空间的优点，并在一定程度上解决掉两种原始方案的误检、漏检情况，能够完整地将不同环境条件下，不同干扰影响下的手背、手掌分割出来，通过大量的样本测试，分析得出此混合检测方案准确率相比于其两种原本检测方案对比如下：

通过实验结果可知，此混合检测方法对于不同环境的检测有较好的效果，能够在不同的光照条件下对目标实行高精度检测，验证了新方案的可行性，为后续手势识别奠定好的基础。

5小结

本文对目前流行的几种肤色检测方法进行了分析比较，并结合不同方法检测实现的不同效果对各方案进行了原理分析，得出在亮度信息与色度信息分离的颜色空间中，肤色的聚类性比较好[3]。创新性地提出了一种混合不同颜色空间的检测方法，提取出其中的检测元素，形成组合约束，并对其做了实例检测分析对比，可得此种混合检测方案不仅结合了几种常见方案的优点，还在一定程度上解决了现存检测方法的缺陷。但本文仍有未尽工作，此混合检测方案仍存在可改进地方，还可以对其检测的稳定性、检测效率继续进行优化，以实现更好，更快的检测效果。

参考文献：

[1] 张坤，王烨东，李文元，等.自适应动态肤色检测技术研究进展[J].液晶与显示，2021，36（2）：293-304.

[2] 庞燕.几种常用的肤色检测颜色空间[J].中国传媒大学学报（自然科学版），2013，20（6）：54-58.

[3] 吕凯凯，韦德泉，梁兰菊，等.几种颜色空间在肤色检测中的应用与研究[J].电脑知识与技术，2019，15（10）：160-161，166.

【通联编辑：代影】