AI 助理
备案控制台
开发者社区 人工智能 文章 正文

五种基于RGB色彩空间统计的皮肤检测算法

2015-07-24 2457
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： <p style="color: rgb(51, 51, 51); font-family: Arial; font-size: 14px; line-height: 26px;">最近一直在研究多脸谱识别以及如何分辨多个皮肤区域是否是人脸的问题<br></p><p style="color: rgb(51, 51, 51); font-family: Arial; font-size: 1

最近一直在研究多脸谱识别以及如何分辨多个皮肤区域是否是人脸的问题

网上找了很多资料，看了很多篇文章，将其中基于RGB色彩空间识别皮肤

的统计算法做了一下总结，统计识别方法主要是简单相比与很多其它基于

机器学习的算法，本人总结了五种RGB色彩空间的统计算法源码如下：

Skin Filter1：

[java]  view plain copy
  1. public class SkinFilter1 extends AbstractBufferedImageOp {  
  2.   
  3.     @Override  
  4.     public BufferedImage filter(BufferedImage src, BufferedImage dest) {  
  5.         int width = src.getWidth();  
  6.         int height = src.getHeight();  
  7.   
  8.         if ( dest == null )  
  9.             dest = createCompatibleDestImage( src, null );  
  10.   
  11.         int[] inPixels = new int[width*height];  
  12.         int[] outPixels = new int[width*height];  
  13.         getRGB( src, 0, 0, width, height, inPixels );  
  14.         int index = 0;  
  15.         for(int row=0; row<height; row++) {  
  16.             int ta = 0, tr = 0, tg = 0, tb = 0;  
  17.             for(int col=0; col<width; col++) {  
  18.                 index = row * width + col;  
  19.                 ta = (inPixels[index] >> 24) & 0xff;  
  20.                 tr = (inPixels[index] >> 16) & 0xff;  
  21.                 tg = (inPixels[index] >> 8) & 0xff;  
  22.                 tb = inPixels[index] & 0xff;  
  23.                   
  24.                 // detect skin method...  
  25.                 double sum = tr + tg + tb;  
  26.                 if (((double)tr/(double)tb > 1.185) &&   
  27.                     ((double)(tr*tb)/(double)(sum*sum)>0.107) &&  
  28.                     ((double)(tr*tg)/(double)(sum*sum)>0.112))  
  29.                 {  
  30.                     tr = tg = tb = 0; // black - skin detected!!  
  31.                 } else {  
  32.                     tr = tg = tb = 255; // white color means non-skin pixel  
  33.                 }  
  34.                 outPixels[index] = (ta << 24) | (tr << 16) | (tg << 8) | tb;  
  35.             }  
  36.         }  
  37.         setRGB( dest, 0, 0, width, height, outPixels );  
  38.         return dest;  
  39.     }  
  40. }  
Skin Filter2：

[java]  view plain copy
  1. public class SkinFilter2 extends AbstractBufferedImageOp {  
  2.   
  3.     @Override  
  4.     public BufferedImage filter(BufferedImage src, BufferedImage dest) {  
  5.         int width = src.getWidth();  
  6.         int height = src.getHeight();  
  7.   
  8.         if ( dest == null )  
  9.             dest = createCompatibleDestImage( src, null );  
  10.   
  11.         int[] inPixels = new int[width*height];  
  12.         int[] outPixels = new int[width*height];  
  13.         getRGB( src, 0, 0, width, height, inPixels );  
  14.         int index = 0;  
  15.         for(int row=0; row<height; row++) {  
  16.             int ta = 0, tr = 0, tg = 0, tb = 0;  
  17.             for(int col=0; col<width; col++) {  
  18.                 index = row * width + col;  
  19.                 ta = (inPixels[index] >> 24) & 0xff;  
  20.                 tr = (inPixels[index] >> 16) & 0xff;  
  21.                 tg = (inPixels[index] >> 8) & 0xff;  
  22.                 tb = inPixels[index] & 0xff;  
  23.                 double sum = tr + tg + tb;  
  24.                   
  25.                   
  26.                 if(((double)3*tb*tr*tr/(double)(sum*sum*sum)>0.1276)&&  
  27.                     ((double)(tr*tb+tg*tg)/(double)(tg*tb)>2.14)&&  
  28.                     ((double)(sum)/(double)(3*tr)+(double)(tr-tg)/(double)(sum)<2.7775))  
  29.                 {  
  30.                     tr = tg = tb = 0;  
  31.                 } else {  
  32.                     tr = tg = tb = 255;  
  33.                 }  
  34.                 outPixels[index] = (ta << 24) | (tr << 16) | (tg << 8) | tb;  
  35.             }  
  36.         }  
  37.         setRGB( dest, 0, 0, width, height, outPixels );  
  38.         return dest;  
  39.     }  
  40. }  
Skin Filter3：

[java]  view plain copy
  1. public class SkinFilter3 extends AbstractBufferedImageOp {  
  2.   
  3.     @Override  
  4.     public BufferedImage filter(BufferedImage src, BufferedImage dest) {  
  5.         int width = src.getWidth();  
  6.         int height = src.getHeight();  
  7.   
  8.         if ( dest == null )  
  9.             dest = createCompatibleDestImage( src, null );  
  10.   
  11.         int[] inPixels = new int[width*height];  
  12.         int[] outPixels = new int[width*height];  
  13.         getRGB( src, 0, 0, width, height, inPixels );  
  14.         int index = 0;  
  15.         for(int row=0; row<height; row++) {  
  16.             int ta = 0, tr = 0, tg = 0, tb = 0;  
  17.             for(int col=0; col<width; col++) {  
  18.                 index = row * width + col;  
  19.                 ta = (inPixels[index] >> 24) & 0xff;  
  20.                 tr = (inPixels[index] >> 16) & 0xff;  
  21.                 tg = (inPixels[index] >> 8) & 0xff;  
  22.                 tb = inPixels[index] & 0xff;  
  23.                   
  24.                 // detect skin method...  
  25.                 double sum = tr + tg + tb;  
  26.                 if (((double)tg / (double)tg - (double)tr / (double)tb <= -0.0905) &&  
  27.                     ((double)(sum) / (double)(3 * tr) + (double)(tr - tg) / (double)(sum) <= 0.9498))  
  28.                 {  
  29.                     tr = tg = tb = 0;  
  30.                 } else {  
  31.                     tr = tg = tb = 255;  
  32.                 }  
  33.                 outPixels[index] = (ta << 24) | (tr << 16) | (tg << 8) | tb;  
  34.             }  
  35.         }  
  36.         setRGB( dest, 0, 0, width, height, outPixels );  
  37.         return dest;  
  38.     }  
  39. }  
Skin Filter4：

[java]  view plain copy
  1. import java.awt.image.BufferedImage;  
  2. /** 
  3.  * this skin detection is absolutely good skin classification, 
  4.  * i love this one very much 
  5.  *  
  6.  * this one should be always primary skin detection  
  7.  * from all five filters 
  8.  *  
  9.  * @author zhigang 
  10.  * 
  11.  */  
  12. public class SkinFilter4 extends AbstractBufferedImageOp {  
  13.   
  14.     @Override  
  15.     public BufferedImage filter(BufferedImage src, BufferedImage dest) {  
  16.         int width = src.getWidth();  
  17.         int height = src.getHeight();  
  18.   
  19.         if ( dest == null )  
  20.             dest = createCompatibleDestImage( src, null );  
  21.   
  22.         int[] inPixels = new int[width*height];  
  23.         int[] outPixels = new int[width*height];  
  24.         getRGB( src, 0, 0, width, height, inPixels );  
  25.         int index = 0;  
  26.         for(int row=0; row<height; row++) {  
  27.             int ta = 0, tr = 0, tg = 0, tb = 0;  
  28.             for(int col=0; col<width; col++) {  
  29.                 index = row * width + col;  
  30.                 ta = (inPixels[index] >> 24) & 0xff;  
  31.                 tr = (inPixels[index] >> 16) & 0xff;  
  32.                 tg = (inPixels[index] >> 8) & 0xff;  
  33.                 tb = inPixels[index] & 0xff;  
  34.                   
  35.                 // detect skin method...  
  36.                 double sum = tr + tg + tb;  
  37.                 if (((double)tb/(double)tg<1.249) &&  
  38.                     ((double)sum/(double)(3*tr)>0.696) &&  
  39.                     (0.3333-(double)tb/(double)sum>0.014) &&  
  40.                     ((double)tg/(double)(3*sum)<0.108))  
  41.                 {  
  42.                     tr = tg = tb = 0;  
  43.                 } else {  
  44.                     tr = tg = tb = 255;  
  45.                 }  
  46.                 outPixels[index] = (ta << 24) | (tr << 16) | (tg << 8) | tb;  
  47.             }  
  48.         }  
  49.         setRGB(dest, 0, 0, width, height, outPixels);  
  50.         return dest;  
  51.     }  
  52. }  
Skin Filter5：

[java]  view plain copy
  1. import java.awt.image.BufferedImage;  
  2. /** 
  3.  * this is very good skin detection 
  4.  * get real skin segmentation correctly.... 
  5.  * ohh... cool 
  6.  *  
  7.  * @author zhigang 
  8.  * 
  9.  */  
  10. public class SkinFilter5 extends AbstractBufferedImageOp {  
  11.   
  12.     @Override  
  13.     public BufferedImage filter(BufferedImage src, BufferedImage dest) {  
  14.         int width = src.getWidth();  
  15.         int height = src.getHeight();  
  16.   
  17.         if ( dest == null )  
  18.             dest = createCompatibleDestImage( src, null );  
  19.   
  20.         int[] inPixels = new int[width*height];  
  21.         int[] outPixels = new int[width*height];  
  22.         getRGB( src, 0, 0, width, height, inPixels );  
  23.         int index = 0;  
  24.         for(int row=0; row<height; row++) {  
  25.             int ta = 0, tr = 0, tg = 0, tb = 0;  
  26.             for(int col=0; col<width; col++) {  
  27.                 index = row * width + col;  
  28.                 ta = (inPixels[index] >> 24) & 0xff;  
  29.                 tr = (inPixels[index] >> 16) & 0xff;  
  30.                 tg = (inPixels[index] >> 8) & 0xff;  
  31.                 tb = inPixels[index] & 0xff;  
  32.                   
  33.                 // detect skin method...  
  34.                 double sum = tr + tg + tb;  
  35.                 if (((double)tg/(double)tb - (double)tr/(double)tg<=-0.0905)&&  
  36.                 ((double)(tg*sum)/(double)(tb*(tr-tg))>3.4857)&&  
  37.                 ((double)(sum*sum*sum)/(double)(3*tg*tr*tr)<=7.397)&&  
  38.                 ((double)sum/(double)(9*tr)-0.333 > -0.0976))  
  39.                 {  
  40.                     tr = tg = tb = 0;  
  41.                 } else {  
  42.                     tr = tg = tb = 255;  
  43.                 }  
  44.                 outPixels[index] = (ta << 24) | (tr << 16) | (tg << 8) | tb;  
  45.             }  
  46.         }  
  47.         setRGB( dest, 0, 0, width, height, outPixels );  
  48.         return dest;  
  49.     }  
  50. }  
总结一下：

似乎Filter3的效果与Filter1的效果不是很好，Filter5, Filter4的效果感觉

还是很好的，基本上可以符合实际要求。

文章标签：
算法
Java
机器学习/深度学习
数据挖掘
关键词：
检测算法
统计算法
算法统计
rgb算法
空间算法
毛毛虫的爹
目录
相关文章
aliyun9170107523-43660
|
2月前
|
监控 安全 算法
137_安全强化：输入过滤与水印 - 实现输出水印的检测算法与LLM安全防护最佳实践
随着大语言模型（LLM）在各行业的广泛应用，安全问题日益凸显。从提示注入攻击到恶意输出生成，从知识产权保护到内容溯源，LLM安全已成为部署和应用过程中不可忽视的关键环节。在2025年的LLM技术生态中，输入过滤和输出水印已成为两大核心安全技术，它们共同构建了LLM服务的安全防护体系。
aliyun9170107523-43660
439 148
DuHz
|
3月前
|
传感器 资源调度 算法
DDMA-MIMO雷达多子带相干累积目标检测算法——论文阅读
本文提出一种多子带相干累积（MSCA）算法，通过引入空带和子带相干处理，解决DDMA-MIMO雷达的多普勒模糊与能量分散问题。该方法在低信噪比下显著提升检测性能，实测验证可有效恢复目标速度，适用于车载雷达高精度感知。
DuHz
533 4
DDMA-MIMO雷达多子带相干累积目标检测算法——论文阅读
简简单单做算法
|
2月前
|
开发框架 算法 .NET
基于ADMM无穷范数检测算法的MIMO通信系统信号检测MATLAB仿真,对比ML,MMSE,ZF以及LAMA
简介：本文介绍基于ADMM的MIMO信号检测算法，结合无穷范数优化与交替方向乘子法，降低计算复杂度并提升检测性能。涵盖MATLAB 2024b实现效果图、核心代码及详细注释，并对比ML、MMSE、ZF、OCD_MMSE与LAMA等算法。重点分析LAMA基于消息传递的低复杂度优势，适用于大规模MIMO系统，为通信系统检测提供理论支持与实践方案。（238字）
简简单单做算法
224 2
大熊计算机
|
6月前
|
机器学习/深度学习 运维 监控
实时异常检测实战：Flink+PAI 算法模型服务化架构设计
本文深入探讨了基于 Apache Flink 与阿里云 PAI 构建的实时异常检测系统。内容涵盖技术演进、架构设计、核心模块实现及金融、工业等多领域实战案例，解析流处理、模型服务化、状态管理等关键技术，并提供性能优化与高可用方案，助力企业打造高效智能的实时异常检测平台。
大熊计算机
494 1
我爱matlab
|
10月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于GRU网络的MQAM调制信号检测算法matlab仿真,对比LSTM
本研究基于MATLAB 2022a，使用GRU网络对QAM调制信号进行检测。QAM是一种高效调制技术，广泛应用于现代通信系统。传统方法在复杂环境下性能下降，而GRU通过门控机制有效提取时间序列特征，实现16QAM、32QAM、64QAM、128QAM的准确检测。仿真结果显示，GRU在低SNR下表现优异，且训练速度快，参数少。核心程序包括模型预测、误检率和漏检率计算，并绘制准确率图。
我爱matlab
298 65
基于GRU网络的MQAM调制信号检测算法matlab仿真,对比LSTM
陌陌谣
|
5月前
|
存储 监控 算法
基于跳表数据结构的企业局域网监控异常连接实时检测 C++ 算法研究
跳表（Skip List）是一种基于概率的数据结构，适用于企业局域网监控中海量连接记录的高效处理。其通过多层索引机制实现快速查找、插入和删除操作，时间复杂度为 $O(\log n)$，优于链表和平衡树。跳表在异常连接识别、黑名单管理和历史记录溯源等场景中表现出色，具备实现简单、支持范围查询等优势，是企业网络监控中动态数据管理的理想选择。
陌陌谣
175 0
陌陌谣
|
6月前
|
机器学习/深度学习 监控 算法
面向办公室屏幕监控系统的改进型四叉树屏幕变化检测算法研究
本文提出一种改进型四叉树数据结构模型，用于优化办公室屏幕监控系统。通过动态阈值调节、变化优先级索引及增量更新策略，显著降低计算复杂度并提升实时响应能力。实验表明，该算法在典型企业环境中将屏幕变化检测效率提升40%以上，同时减少资源消耗。其应用场景涵盖安全审计、工作效能分析及远程协作优化等，未来可结合深度学习实现更智能化的功能。
陌陌谣
126 0
陌陌谣
|
9月前
|
存储 监控 算法
基于 PHP 语言的滑动窗口频率统计算法在公司局域网监控电脑日志分析中的应用研究
在当代企业网络架构中，公司局域网监控电脑系统需实时处理海量终端设备产生的连接日志。每台设备平均每分钟生成 3 至 5 条网络请求记录，这对监控系统的数据处理能力提出了极高要求。传统关系型数据库在应对这种高频写入场景时，性能往往难以令人满意。故而，引入特定的内存数据结构与优化算法成为必然选择。
陌陌谣
252 3
简简单单做算法
|
9月前
|
机器学习/深度学习 存储 算法
基于MobileNet深度学习网络的活体人脸识别检测算法matlab仿真
本内容主要介绍一种基于MobileNet深度学习网络的活体人脸识别检测技术及MQAM调制类型识别方法。完整程序运行效果无水印，需使用Matlab2022a版本。核心代码包含详细中文注释与操作视频。理论概述中提到，传统人脸识别易受非活体攻击影响，而MobileNet通过轻量化的深度可分离卷积结构，在保证准确性的同时提升检测效率。活体人脸与非活体在纹理和光照上存在显著差异，MobileNet可有效提取人脸高级特征，为无线通信领域提供先进的调制类型识别方案。
简简单单做算法
300 12
游客lijmi4663rgsa
|
9月前
|
JavaScript 算法 前端开发
JS数组操作方法全景图，全网最全构建完整知识网络！js数组操作方法全集（实现筛选转换、随机排序洗牌算法、复杂数据处理统计等情景详解，附大量源码和易错点解析）
这些方法提供了对数组的全面操作，包括搜索、遍历、转换和聚合等。通过分为原地操作方法、非原地操作方法和其他方法便于您理解和记忆，并熟悉他们各自的使用方法与使用范围。详细的案例与进阶使用，方便您理解数组操作的底层原理。链式调用的几个案例，让您玩转数组操作。 只有锻炼思维才能可持续地解决问题，只有思维才是真正值得学习和分享的核心要素。如果这篇博客能给您带来一点帮助，麻烦您点个赞支持一下，还可以收藏起来以备不时之需，有疑问和错误欢迎在评论区指出~
游客lijmi4663rgsa
340 2

热门文章

最新文章

  • 1
    【水下图像增强融合算法】基于融合的水下图像与视频增强研究（Matlab代码实现）
  • 2
    go-dongle v1.1.7 发布，新增 SM4 国密分组对称加密算法支持
  • 3
    go-dongle v1.1.7 发布，新增 SM4 国密分组对称加密算法支持
  • 4
    基于python智能推荐算法的全屋定制系统
  • 5
    HNSW算法实战：用分层图索引替换k-NN暴力搜索
  • 6
    set_map的实现+set/map加持秒杀高频算法题锻炼算法思维
  • 7
    电脑监控管理中的 C# 哈希表进程资源索引算法
  • 8
    基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究（Matlab代码实现）
  • 9
    当“爆款书”遇上大数据：出版业的老路，正在被算法改写
  • 10
    使用哈里斯角Harris和SIFT算法来实现局部特征匹配（Matlab代码实现）
  • 1
    当“爆款书”遇上大数据：出版业的老路，正在被算法改写
    179
  • 2
    当AI成为航天员的“大脑外设”：智能算法如何优化人类的长期太空旅行
    157
  • 3
    电脑监控管理中的 C# 哈希表进程资源索引算法
    185
  • 4
    HNSW算法实战：用分层图索引替换k-NN暴力搜索
    212
  • 5
    基于python智能推荐算法的全屋定制系统
    213
  • 6
    使用哈里斯角Harris和SIFT算法来实现局部特征匹配（Matlab代码实现）
    178
  • 7
    基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究（Matlab代码实现）
    189
  • 8
    【水下图像增强融合算法】基于融合的水下图像与视频增强研究（Matlab代码实现）
    276
  • 9
    结合多种启发式解码方法的混合多目标进化算法，用于解决带工人约束的混合流水车间调度问题（Matlab代码实现）
    168
  • 10
    【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法（TTNRBO）优化深度信念网络（DBN）数据回归预测研究（Matlab代码实现）
    158

    • 相关课程

    更多
  • 智能运维赛（复赛）：利用数据和算法，快速定位系统异常并进行根因分析
  • 智能创作赛（复赛）：相册应用中的视频故事生成算法介绍
  • 智能创作赛（初赛）：相册应用中的故事生成算法介绍
  • 相册服务中的故事生成算法介绍
  • Go语言核心编程 - 数据结构和算法
  • 神经网络概览及算法详解

    • 相关电子书

    更多
  • 数据+算法定义新世界
  • 袋鼠云基于实时计算的反黄牛算法
  • Alink：基于Apache Flink的算法平台
    • 下一篇
    安全设备篇——WAF