一、团队介绍

大家好，我们是293小分队，报名编号为CICC1363。本次我们将分享肤色检测的相关知识。水平有限，如果有错误希望大家多多批评指正。

二、肤色检测原理

在RGB图像中，肤色对光照强度的敏感度很高，因此RGB下的肤色没有明显的特异性。而在YCbCr图像中，去除光照强度Y的影响，人的肤色在CbCr中存在明显的聚类，即77和133，绝大多数人的肤色分量位于这个区间中。基于此，可以通过判断图像中像素点的Cb和Cr分量，从而判断是否存在人脸以及人脸位置。当然，这种检测方法十分容易出现误差，只要颜色分量相近，就很可能被误认。

二、肤色检测流程

A. rgb2YCbCr+二值化：

基于以下公式，将浮点数运算转换为定点数运算，并根据77和133条件将图像转变为二值化图像。

B.    滤波（腐蚀+膨胀）：

图像中可能存在噪声或者其他干扰项，会对肤色检测带来影响，因此需要对其进行去除，最常用的方法便是腐蚀和膨胀操作。

腐蚀操作将图像中的白色区域缩小，从而可以消除二值图像中的噪声白点或者部分干扰白色小区域；而膨胀操作将图像中的白色区域扩大，从而抵消腐蚀操作对图像带来的变化。通过腐蚀和膨胀，可以在几乎不改变图像的前提下消除干扰，提高肤色检测准确度。其效果如下所示：

在FPGA中，实现腐蚀和膨胀操作最主要的就是按照像素点顺序构建3*3方块矩阵，然后对矩阵中的像素点进行运算，对于腐蚀操作就是“与”，对于膨胀操作就是“或”。在vivado中，可以使用shift RAM来构建方块矩阵。shift RAM的深度设置为图像的宽度，两个shift RAM相连分别输出第一行和第二行数据，而输出可以作为第三行数据，从而构成3*3矩阵，并随着像素的输入该矩阵逐次向前推进。

C.    确定区域

对于二值化图像，我们只需要确定白色像素点坐标在X和Y方向的最值，从而确定肤色区域的外围。

三、肤色检测仿真

将像素点保存在文本文档中，通过testbench将其读入到数组中，并依次输入到肤色检测模块中，最终输出坐标最值。