[发明专利]GPU优化和在线基于单高斯的皮肤似然估计

说明书

本文描述了用于执行单高斯皮肤检测的系统。该系统包括存储器和处理器。该存储器被配置为接收图像数据。该处理器被耦合到该存储器。该处理器基于与图像数据相关联的皮肤主导区域生成单高斯皮肤模型并基于与图像数据相关联的第二区域生成单高斯非皮肤模型，并且基于单高斯皮肤模型和单高斯非皮肤模型经由区别皮肤似然函数来对与图像数据相关联的个体像素进行分类，以生成与图像数据相关联的皮肤标签数据。

背景技术

在图像处理和计算机视觉情境中，基于颜色的皮肤检测技术可以用于较宽范围的应用，例如，数字化妆、基于视频的美化、面部追踪、三维面部建模、手势检测和跟踪、从数据库检索人等。此外，这样的应用正变得等越来越流行，特别是对于相机嵌入式移动设备，例如，智能电话、平板计算机等。因此，强健和高效的皮肤检测技术可能会越来越重要。

附图说明

可以通过参考附图来更好地理解以下具体的详细描述，其中包括所公开的主题的许多对象和特征的具体示例。

图1是实现基于单高斯的皮肤似然估计的示例性系统的框图；

图2是用于基于单高斯的皮肤似然估计的方法200的处理流程图；

图3是包括具有面部特征点(landmark)的图像300的帧；

图4是用于利用基于单高斯的皮肤似然估计来执行皮肤检测的方法400的处理流程图；

图5是示出存储用于利用基于单高斯的皮肤似然估计来执行皮肤检测的指令的有形非暂态计算机可读介质的框图；

图6是根据本公开的至少一些实现方式布置的示例系统600的说明性图示；以及

图7示出了可以在其中体现图6的系统的示例小形状因子设备700。

本公开和附图中通篇使用相同的标号来引用相同的组件和特征。100系列的标号指最初在图1中找到的特征；200系列中的标号指最初在图2中找到的特征；以此类推。

具体实施方式

皮肤检测是通过其来在图像、一系列图像或视频中检测皮肤的技术。可以以逐个像素为基础或以逐个区域为基础来应用皮肤检测。在一些情况下，像素可以被转换为特定颜色空间，并且皮肤分类器模型可以用于确定该像素或区域被分类为皮肤还是非皮肤。皮肤检测预测给定图像/视频中的每个像素是皮肤颜色的似然性。在传统的基于像素的皮肤检测中，颜色空间和参数化皮肤分类模型是在离线模式下被训练的研究点。在一些场景下，照明条件、不同种族等将影响特定皮肤颜色以及使用离线模型的皮肤检测的精度。

皮肤检测技术可以试图将图像中的每个像素分类为皮肤类或非皮肤类别。在这样的情境中，用于表示图像像素的颜色空间的选择、用于建模和分类皮肤的技术、以及用于适应视频序列中的动态变化的技术可能是皮肤检测精度的三个重要因素。例如，可以在皮肤检测中使用许多颜色空间，例如，红、绿、蓝(RGB)颜色空间以及从RGB的线性和非线性变换，例如，RGB颜色空间的色调、饱和度、值(HSV)表示，RGB颜色空间的亮度、蓝色差、红色差(YCbCr)编码，CIE-Lab颜色空间等。此外，可以在皮肤检测中使用各种离线分类器。可以通过费力和昂贵的离线训练来训练这样的分类器，例如，分配并注释数十亿的训练像素。此外，这样的分类器可能仅适用和/或适应于有限范围的应用场景，并且当在无约束环境中使用时它们的性能可能急剧下降。为了在这样的环境中获得改善的结果，一些模型提出随时间更新离线训练分类器的参数。然而，这种技术易于具有引入来自使用误报的意外错误的问题以及其他问题。

本文描述的实施例执行基于单高斯的皮肤似然估计。单高斯模型被用于改善所得的皮肤图的平滑度。此外，本技术实现了GPU优化技术，其中，皮肤似然任务在CPU和GPU之间进行被划分。