师乐;汤汶;万韬阮;朱耀麟;武桐
【摘 要】针对现有人体轮廓提取方法在复杂背景情况下鲁棒性差、精确度不高的问题,提出了一种改进的自适应人体区域分割方法.首先提取肤样本,并建立自适应高斯模型提取肤区域,然后在HSV彩空间分割提取服装区域,最后线性融合以上两检测区域实现人体区域的检测.实验结果表明,该方法可以得到比较准确且完整的人体区域,有效降低了复杂背景环境、光照等条件的限制. 【期刊名称】《科学技术与工程》
【年(卷),期】2019(019)009
【总页数】5页(P138-142)
【关键词】肤样本;高斯模型;彩空间;线性融合
【作 者】师乐;汤汶;万韬阮;朱耀麟;武桐
【作者单位】西安工程大学电子信息学院,西安710048;西安工程大学电子信息学院,西安710048;伯恩茅斯大学计算机学院,英国 伯恩茅斯 BH125BB;西安工程大学电子信息学院,西安710048;布拉德福德大学媒体与信息学院,英国 布拉德福德 BD71DP;西安工程大学电子信息学院,西安710048;西安工程大学电子信息学院,西安710048
【正文语种】中 文
【中图分类】TP391.41
随着智能手机的普及，人们可以很方便地接入网络进行交易和数据交流；其中基于图像的非接触式人体测量技术也随之发展起来[1,2]。此类技术将人体正、侧面图像作为输入，利用图像处理算法提取人体轮廓；并标注特征点计算量体二维数据[3]。最后通过围度拟合获取人体围度参数[4]，具有简单便捷、提取效率高的优点。
在人体参数测量过程中，由于光照变化、阴影、复杂背景等问题，人体轮廓提取的精度直接影响到特征点提取与围度计算的精度。目前国内外对人体轮廓提取技术都有一定研究。Lee等[5]提出一种基于骨架的人体轮廓提取方法，不需要特定的背景或照明条件，但是由
于人体自身的复杂性，计算过程较为烦琐，处理效率低。赵海勇等[6]提出了针对序列图像的基于背景差分和阴影消除的人体轮廓提取算法，但其仅适用于固定背景情况，不具备普适性。Shi等[7]提出了基于图像几何学与梯度矢量流场的带有颜控制的C2G2FSnake模型，使用图像颜空间信息更新外部力的控制参数，保证了轮廓提取精度，但此模型易受复杂背景和人体着装的影响，使得轮廓曲线收敛到错误边缘。Wang[8]提出将椭圆肤模型与HSV颜空间相结合的方式提取人体轮廓，该方法有效降低了对背景的要求，但是易受光照影响。
针对以上模型易受复杂背景影响的缺陷，提出一种改进的自适应人体轮廓提取方法。通过实验发现，将肤区域和服装区域作为目标区域，线性融合两区域实现人体轮廓的提取，该方法在保证目标不漏检的前提下提高了复杂场景中人体轮廓提取的正确率。
1 肤区域检测
为了得到准确的肤区域，许多研究者从不同的角度开展肤检测方法的分析与研究[9]，主要包括颜空间变换、肤建模和肤决策3个步骤[10]。在RGB基空间中，肤和非肤在每个分量上都有较多的重叠部分，一般要变换到亮度和度分离的正交颜空间，
将RGB图像转换到YCbCr彩空间，从而提高检测率。
1.1 肤样本提取
首先用Adaboost算法检测人脸区域[11,12]。实验中检测获得人脸圆形区域，将人脸图像大小归一化，统一为120×120像素，如图1(c)，并在图1(c)中提取8×8的肤小块作为肤样本。
图1 自动人脸检测过程Fig.1 Automatic face detection process
1.2 改进的自适应高斯肤模型
在YCbCr颜空间中，肤有着明显的聚类特性[13,14]，不同肤的度分量Cb和Cr的分布趋于一致，近似呈二维高斯分布[15]。通过对YCbCr图像计算其每个像素点的相似度，即可得知该像素点属于肤区域的概率大小[16],其概率计算为
P(Cb,Cr)=exp[-0.5(xi-m)TC-1(xi-m)]
(1)
(2)
湿婆之舞
(3)
式中：xi=(Cb,Cr)T为肤样本中每个像素i的值，m表示均值,C表示协方差矩阵，n为训练样本中总的像素个数。然而传统的高斯模型对光照和肤变化缺少鲁棒性，因此此基础上提出一种自适应高斯肤模型，其计算步骤如下：
Step1 计算8×8肤样本，则：
Cbn=Cbs/64
(4)
Crn=Crs/64
(5)
mn=[Cbn Crn]
(6)
式中：Cbs和Crs分别为肤样本内Cb值的和与Cr值的和；Cbn和Crn分别为Cb、Cr的均值；mn为m的均值。由于肤中含有其他颜特征，mn的值可能偏离实际肤值，则像素点属于肤的概率大小就需要一个相似性度量，所以通过对肤样本计算其每个像素点到mn的加权欧式距离[17,18]，更新m值：
(7)
式(7)中：di为样本中的每个像素点到mn的加权欧式距离，Cbi、Cri为每个像素点的Cb、Cr值，w和k是各自方差表示权重。
Step2 将di按从小到大排序，然后取距离较小的像素点，所取个数占总像素个数比例为θ。如果θ过大，则会有非肤像素点造成不稳定；如果θ过小，则容易受光照影响。在实验中，分别取θ的值为1/4、1/2和1进行对比，从图2可以看出当取1/2时肤检测效果较为稳定。
qq空间被屏蔽了怎么办
在家里教学设计图2 似然肤提取Fig.2 Skin color similarity processing result
此时d1/2=d(n/2)，n为样本总的像素个数，然后求n/2个像素点Cb、Cr值的和，分别为S(Cb)、S(Cr)：
(8)
(9)
则更新后的m值为
m=[S(Cb)/(n/2) S(Cr)/(n/2)]
(10)
Step3 在其他皮肤区域同样提取8×8的肤小块作为肤样本，重复以上步骤计算各样本的m值，最后求其均值，即为最终自适应参数。
Step4 根据自适应参数获得人体似然肤图，将其二值化即可获得肤区域。参数估计和肤模型建立过程如图3所示。
图3 肤区域提取框架Fig.3 Process of our skin area extraction framework
2 服装区域检测
2.1 颜空间的选择
基于颜的图像处理中经常用到的彩模型有RGB和HSV两种模型[19]，RGB模型有利于图像的显示，但RGB模型3个分量的相关性很高，且该模型易受光照条件的影响，因此不适用于本文服装区域的分割。而HSV模型3个分量可以表示每一个像素的颜特性，其中分量V表示亮度，H和S两个分量表示图像的彩，如果排除亮度V的影响，这对于光照限制下的服装分割具有重要的意义。HSV彩空间和RGB彩空间是同一物理量的不同表示法，它们之间存在着转换关系，如式(11)所示：
(11)
2.2 阈值的确定和服装区域的检测
在HSV图像中，利用颜固定阈值来分割服装区域，需要确定H、S分量的阈值范围，即可得到目标区域，并将其他无关区域标识为背景。直方图是描述颜特征最常用的方法之一，可以量化目标颜特征[20]，展现出不同颜占整幅图片彩的比例。实验中分别做
出图像的H、S分量图和相应直方图，从直方图上可看出服装区域与背景像素的分布状况。
图4 H、S分量图及直方图Fig.4 H, S channel image and histogram
图4可以看出，在H通道中，服装区域颜较深，其直方图从灰度值为0到某一阈值为止，像素数量较少，可以认定灰度值在这一区间范围内的像素点为服装区域，而从阈值到255这一区域，像素数量较多，且有明显峰值，可以认定这一范围内的像素点为背景区域，因此在H通道做阈值分割更为适合。设置固定阈值，将服装区域设为前景，颜设置为255，其余区域设置为黑背景，即可分割出服装区域。
3 实验结果
采用非背景区域相叠加的融合方法将肤区域和服装区域进行线性融合，进而得到更加丰富的目标信息，融合策略如图5所示。
图5 皮肤服装区域融合Fig.5 Fusion of skin region and cloth region
为了验证人体轮廓提取算法的效果，还选取了另一幅具有复杂背景的图像为实验对象，将
提取到的肤区域和服装区域相融合，获得的效果如图6所示。本文算法用C++语言实现，其中实验参数实验结果可以看出，不同的复杂背景人体图像，经本文算法处理后均可以达到轮廓提取的标准，其主要原因：①改进的高斯自适应肤提取算法，依据肤样本信息基本保留了类肤区域；②RGB图像转化为度和亮度分离的HSV图像,在不受光照影响的条件下在H分量中即可完整提取服装区域。
变电工程图6 人体轮廓提取Fig.6 Another body contour extraction result
4 结论
不同的彩空间对肤和服装提取具有较大影响。在肤检测部分，首先提取肤样本；然后在像素点检测时，选取YCbCr彩空间的高斯模型对类肤像素点进行提取。通过实验表明，该方法具有较高的准确性。在服装检测部分，将RGB图像先转换到HSV颜空间，并剔除V分量，对H、S分量做直方图分析，利用直方图分布便可获取阈值来区分目标区域和背景区域。最后线性融合肤区域与服装区域，即可提取完整的人体轮廓。使用的检测方法即使存在少许误差，仍然能够在复杂背景中提取准确而完整的目标区域，对人体轮廓的提取具有较高的实用性。
参考文献
【相关文献】
1 Apeagyei P R. Application of 3D body scanning technology to human measurement for clothing fit[J]. International Journal of Digital Content Technology & Its Applications, 2010, 4(7): 58-68
北京利国电子2 郭力子, 吴建艺. 远程非接触式人体测量系统的研究与实现[J]. 科学技术与工程, 2014, 14(32): 252-256
Guo Lizi, Wu Jianyi. Research and implementation of remote non-contact human body measurement system[J]. Science Technology and Engineering, 2014, 14(32): 252-256
漂泊者萧红3 陈慧蓉, 张 欣, 陶 娜. 基于三维人体测量的青年女性胸部形态特征分析[J]. 西安工程大学学报, 2008, 22(2): 146-152
Chen Huirong, Zhang Xin, Tao Na. Analysis of morphological characteristics of young wo
men’s chest based on 3D anthropometry[J]. Journal of Xi’an Polytechnic University, 2008, 22(2):146-152
4 Uhm T, Park H, Park J I. Fully vision-based automatic human body measurement system for apparel application[J]. Measurement, 2015, 61: 169-179
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议