一种基于深度信念网络的人体肤色区域分割方法

摘要

本发明提供了一种基于深度信念网络的人体肤色区域分割方法，属于计算机视觉和图像处理领域。该方法包括：(1).建立肤色块数据集和非肤色块数据集；(2).产生不同的颜色空间及其组合上的深度信念网络输入特征集；(3).训练不同尺度的深度信念网络，并优化确定各项参数；(4).输入测试图像，在不同尺度约束下，使用滑动窗口策略获取当前待检测图像块范围；(5).在当前滑动窗口确定的图像块上抽取需要的颜色空间分量或其组合，获取输入特征向量；(6).将输入特征向量输入训练好的深度信念网络，得到图像块的分类结果，如果分类结果为肤色块，则块内像素点置1；如果分类结果为非肤色块，则块内像素点置0。

主权项

一种基于深度信念网络的人体肤色区域分割方法，其特征在于：所述方法包括：(1).建立肤色块数据集和非肤色块数据集；(2).产生不同的颜色空间及其组合上的深度信念网络输入特征集；(3).训练不同尺度的深度信念网络，并优化确定各项参数；(4).输入测试图像，在不同尺度约束下，使用滑动窗口策略获取当前待检测图像块范围；(5).在当前滑动窗口确定的图像块上抽取需要的颜色空间分量或其组合，获取输入特征向量；(6).将输入特征向量输入训练好的深度信念网络，得到图像块的分类结果，如果分类结果为肤色块，则块内像素点置1；如果分类结果为非肤色块，则块内像素点置0；(7).判断整幅图像扫描是否完成，如果否，则根据设定的滑动窗移动步长移动窗口，然后返回步骤(5)，如果是，则转入步骤(8)；(8).获得最终肤色检测结果，结束；其中，所述步骤(2)包括以下步骤：B1：选择RGB，HSV，YCbCr和CIELab为实验用颜色空间，每种颜色空间的各个通道分量作为特征集中的特种分量，同时考虑移除Y分量后的CbCr颜色空间；B2：对颜色空间组合RGB+YCbCr、RGB+HSV、RGB+CIELab、HSV+YCbCr、HSV+CIELab、YCbCr+CIELab、RGB+YCbCr+HSV、RGB+CIELab+HSV和YCbCr+CIELab+HSV以及四种空间的全部组合空间分别进行实验，检测深度模型在这些组合空间上的效果；B3：抽取滑动窗口所在图像块的所有像素点的颜色空间分量，归一化为[0,1]范围，根据不同颜色空间或组合，获得特征向量集；所述步骤(3)包括以下步骤：(31)确定深度信念网络包含4层，其中隐含层三层，输入层一层，由三个受限玻尔兹曼机组成深度信念网络；(32)深度肤色分类器在深度信念网络结构基础上增加一层全连接网络，用于分类结果的输出；(33)分类器隐含层结构为100‑100‑100‑2，训练最小分组为100，迭代次数为200；(34)分别在10x10和20x20的数据集上训练对应的深度肤色模型DSM₁₀和DSM₂₀。