基本的hsb皮肤检测，霓虹灯照明

我希望这是问的正确地方。否则，请为我的错误感到抱歉，并请愿为我提供一个更好的网站。

我正在尝试使用一定范围的hsb图像实现一个超级简单的皮肤检测器。我正在这里和这里描述的方法。

我尝试使用网络摄像头中的视频源。如果我使用阳光照明，效果会很好（不是很好，但是很好），但是在霓虹灯下..那是一团糟。检测到很多白色区域，到处都有很多噪音。

为什么？

我正在使用第二个来源中描述的算法：

1. 将图像转换为HSV颜色空间
2. 将白色放在0 <H <38的范围内
3. 扩张过滤器
4. 腐蚀过滤器
5. 模糊滤镜

实际上，使用简单的RGB生成模型而不是HSV可能会更好。

1. 获取一张训练图像或一些皮肤有些训练的图像。
2. 手动选择皮肤像素（例如，通过创建二进制蒙版）
3. 计算RGB中肤色的均值和协方差（每个均应为3元素向量）
4. 对于未知像素，使用协方差计算其距均值的马氏距离。
5. 如果距离小于阈值，则将其分类为皮肤。
6. 调整最佳性能的阈值。

$n$$n$$P$$m$$m$$m$$P$$Q$$Q$$C = Q'Q$$C$ 是3 x 3

Edit2： 您获得的值似乎太大。要获得最大协方差，请创建以下矩阵：

255 255 255
 0   0   0

并计算其协方差。您应该获得一个矩阵，其中每个值大约为32513。因此，请确保像素值的范围是0到255，并确保将其正确复制到float或double中。马氏距离以方差为单位，因此，该数字应较小。您的皮肤分类阈值应小于4。

考虑到在应用霓虹灯时HSV颜色获得的不同值：此处是其偏差的示例。尝试调整您的算法，使其适应这些值。

这里有另一种检测皮肤的算法，并且可以使用该算法来检测光照条件。

另一种算法，与皮肤检测，但没有太多的涉及到霓虹灯效果，是这一个。

到目前为止，您所获得的答案都指向了不错的替代方法，但是，如果您对使用诸如初始算法之类的东西感兴趣，则可能不难解决。您只需要针对OpenCV的HSV特性进行调整。鉴于结果古怪，我认为您可能在选择阈值和/或转换像素时使用了HSV的一种较常见的数字表示形式？

OpenCV代表HSV的方式与您可能发现的大多数其他来源不同：

• 您最大的不同是色相：OpenCV表示色相的范围是0到179，而几乎其他所有东西都利用悬挂位来保存更多信息，色泽是0-255。
• 另一个区别是：饱和度的测量值与标准值相比是倒置的。因此255饱和度意味着opencv会变亮，而不是白色（注意，我们回到了255-只有色相是0-180，可能是因为“滚轮”表示吗？）

可能为时已晚，无法为您提供帮助，但这是一个有趣的问题，其他人可能会遇到同样的问题。

import sys
import numpy
import cv2

cap = cv2.VideoCapture(0)
while(1):
    _, im = cap.read()

    im_ycrcb = cv2.cvtColor(im, cv2.COLOR_BGR2YCR_CB)

    skin_ycrcb_mint = numpy.array((0, 133, 77))
    skin_ycrcb_maxt = numpy.array((255, 173, 127))
    skin_ycrcb = cv2.inRange(im_ycrcb, skin_ycrcb_mint, skin_ycrcb_maxt)

    cv2.imshow("Second Image", skin_ycrcb) # Second image
    contours, _ = cv2.findContours(skin_ycrcb, cv2.RETR_EXTERNAL, 
        cv2.CHAIN_APPROX_SIMPLE)
    for i, c in enumerate(contours):
        area = cv2.contourArea(c)
            if area > 1000:
                cv2.drawContours(im, contours, i, (255, 0, 0), 3)
    cv2.imshow("Final Image", im)         # Final image
    cv2.waitKey(1)