我必须捕捉独立于照明的肤色。我使用了以下标准（使用 hsv 和 rgb）但它不起作用：
int h = get_hue(...);
int s = get_saturation(...);
int r = get_red_component(...);
int g = get_green_component(...);
int b = get_blue_component(...);
if ((h<38)&&(h>6)&&(s>0.23)&&(s<0.68)){
// skin color
}
else if ((r>95) && (g>40) && (b>20) &&
((maximum(r,g,b)-minimum(r,g,b))>15) &&
(abs(r-g)>15)&&(r>g)&&(r>b)){
// also skin color
}
它在早上我的皮肤被照亮时起作用，但到了晚上它不起作用。
任何帮助将不胜感激。提前致谢。（PS——我的皮肤不是白的。）
根据我的经验，最好的方法是将其转换为 Lab 颜色空间。L代表光，a和b是光独立的。OpenCV 支持 Lab 色标转换。
对于这种特殊情况，我建议阅读 LAB Color 模型。
关于 LAB 颜色模型，请阅读 Delta E。两种颜色之间的距离。关于色彩空间的更多细节可以在这里找到：http: //www.codeproject.com/Articles/613798/Colorspaces-and-Conversions
我从未尝试过通过 OpenCV 使用 LAB 颜色模型，因为从 RGB 转换为 LAB 并返回（需要立即执行）很麻烦。
但我在 MatLab 上探索了 Delta E 并取得了巨大成功。您必须首先选择皮肤，在视频/图片上绘制一个小的 ROI，程序将找到与您通过 ROI 选择的皮肤完全相同的色调。
这基本上是在训练一个图像数据库。如果您在训练图像数据库或 ColorSpace 转换方面需要帮助，请在此处评论。有点忙，所以答案只是你可以做的建议。干杯。
尝试这个：
''' Detect human skin tone and draw a boundary around it.
Useful for gesture recognition and motion tracking.
Inspired by: http://stackoverflow.com/a/14756351/1463143
Date: 08 June 2013
'''
# Required moduls
import cv2
import numpy
# Constants for finding range of skin color in YCrCb
min_YCrCb = numpy.array([0,133,77],numpy.uint8)
max_YCrCb = numpy.array([255,173,127],numpy.uint8)
# Create a window to display the camera feed
cv2.namedWindow('Camera Output')
# Get pointer to video frames from primary device
videoFrame = cv2.VideoCapture(0)
# Process the video frames
keyPressed = -1 # -1 indicates no key pressed
while(keyPressed < 0): # any key pressed has a value >= 0
# Grab video frame, decode it and return next video frame
readSucsess, sourceImage = videoFrame.read()
# Convert image to YCrCb
imageYCrCb = cv2.cvtColor(sourceImage,cv2.COLOR_BGR2YCR_CB)
# Find region with skin tone in YCrCb image
skinRegion = cv2.inRange(imageYCrCb,min_YCrCb,max_YCrCb)
# Do contour detection on skin region
contours, hierarchy = cv2.findContours(skinRegion, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# Draw the contour on the source image
for i, c in enumerate(contours):
area = cv2.contourArea(c)
if area > 1000:
cv2.drawContours(sourceImage, contours, i, (0, 255, 0), 3)
# Display the source image
cv2.imshow('Camera Output',sourceImage)
# Check for user input to close program
keyPressed = cv2.waitKey(1) # wait 1 milisecond in each iteration of while loop
# Close window and camera after exiting the while loop
cv2.destroyWindow('Camera Output')
videoFrame.release()