摘要： 膚色檢測(cè)是一種將圖片中顏色為人體膚色的像素點(diǎn)和區(qū)域識(shí)別出來(lái)的技術(shù),常用于手勢(shì)識(shí)別、人機(jī)交互等計(jì)算機(jī)視覺(jué)領(lǐng)域。本文研究了基于RGB、HSV、YCb Cr 3種不同色彩空間的膚色檢測(cè)算法,并對(duì)這些算法的檢測(cè)效果進(jìn)行了實(shí)驗(yàn)測(cè)試,最后對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了對(duì)比分析。

摘要： 隨著計(jì)算機(jī)視覺(jué)技術(shù)的飛速發(fā)展,人臉的檢測(cè)技術(shù)已經(jīng)廣泛用于人們的日常生活中。人臉檢測(cè)技術(shù)的改善與進(jìn)步會(huì)使人臉識(shí)別系統(tǒng)的效率提高,從而使我們的生活變得更加便捷。論文參考前沿神經(jīng)網(wǎng)絡(luò)算法研究成果,在此基礎(chǔ)上結(jié)合膚色檢測(cè)、清晰度檢測(cè)、以及人臉姿態(tài)估計(jì)構(gòu)建一個(gè)基于視頻數(shù)據(jù)的人臉檢測(cè)加優(yōu)選的人臉推送方法。以MTCNN網(wǎng)絡(luò)結(jié)構(gòu)為基礎(chǔ),針對(duì)大多數(shù)人臉識(shí)別算法對(duì)于待識(shí)別圖片的需求,將最優(yōu)最好的人臉圖像供其識(shí)別,從而達(dá)到提高人臉識(shí)別效率的目的。

摘要： 人臉檢測(cè)是一種在數(shù)字圖像中找到人臉位置和大小的技術(shù)。常用于人臉識(shí)別、人臉追蹤、面部動(dòng)作捕捉、相機(jī)自動(dòng)對(duì)焦等應(yīng)用中。本文設(shè)計(jì)并實(shí)現(xiàn)了一種基于膚色檢測(cè)和Haar級(jí)聯(lián)分類器的系統(tǒng)來(lái)進(jìn)行實(shí)時(shí)人臉檢測(cè),先通過(guò)膚色檢測(cè)過(guò)濾掉圖像中的非皮膚像素區(qū)域,后通過(guò)Haar級(jí)聯(lián)分類器對(duì)剩余像素區(qū)域中的人臉進(jìn)行檢測(cè)。實(shí)驗(yàn)結(jié)果表明本系統(tǒng)能夠?qū)崟r(shí)地對(duì)視頻畫面中的人臉進(jìn)行檢測(cè),且人臉檢測(cè)算法計(jì)算時(shí)間明顯小于傳統(tǒng)的檢測(cè)算法。

摘要： 非正面人臉圖像比正面人臉圖像更容易產(chǎn)生因角度原因?qū)е鹿庹詹痪鶆蜻M(jìn)而膚色出現(xiàn)色彩偏差的問(wèn)題,為了應(yīng)對(duì)這種問(wèn)題,詳細(xì)分析了灰色世界法、完美反射法、動(dòng)態(tài)閾值法和參考白算法,并在非正面人臉庫(kù)進(jìn)行實(shí)驗(yàn).經(jīng)過(guò)研究發(fā)現(xiàn),可以根據(jù)平均亮度來(lái)選擇光照補(bǔ)償算法.實(shí)驗(yàn)結(jié)果表明,在平均亮度小于100時(shí),采用參考白算法,平均亮度大于150時(shí),采用完美反射法.在檢測(cè)效果上比單一的光照補(bǔ)償算法更優(yōu).

摘要： 膚色檢測(cè)在人臉檢測(cè)、手勢(shì)識(shí)別、敏感圖像過(guò)濾、醫(yī)療診斷、圖像增強(qiáng)等計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域具有廣泛的應(yīng)用.由于人體膚色容易受光照條件、種族等因素的影響,難以在非限制性場(chǎng)景中達(dá)到理想的膚色檢測(cè)效果,所以自適應(yīng)膚色檢測(cè)方法應(yīng)運(yùn)而生.本文較全面地對(duì)自適應(yīng)膚色檢測(cè)方法進(jìn)行了綜述,重點(diǎn)分析了基于參數(shù)動(dòng)態(tài)調(diào)整和基于高層語(yǔ)義特征的自適應(yīng)膚色檢測(cè)方法,討論了它們各自的優(yōu)勢(shì)和不足,并在此基礎(chǔ)之上展望了未來(lái)的發(fā)展趨勢(shì),為相關(guān)研究人員提供參考.

摘要： 針對(duì)目前基于普通PC攝像頭手勢(shì)識(shí)別方法的不足之處文章提出了一種手勢(shì)檢測(cè)與識(shí)別算法.通過(guò)膚色分割結(jié)合背景差分檢測(cè)手部區(qū)域;提取手勢(shì)輪廓并計(jì)算輪廓點(diǎn)與中心點(diǎn)的距離;最后提取相對(duì)曲線高度特征并采用動(dòng)態(tài)時(shí)間歸整算法(DTW)識(shí)別手勢(shì).實(shí)驗(yàn)結(jié)果表明,上述方法在手勢(shì)檢測(cè)和識(shí)別結(jié)果上都能取得比較好的效果.

摘要： 論文將兩種傳統(tǒng)的皮膚檢測(cè)算法,基于RGB顏色空間的膚色檢測(cè)法和基于橢圓皮膚模型的膚色檢測(cè),以及一種新的基于機(jī)器學(xué)習(xí)的皮膚檢測(cè)算法進(jìn)行了仿真與比較.

摘要： 針對(duì)智慧機(jī)械手的手勢(shì)識(shí)別問(wèn)題,該文提出綜合HCrCb膚色檢測(cè)方法,以混合膚色檢測(cè)為方案,表明所改良的膚色檢測(cè)方法相比于現(xiàn)在較為流行的膚色檢測(cè)方法,在不同光照環(huán)境下有較好的檢測(cè)效果.該文首先研究了五種傳統(tǒng)的膚色檢測(cè)方法,并進(jìn)行了實(shí)際環(huán)境的檢測(cè)測(cè)試,最終綜合各顏色空間的聚類特征,選用HSV空間的H和YCrCb空間的CrCb嘗試膚色檢測(cè),并通過(guò)實(shí)際測(cè)試對(duì)方案進(jìn)行驗(yàn)證,實(shí)現(xiàn)更高精度的檢測(cè),對(duì)未來(lái)膚色檢測(cè)方法推進(jìn)有重要意義.

摘要： 通過(guò)監(jiān)控視頻自動(dòng)檢測(cè)操作任務(wù)中手部異常行為,能夠預(yù)防人因差錯(cuò),提高人因可靠性.針對(duì)手部操作任務(wù)運(yùn)動(dòng)特征不明顯、常用異常檢測(cè)和手勢(shì)識(shí)別方法不適用的問(wèn)題,提出基于區(qū)域劃分與標(biāo)準(zhǔn)時(shí)間的手部異常行為檢測(cè)技術(shù).使用基于橢圓模型的膚色檢測(cè)方法,檢測(cè)視頻中手部形心位置;提出工作區(qū)域劃分方法,根據(jù)手部形心在操作過(guò)程中所處區(qū)域的不同,將連續(xù)操作分割為單元任務(wù),獲得各段單元任務(wù)的起止時(shí)間和持續(xù)時(shí)長(zhǎng);以正常工作時(shí)間為標(biāo)準(zhǔn),對(duì)超出標(biāo)準(zhǔn)時(shí)間范圍的單元任務(wù)提出異常警告.實(shí)驗(yàn)表明:所提方法的單元任務(wù)分割正確率高于93％,異常行為檢測(cè)率高于86％,能夠有效檢測(cè)手部異常行為,為人為差錯(cuò)的監(jiān)測(cè)與預(yù)警提供技術(shù)支持.

摘要： 膚色檢測(cè)在敏感圖像過(guò)濾、人臉檢測(cè)與跟蹤、手勢(shì)識(shí)別等領(lǐng)域都有著重要的應(yīng)用。傳統(tǒng)的膚色檢測(cè)算法主要利用了單個(gè)像素的顏色特征，易受光照條件，復(fù)雜背景等因素的影響。文中基于圖像塊，提出了一種新的基于數(shù)據(jù)挖掘的膚色檢測(cè)算法。首先提取圖像塊的顏色和紋理特征，然后利用決策樹(shù)的數(shù)據(jù)挖掘方法訓(xùn)練生成膚色塊的判斷規(guī)則。實(shí)驗(yàn)結(jié)果表明文中所提出的膚色檢測(cè)算法取得了良好的檢測(cè)效果，尤其是對(duì)含有與皮膚相近顏色物體或背景的圖像。

摘要： 提出了一種新的基于邊緣檢測(cè)與膚色檢測(cè)的人臉檢測(cè)算法;人臉識(shí)別系統(tǒng)是由人臉檢測(cè)和人臉識(shí)別兩部分組成的;人臉檢測(cè)已經(jīng)成為一個(gè)獨(dú)立的分支受到了國(guó)內(nèi)外的高度重視,科研工作者已經(jīng)提出了許多研究方法,本文采用了把新的邊緣檢測(cè)算法和膚色檢測(cè)結(jié)合使用,提高了檢測(cè)效率。通過(guò)matlab語(yǔ)言進(jìn)行仿真,驗(yàn)證了該方法的可行性。

摘要： 針對(duì)彩色圖像中多姿態(tài)人臉檢測(cè)問(wèn)題，提出了一種基于小波不變矩和自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)的檢測(cè)方法。這種方法能夠從復(fù)雜背景的中定位各種姿態(tài)人臉。 首先用膚色檢測(cè)法來(lái)獲取候選區(qū)域,限制了后續(xù)的搜索范圍,提高了算法的效率。與其它多姿態(tài)人臉檢測(cè)算法相比,它不是先設(shè)計(jì)一個(gè)角度檢測(cè)器測(cè)試圖像旋轉(zhuǎn)角度,再交由相應(yīng)的人臉檢測(cè)器進(jìn)行檢測(cè)。它是直接將圖像的小波不變矩作為檢測(cè)器的輸入來(lái)進(jìn)行檢測(cè)的。由于小波不變矩能有效地提取候選區(qū)域的局部特征而且具有旋轉(zhuǎn)不變性,它可以對(duì)各種姿態(tài)的人臉進(jìn)行有效地識(shí)別。而本文檢測(cè)器選用的自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò),它具有很強(qiáng)的自組織和學(xué)習(xí)能力,能夠大大節(jié)約訓(xùn)練時(shí)間。實(shí)驗(yàn)證明,本算法能夠識(shí)別各種姿態(tài)人臉,算法具有高速度、高精度的特點(diǎn)。

摘要： 本文對(duì)基于攝像頭的人機(jī)交互技術(shù)進(jìn)行了介紹.針對(duì)攝像頭圖像輸入的滯后造成的模糊性以及不同光照條件下基于色彩空間的膚色檢測(cè)方法閾值變化很大不具有自適應(yīng)功能的缺點(diǎn),在B-P神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上,構(gòu)造了一個(gè)基于模糊模式的神經(jīng)網(wǎng)絡(luò)膚色濾波器.該濾波器具有學(xué)習(xí)速度快、可適用于較廣范圍的光照條件等特點(diǎn),可應(yīng)用于復(fù)雜環(huán)境下的手勢(shì)圖像檢測(cè)、人臉檢測(cè)等.

摘要： 膚色檢測(cè)是人臉識(shí)別和敏感圖像過(guò)濾等領(lǐng)域中的關(guān)鍵技術(shù).本文針對(duì)已有膚色算法對(duì)亮度信息考慮不足的缺點(diǎn),在色度空間模型基礎(chǔ)上提出了一種在彩色圖像中檢測(cè)膚色像素的新方法--基于亮度的自適應(yīng)色度空間模型膚色算法,該方法綜合了膚色像素在YUV、YIQ色彩空間上的分布特征,并且可以根據(jù)圖像亮度信息以及I值和UV的夾角值區(qū)分肌膚顏色,針對(duì)不同膚色選用不同閾值進(jìn)行檢測(cè).實(shí)驗(yàn)證明該方法對(duì)偏黃、黑色肌膚(亞洲、非洲人)和偏白色肌膚(歐美人)均有很好的檢測(cè)效果,膚色像素檢測(cè)的正確率達(dá)93.4795﹪,誤檢率和檢測(cè)時(shí)間相對(duì)變化不大,檢測(cè)效果有明顯提高.

摘要： 司機(jī)人眼的實(shí)時(shí)、高效、準(zhǔn)確定位在實(shí)際應(yīng)用中有很重要的意義，針對(duì)司機(jī)駕駛過(guò)程中頭部運(yùn)動(dòng)多變、行車環(huán)境光線多變情況下，本文提出一種人眼快速定位方法。該方法首先對(duì)圖像進(jìn)行光線補(bǔ)償，而后在YCbCr 顏色空間進(jìn)行膚色區(qū)域劃分，根據(jù)人臉特征，進(jìn)行分割；然后用Sobel 邊緣算子提取邊緣信息，再利用人眼模板匹配方法快速定位人眼。充分利用視頻圖像幀與幀之間相關(guān)性進(jìn)行人眼的跟蹤與定位，實(shí)驗(yàn)證明該方法快捷有效、具有很好的魯棒性。

摘要： 司機(jī)人眼的實(shí)時(shí)、高效、準(zhǔn)確定位在實(shí)際應(yīng)用中有很重要的意義，針對(duì)司機(jī)駕駛過(guò)程中頭部運(yùn)動(dòng)多變、行車環(huán)境光線多變情況下，本文提出一種人眼快速定位方法。該方法首先對(duì)圖像進(jìn)行光線補(bǔ)償，而后在YCbCr 顏色空間進(jìn)行膚色區(qū)域劃分，根據(jù)人臉特征，進(jìn)行分割；然后用Sobel 邊緣算子提取邊緣信息，再利用人眼模板匹配方法快速定位人眼。充分利用視頻圖像幀與幀之間相關(guān)性進(jìn)行人眼的跟蹤與定位，實(shí)驗(yàn)證明該方法快捷有效、具有很好的魯棒性。

摘要： 司機(jī)人眼的實(shí)時(shí)、高效、準(zhǔn)確定位在實(shí)際應(yīng)用中有很重要的意義，針對(duì)司機(jī)駕駛過(guò)程中頭部運(yùn)動(dòng)多變、行車環(huán)境光線多變情況下，本文提出一種人眼快速定位方法。該方法首先對(duì)圖像進(jìn)行光線補(bǔ)償，而后在YCbCr 顏色空間進(jìn)行膚色區(qū)域劃分，根據(jù)人臉特征，進(jìn)行分割；然后用Sobel 邊緣算子提取邊緣信息，再利用人眼模板匹配方法快速定位人眼。充分利用視頻圖像幀與幀之間相關(guān)性進(jìn)行人眼的跟蹤與定位，實(shí)驗(yàn)證明該方法快捷有效、具有很好的魯棒性。

摘要： 司機(jī)人眼的實(shí)時(shí)、高效、準(zhǔn)確定位在實(shí)際應(yīng)用中有很重要的意義，針對(duì)司機(jī)駕駛過(guò)程中頭部運(yùn)動(dòng)多變、行車環(huán)境光線多變情況下，本文提出一種人眼快速定位方法。該方法首先對(duì)圖像進(jìn)行光線補(bǔ)償，而后在YCbCr 顏色空間進(jìn)行膚色區(qū)域劃分，根據(jù)人臉特征，進(jìn)行分割；然后用Sobel 邊緣算子提取邊緣信息，再利用人眼模板匹配方法快速定位人眼。充分利用視頻圖像幀與幀之間相關(guān)性進(jìn)行人眼的跟蹤與定位，實(shí)驗(yàn)證明該方法快捷有效、具有很好的魯棒性。

摘要： 司機(jī)人眼的實(shí)時(shí)、高效、準(zhǔn)確定位在實(shí)際應(yīng)用中有很重要的意義，針對(duì)司機(jī)駕駛過(guò)程中頭部運(yùn)動(dòng)多變、行車環(huán)境光線多變情況下，本文提出一種人眼快速定位方法。該方法首先對(duì)圖像進(jìn)行光線補(bǔ)償，而后在YCbCr 顏色空間進(jìn)行膚色區(qū)域劃分，根據(jù)人臉特征，進(jìn)行分割；然后用Sobel 邊緣算子提取邊緣信息，再利用人眼模板匹配方法快速定位人眼。充分利用視頻圖像幀與幀之間相關(guān)性進(jìn)行人眼的跟蹤與定位，實(shí)驗(yàn)證明該方法快捷有效、具有很好的魯棒性。

摘要： 本發(fā)明提出一種基于膚色檢測(cè)的鼻頭定位方法和系統(tǒng)。本發(fā)明方法利用膚色檢測(cè)和鼻部區(qū)域的色度幅值低的特點(diǎn)，縮減搜索范圍，避免全圖對(duì)比度計(jì)算，減少計(jì)算量；進(jìn)一步地，利用人臉檢測(cè)區(qū)域定位點(diǎn)及人臉鼻頭區(qū)域，進(jìn)行一致性判定，可進(jìn)一步刪除誤判，以提升鼻頭定位技術(shù)的時(shí)效性。

摘要： 一種基于人臉膚色檢測(cè)的虛擬人物形象的頭發(fā)圖層處理方法，其特征在于，包括，檢測(cè)人臉區(qū)域和特征點(diǎn)；膚色區(qū)域處理；膚色區(qū)域以及特征點(diǎn)輪廓、摳頭掩碼mask等信息，得到人臉掩碼mask；人臉掩碼處理，邊緣過(guò)渡自然；渲染各圖層，生成最終的形象。本發(fā)明提供了一種基于人臉膚色檢測(cè)的虛擬人物形象的頭發(fā)圖層處理方法及系統(tǒng)。由于在摳頭中頭發(fā)摳圖的難度較大，摳頭發(fā)的效果會(huì)由于各種背景和服裝的影響而變得不自然，所以本發(fā)明采用了讓頭發(fā)放在身體和服裝圖層的后面的方案，遮蓋住不自然的頭發(fā)部分，使得生成的人物形象更加美觀。

摘要： 本發(fā)明提供一種基于膚色檢測(cè)的圖像處理方法、系統(tǒng)及服務(wù)器，所述基于膚色檢測(cè)的圖像處理方法包括以下步驟：將原始圖像轉(zhuǎn)換至指定色彩空間，以區(qū)分出適于檢測(cè)膚色的第一膚色區(qū)域；對(duì)所述第一膚色區(qū)域進(jìn)行優(yōu)化處理，以提取優(yōu)化后的第二膚色區(qū)域；對(duì)所述第二膚色區(qū)域進(jìn)行色溫估計(jì)及白平衡校正，以獲取經(jīng)過(guò)白平衡處理的圖像。本發(fā)明計(jì)算復(fù)雜度低可有效提高增益校正因子的準(zhǔn)確度，并能有效的減小圖像顯示的功耗。

摘要： 本發(fā)明提供了一種基于膚色檢測(cè)和深度學(xué)習(xí)的視頻手勢(shì)的識(shí)別方法及裝置，其中的方法獲取視頻數(shù)據(jù)后，通過(guò)預(yù)設(shè)皮膚色彩特征分割模型進(jìn)行膚色判別后，分割出皮膚區(qū)域，并得到二值化圖像，然后對(duì)二值化圖像進(jìn)行輪廓提取，提取出手部輪廓，再利用預(yù)設(shè)手勢(shì)識(shí)別模型對(duì)提取出的手部輪廓進(jìn)行識(shí)別。實(shí)現(xiàn)了提高手勢(shì)識(shí)別的效率以及精度的技術(shù)效果。

摘要： 本發(fā)明的實(shí)施方式提供了一種膚色檢測(cè)系統(tǒng)、方法、介質(zhì)和計(jì)算設(shè)備。該系統(tǒng)包括：檢測(cè)模塊被配置為對(duì)待檢測(cè)圖像進(jìn)行特征提取并檢測(cè)得到初始膚色區(qū)域；監(jiān)督模塊被配置為從待檢測(cè)圖像中獲取面部關(guān)鍵點(diǎn)信息，基于面部關(guān)鍵點(diǎn)信息生成監(jiān)督信息，其中監(jiān)督信息用于確定出待檢測(cè)圖像所包含的檢測(cè)干擾區(qū)域；檢測(cè)校正模塊被配置為根據(jù)監(jiān)督信息從初始膚色區(qū)域中篩除檢測(cè)干擾區(qū)域得到目標(biāo)檢測(cè)區(qū)域。通過(guò)基于面部關(guān)鍵點(diǎn)生成的監(jiān)督信息，將檢測(cè)干擾區(qū)域從初始膚色區(qū)域中篩除得到目標(biāo)檢測(cè)區(qū)域，由于用于檢測(cè)的目標(biāo)檢測(cè)區(qū)域更精準(zhǔn)，因而使得膚色檢測(cè)精度和膚色檢測(cè)質(zhì)量大幅提升，大大改善用戶體驗(yàn)，又有助于擴(kuò)展膚色檢測(cè)的應(yīng)用場(chǎng)景，適應(yīng)于不同應(yīng)用場(chǎng)景。

摘要： 本發(fā)明提出了一種基于角點(diǎn)膚色檢測(cè)的多尺度人臉檢測(cè)方法，主要包括：(1)基于高斯差分和邊緣梯度過(guò)濾的圖像角點(diǎn)提取方法；(2)膚色角點(diǎn)過(guò)濾方法；(3)基于密度聚類的多尺度人臉檢測(cè)方法。通過(guò)檢測(cè)人臉中的膚色角點(diǎn)的位置，確定人臉的中心和輪廓邊緣，從而實(shí)現(xiàn)人臉檢測(cè)。

摘要： 本發(fā)明提出一種基于膚色檢測(cè)的運(yùn)動(dòng)手勢(shì)檢測(cè)及識(shí)別方法，包括以下步驟：S1搖動(dòng)檢測(cè)：檢測(cè)定位手部的位置，找到手部的候選區(qū)域；S2手部膚色模型處理：對(duì)搖動(dòng)檢測(cè)后找到的手部區(qū)域進(jìn)行膚色識(shí)別，區(qū)分人手和背景，建立膚色概率模型；S3手勢(shì)跟蹤：利用均值漂移算法進(jìn)行手勢(shì)跟蹤，用窗口搜索跟蹤識(shí)別手勢(shì)；S4手勢(shì)區(qū)域分割：進(jìn)一步利用手部膚色模型對(duì)跟蹤的手部區(qū)域進(jìn)行分割，得到手勢(shì)的二值圖像；S5手勢(shì)識(shí)別：使用支持向量機(jī)算法實(shí)現(xiàn)手勢(shì)動(dòng)作的識(shí)別。

摘要： 本申請(qǐng)實(shí)施例公開(kāi)了一種基于膚色檢測(cè)的視頻編碼控制方法及裝置，該方法包括：對(duì)視頻圖像中劃分的多個(gè)檢測(cè)單元進(jìn)行檢測(cè)，得到每個(gè)所述檢測(cè)單元的膚色檢測(cè)結(jié)果；根據(jù)所述膚色檢測(cè)結(jié)果確定對(duì)應(yīng)的編碼塊的膚色顯著度值，所述編碼塊包含多個(gè)所述檢測(cè)單元，所述視頻圖像包含多個(gè)編碼塊；根據(jù)所述編碼塊的膚色顯著度值對(duì)所述編碼塊進(jìn)行視頻編碼，本方案優(yōu)化了膚色檢測(cè)機(jī)制，提高了膚色檢測(cè)的靈活性，提升了視頻編碼效果。

摘要： 本申請(qǐng)實(shí)施例提供一種膚色檢測(cè)方法、裝置、終端和存儲(chǔ)介質(zhì)，涉及圖像處理技術(shù)領(lǐng)域，可以提高膚色檢測(cè)的準(zhǔn)確性。膚色檢測(cè)方法，包括：獲取人臉圖像；確定人臉圖像中的人臉關(guān)鍵點(diǎn)；根據(jù)人臉關(guān)鍵點(diǎn)確定人臉圖像中的膚色估計(jì)感興趣區(qū)域和光照估計(jì)感興趣區(qū)域；獲取膚色估計(jì)感興趣區(qū)域?qū)?yīng)的膚色檢測(cè)色值；獲取光照估計(jì)感興趣區(qū)域?qū)?yīng)的光照檢測(cè)色值；將膚色檢測(cè)色值和光照檢測(cè)色值作為膚色估計(jì)模型的特征輸入，并獲取通過(guò)膚色估計(jì)模型輸出的膚色校正色值。

摘要： 本實(shí)用新型公開(kāi)了一種帶膚色檢測(cè)的激光脫毛儀，該激光脫毛儀的內(nèi)部設(shè)有主控板和激光器，頂部設(shè)有治療頭；該治療頭的頭部為出光口，該出光口的一側(cè)設(shè)有膚色采集窗口；該治療頭內(nèi)設(shè)有皮膚感測(cè)電路和顏色傳感器，該皮膚感測(cè)電路包括皮膚感應(yīng)板和皮膚感應(yīng)芯片；當(dāng)皮膚感應(yīng)板感應(yīng)到使用者的皮膚接觸時(shí)，發(fā)送模擬電平信號(hào)給皮膚感應(yīng)芯片，皮膚感應(yīng)芯片輸出高電平信號(hào)給膚色檢測(cè)電路，該膚色檢測(cè)電路控制LED燈點(diǎn)亮，通過(guò)膚色采集窗口采集皮膚顏色的RGB值并發(fā)送給主控板，主控板根據(jù)RGB值控制激光器輸出與膚色相匹配的脈沖波形。本實(shí)用新型可以檢測(cè)使用者膚色并根據(jù)膚色輸出相應(yīng)的脈沖光。