刚开始尝试利用肤色信息进行CV方面的跟踪或者检测，但总是发现肤色信息的除了实时效果比较好，其他的抗噪，鲁棒性都不尽如人意。但是正如tornadomeet所说：其实计算机视觉的最终实现是一个长期的过程，是AI领域一个经典的问题，所以在AI完全突破之前，任何对CV有用的信息都值得去深入研究，除非有一种算法能够在所有情况下都工作。
皮肤模型中有单高斯，混合高斯，贝叶斯模型和椭圆模型等。经过前人学者大量的皮肤统计信息可以知道，如果将皮肤信息映射到YCrCb空间，则在CrCb二维空间中这些皮肤像素点近似成一个椭圆分布。因此如果我们得到了一个CrCb的椭圆，下次来一个坐标(Cr, Cb)我们只需判断它是否在椭圆内（包括边界），如果是，则可以判断其为皮肤，否则就是非皮肤像素点。
肤色区域的颜色与亮度成非线性函数关系，在低亮度条件下，YCbCr 空间中色度的聚类性会随Y 呈非线性变换降低。为了使肤色聚类不受亮度Y 的影响并将YCbCr 颜色空间中的色度Cb、Cr进行非线性变换，在研究YCbCr 颜色空间的肤色聚类情况的基础上，去掉高光阴影部分（即 Y 的最大最小值），YCbCr 空间色度非线性变换过程中，用 Cb·· Y 、 Cr·· Y 表示肤色区域的中轴线，肤色区域的宽度分别用 Vcb、Vcr 表示。
即将图像转化到YCbCr 空间并且在CbCr平面进行投影，因此我们采集了肤色的样本点，将其投影到此平面，并且投影后，我们进行了相应的非线性变换K-L变换
进而形成的的统计椭圆模型
说它比较有趣是因为我们是用一副图像来存储上面的椭圆的，而不是直接采用椭圆数学方程。该图像是二值图像，即椭圆区域内部为白色，其它地方为黑色。所以当其需要判断其它像素点时，只需将该像素点转换成Cr，Cb两个坐标，然后在上面的椭圆中找到该坐标的值，如果非0，则为皮肤，反之亦然。
在实际代码中，该椭圆是采用绘画函数绘制到图片上的，一句代码而已：
ellipse(skinCrCbHist, Point(113, 155.6), Size(23.4, 15.2), 43.0, 0.0, 360.0, Scalar(255, 255, 255), -1);
void ellipse(Mat& img, Point center, Size axes, double angle, double startAngle, double endAngle, const Scalar&color, int thickness=1, int lineType=8, int shift=0)
该函数是用来在指定图片上绘制椭圆弧线的。
参数image为需要绘制椭圆的图像；
参数center是该椭圆的中心点坐标；
参数axes是该椭圆的长半轴和短半轴；
参数angle是该椭圆和水平方向上的旋转夹角；
参数startAngle表示绘制椭圆弧线相对该椭圆自己的水平轴的起始角度；
参数endAngel表示绘制椭圆弧线相对该椭圆自己的水平轴的终止角度；
后面的参数比较普通就不介绍了。
绘制椭圆曲线的示意图如下所示：
#include <opencv2/core/core.hpp>#include <opencv2/highgui/highgui.hpp>#include <opencv2/contrib/contrib.hpp>#include <opencv2/imgproc/imgproc.hpp>#include <iostream>#include <vector>using namespace std;using namespace cv;Mat input_image;Mat output_mask;Mat output_image;Mat mask;void main(){ VideoCapture cam(0); if(!cam.isOpened()) return; /*椭圆皮肤模型*/ Mat skinCrCbHist = Mat::zeros(Size(256, 256), CV_8UC1); ellipse(skinCrCbHist, Point(113, 155.6), Size(23.4, 15.2), 43.0, 0.0, 360.0, Scalar(255, 255, 255), -1); Mat element = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1) ); while(true) { cam >> input_image; if(input_image.empty()) return ; Mat ycrcb_image; output_mask = Mat::zeros(input_image.size(), CV_8UC1); cvtColor(input_image, ycrcb_image, CV_BGR2YCrCb); //首先转换成到YCrCb空间 for(int i = 0; i < input_image.rows; i++) //利用椭圆皮肤模型进行皮肤检测 { uchar* p = (uchar*)output_mask.ptr<uchar>(i); Vec3b* ycrcb = (Vec3b*)ycrcb_image.ptr<Vec3b>(i); for(int j = 0; j < input_image.cols; j++) { if(skinCrCbHist.at<uchar>(ycrcb[j][1], ycrcb[j][2]) > 0) p[j] = 255; } } morphologyEx(output_mask,output_mask,MORPH_CLOSE,element); vector< vector<Point> > contours; // 轮廓 vector< vector<Point> > filterContours; // 筛选后的轮廓 vector< Vec4i > hierarchy; // 轮廓的结构信息 contours.clear(); hierarchy.clear(); filterContours.clear(); findContours(output_mask, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // 去除伪轮廓 for (size_t i = 0; i < contours.size(); i++) { if (fabs(contourArea(Mat(contours[i]))) > 1000/*&&fabs(arcLength(Mat(contours[i]),true))<2000*/) //判断手进入区域的阈值 filterContours.push_back(contours[i]); } output_mask.setTo(0); drawContours(output_mask, filterContours, -1, Scalar(255,0,0), CV_FILLED); //8, hierarchy); input_image.copyTo(output_image, output_mask); imshow("input image", input_image); imshow("output image", output_image); output_image.setTo(0); if(27 == waitKey(30)) return; } return;}
实验总结： 皮肤的椭圆模型确实可以用来做皮肤检测，一旦确定好了该椭圆就可以用来做皮肤检测了。
ellipse(skinCrCbHist, Point(113, 155.6), Size(23.4, 15.2), 43.0, 0.0, 360.0, Scalar(255, 255, 255), -1);
参考文献:
http://www.cnblogs.com/tornadomeet/archive/2012/12/05/2802428.html
A super-simple skin detector in OpenCV
皮肤检测与克服光线影响的连通域寻找(这哥们儿写的方法有些麻烦，我代码里写的是用轮廓)
http://docs.opencv.org/modules/core/doc/drawing_functions.html?highlight=ellipse#cv.Ellipse
联系客服
