基于知识图谱的肤色检测研究进展分析_任香如.pdf

第 44 卷第 3 期2023 年 3 月激光杂志LASE JOUNALVol.44，No.3March，2023http /www laserjournal cn收稿日期:20221124基金项目:国家自然科学基金资助(No 61275172)作者简介:任香如(1998)，女，硕士研究生，主要研究方向:颜色科学与技术。Email:rxrwhu_rita 163 com通讯作者:万晓霞(1965)，女，教授，主要研究方向:颜色科学与技术。Email:wan whu edu com基于知识图谱的肤色检测研究进展分析任香如，万晓霞，单月，刘段武汉大学图像传播与印刷包装研究中心，武汉430000摘要:通过知识图谱对肤色检测领域的研究热点和研究现状归纳总结，分析该领域存在问题，并对未来研究进行展望。对 Web of Science 核心数据库中检索得到的 3 472 篇相关文献集合，从文献发表量、国家机构合作关系、关键词突现、关键词共现、文献共被引进行可视化分析。结果表明，肤色检测领域研究成果丰富，吸引众多国家、机构及作者研究，但相互间合作较少。研究热点集中在人脸检测、皮肤镜图像处理等方面，神经网络技术的发展也在推进肤色检测的智能化进程。但目前仍面临缺乏标准数据库、算法精度不高与检测成本高昂等局限，未来应进行针对性研究。关键词:肤色检测;肤色分割;CiteSpace;可视化分析;知识图谱中图分类号:TN209文献标识码:Adoi:10.14016/j cnki jgzz.2023.03.010esearch progress of skin color detection based on knowledge graohEN Xiangru，WAN Xiaoxia，SHAN Yue，LIU Duanesearch Center of Graphic Communication，Printing and Packaging，Wuhan University，Wuhan 430000，ChinaAbstract:Based on the knowledge graph，the hot spots and current research status in the field of skin color detec-tion are summarized，the existing problems in this field are analyzed，and the future research is prospected The 3 472related literatures retrieved from the Web of Science core database were visually analyzed from five aspects，includingthe number of publications，the cooperation relationship between national institutions，the emergence and coemer-gence of keywords，and the co citation of literatures The results show that there are rich academic achievements inthe field of skin color detection Many national institutions and authors have studied in this field，but there is little co-operation between them The research hotpots mainly focus on face detection，dermatology image processing，etc，and the development of neural network technology is also promoting the intelligent process of skin color detectionHowever，there are still some limitations such as lack of standard database，low algorithm accuracy and high detectioncost The targeted research should be carried out in the futureKey words:skin color detection;skin color segment;CiteSpace;visual analysis;knowledge graph1引言肤色作为表征人类外观形象的重要元素之一，是代表人类存在的重要信号。肤色检测在人脸识别12、安防预警3、医疗美容4、泛娱乐56 等行业发挥重要作用。在计算机视觉领域，肤色检测是区分数字图像中“皮肤”和“非皮肤”的过程，涉及图像的预处理、定义肤色区域边界、肤色模型训练7 等，可用于构建准确的人脸检测系统，身份信息识别、疲劳驾驶判断等;在医疗领域，肤色检测能够帮助医生诊断如恶性黑色素瘤等皮肤疾病8，医学影像的进步也有利于远程医疗的发展与普及;在泛娱乐领域，短视频、网络直播发展迅猛，肤色美化、肤色增强也愈发受到用户青睐和重视9。近年来，肤色检测应用广泛，吸引众多学者研究和探索。分析归纳该领域研究现状，http /www laserjournal cn厘清当前研究热点、分析现存问题和面临挑战对于该领域学者后续研究和创新十分必要。基于此，通过文献计量法分析近二十年肤色检测的相关文献，首先根据发文量时间分布、国家机构合作网络等梳理其研究的发展脉络，并结合高被引文献进一步分析领域研究动态，以期为肤色检测研究的发展给予一定参考。2数据来源与研究方法2.1数据来源数据来源于 Web of Science(WOS)核心数据库，检索条件为 TS=“Skin color detection”or TS=“Skincolor segment”or TS=“Skin color segmentation”，年份为 2003 年至 2022 年，剔除晶体学、农业、采矿矿物加工等不相关分类以及信函、会议摘要等类型文章，得到 3 563 篇相关文献，作为本文研究的文献数据集合。2.2研究方法文献计量分析应用数学及统计学方法，对某领域文献进行量化分析，能客观定量的反映学科发展态势10。CiteSpace 软件是一款可视化数据分析软件，其采用共引分析理论和寻径网络算法等，对特定领域文献进行计量，并以科学知识图谱的方式展现11。将文献数据集导入 CiteSpace，去重后得到有效文献 3 472 篇。时间跨度设置为 2003 年 1 月至 2022 年12 月，时间切片为 2。对其进行时空分布分析、关键词与研究热点分析以及文献共被引分析，根据图谱所示信息总结发展热点和前景。分析流程如图 1 所示。图 1分析流程3文献时空分布分析3.1肤色检测研究时间分布分析文献发表的时间分布可以直观体现这个领域的研究成果的动态变化趋势，图 2 展示了 1998 年2022年间肤色检测相关研究的发文数量年份分布。从文献总量来看，发文数量不断增加，说明肤色检测研究不断受到国内外学者的关注和重视。从发展阶段来看，经历了起步、波动增长到平缓发展阶段，尽管部分时间段呈波动态，但总体呈上升趋势。起步阶段 1998年2004 年的发文量相对较少但逐年上升，自 2005年后，发文量曲线呈波动状态，但每年的发文量均超过了 100 篇，在 2015 年达到峰值 245 篇，2016 年 2022 年间，该领域发展进入平缓阶段，但也有 5 年的年发文量超过了 200 篇，这说明肤色检测领域整体上的文献成果数量维持在较高水平。图 2文献发表时间分布3.2肤色检测研究空间分布分析分别绘制国家、机构、作者合作网络图谱，分析节点分布及连线情况，可以推断该领域研究的空间分布及合作情况。分析国家合作网络图谱(图 3)并统计发文量前十的国家如表 1 所示。图谱中节点代表国家，节点大小代表文献数量多少，年轮的颜色代表文献时间分布。可以发现，发文量前 10 的国家的频次均超过了 100 篇，这说明各国对于该领域的关注较高，研究成果也较多。中国发文量最多，高达 864 篇，比第二名美国及第三名印度发文量总和还多，但是中心性却未能进入前三，美国的中心性值遥遥领先，这表明美国在该领域的研究兼具了发文数量与发文质量，具有重要作用，中国在注重研究成果数量的同时也要注重高质量发展。观察图谱中各节点的颜色分布，排名前 10 国家代表的节点中大部分节点的各颜色圆环均有分布，而印度的蓝色圆环分布较少，这说明大部分国家从 2003 年起就有研究成果且有持续产出，而印度起步较晚。但印度的发文量仍居第三，可以推断出印度的发展速度很快。通过机构合作网络图谱(图 4)可以发现，肤色检测领域吸引众多机构研究探索，节点数多达 620。近年来发文量较多的机构11任香如，等:基于知识图谱的肤色检测研究进展分析http /www laserjournal cn为中国科学院大学、清华大学、StoeckerAssociates 机构、延世大学、路易斯安那州立大学，反映出各国顶尖高校和顶尖行业机构对于该领域均进行一定研究，但是图谱中各节点连线数仅为 237，反映出机构间的合作较少。此外，作者合作图谱(图 5)同样呈现该特征，节点数多达 700，有 30 位学者在该领域发表 10 篇及以上文献，但图谱显示节点间连线数为 1 109，密度为 0.004 5，说明研究学者间合作不够紧密。图 3国家合作网络图谱表 12003 年2022 年发文量前 10 国家序号频次中心性国家18640.14中国(包含台湾)24850.49美国33500.03印度42130.02韩国51390.08日本61300.23英国71190.05意大利81110.15西班牙91070.12法国101050.12德国图 4机构合作网络图谱图 5作者合作网络图谱4关键词与研究热点分析关键词是作者对研究内容和研究方法的总结与提炼12。通过对关键词进行计量分析(如突现、共现、聚类分析等)，可确定肤色检测领域的研究热点和发展趋势。4.1关键词突现分析根据关键词突现图谱，红色色段代表该关键词频次突然上升或下降的时间段，可反映在该时间段内该领域较大影响力的热点研究。图 6 展现了前 20 位突现的关键词。排名第一的关键词人脸检测爆发于2008、2009 年，正好对应图 2 中发文量波动阶段的高峰值。其余大部分突现关键词都爆发于 2010 年后，其中手势识别、皮肤镜图像突现强度较高，特别是皮肤镜图像、皮肤病，持续时间长，影响力大。这是因为肤色信息的两大主要用途集中于人脸手势等识别和医疗皮肤科。此外，近几年的突现关键词还包括神经网络、机器学习、深度学习等，这表明随着人工智能与大数据发展，肤色检测领域也在向着更优化、更容错、更智能的方向发展，这也是近期研究热点以及趋势所在。图 6Top 20 关键词突现图谱21任香如，等:基于知识图谱的肤色检测研究进展分析http /www laserjournal cn4.2关键词共现分析、聚类分析为探究该领域内研究中心，构建关键词共现图谱，结果如图 7 所示，共 677 个节点，4 261 条连线，关键词众多且基本都存在相互联系。其中节点最大的是关键词“face detection”，说明包含文献数量最多，为495 篇，且中心性为 0.15，在所有文献中排名第二，这说明该关键词既是热点研究内容，又是重要研究内容。其他的高频关键词还包括 skin detection、color、segmentation、diagnosis。图 7关键词共现图谱在关键词共现基础上，对其进行聚类分析，可以更清晰地了解该领域研究内容13。总结各聚类及包含的关键词，整理于表 2 中。聚类标签的数字越小，说明聚类中包含的关键词越多11。该聚类的模块聚类值 Q 值=0.428 3，Q 0.3 代表聚类结果显著，聚类平均轮廓值 S 值=0.757 8，S 0.5 提示聚类结果合理，由此可得该聚类结果显著且较为可靠14。表 22003 年2022 年肤色检测研究文献关键词聚类聚类名称聚类包含的关键词#0 facedetectionFace detection;skin database;skin detection;colorspaces;color constancy#1 melanomaSkin cancer;fuzzy cmeans;nevus;skin lesion;dermoscopic image#2 humanskinSkin;evolution;color vision;in vivo;pigmentation#3 imageprocessingImage processing;skin detection;face detection;skin analysis;skin segmentation#4 imagesegmentationFeature extraction;robot imitation;neural fuzzy sys-tems;image segmentation#5 backgroundmatchingEdge detection;threshold image;watershed imagingmethod;background matching#6 convulutionalnetworkConvolutional neural network;hand detection;re-connaissance robot;hand posture recognition;natu-ral scenes#7 2d colorspaceSkin color determination;illumination independ-ence;3d color space;2d color space;“face detection”不仅是包含最多关键词的聚类名称，也是出现频次最高的关键词名称，可见其在肤色检测领域的影响力之大、影响范围之广。联系聚类中的“skin database”、“color constancy”不难发现，这些既是人脸检测的难点，也是重点。同时，聚类“#3 imageprocessing”“#4 image segmentation”“#5 backgroundmatching”均体现了图像中肤色检测的研究热点。此外，聚类“#6 convulutional network”也表明神经网络、深度学习在肤色检测中的应用，结合高频关键词突现图谱，可以预测出肤色检测技术发展的重心将继续落在此处。5文献共被引分析对参考文献共被引图谱中的关键节点以及连线进行分析，能够反映该研究领域的核心主题，并了解前沿发展和演变动态15。图 8 是被引文献聚类的时间线图谱，更大的节点所代表的文献表明其被引数量更高，最右侧展示的是各聚类涉及的前沿研究方向。根据时间线的颜色分布，图谱以 2010 年为界分为左右两部分，左半部分对应 2010 年前，包含聚类“#0face detection”、“#5 eye detection”、“#9 pigmented skinlesion”，右半部分对应 2010 年后，包含聚类“#1 mela-noma detection”、“#2 skin detection”、“#3 melanomaclassification”、“#4 semantic segmentation”。从中可以看出肤色检测领域研究热点的时间跨度，早期学者的研究重点集中在人脸检测方向，包括算法现在的研究热点趋向于肤色检测在医学领域的应用。与人脸检测相关联的主题中，被引文献次数最多的是 Hsu，L16 发表的彩色图像中的人脸检测，该文提出了基于照明补偿技术与非线性颜色变换下的人脸检测算法，以解决静态彩色图像中的变化场景。被引文献中中心性最高的文献针对图像视频中快速变化的照明条件，提出了实时动态肤色分割新算法17。分析其他高被引文献，总结人脸检测研究过程，经历了由简单阈值分割到深度学习，由单一限制性场景到复杂动态变化场景的发展。Phung S18 在文中探究了颜色像素分类方法对于皮肤分割的重要问题，Alessandra L19 利用 10 个不同皮肤数据集对比了常见的皮肤检测算法，包括 GMM、贝叶斯、SPL、3D 肤色模型等，实验结果表明深度学习在皮肤分割方面非常有效，同时作者也提出集成方法并获得较好性能。与皮肤病检测主题相关的聚类包括“#1 黑色素瘤的检测”、“#4 语义分割”、“#7 非接触式生命体征31任香如，等:基于知识图谱的肤色检测研究进展分析http /www laserjournal cn监测”等。由图谱可看出节点众多，连线密切，多集中于 2013 年以后，反映其在近阶段发展迅猛，热度极高。这是因为现有的皮肤肿瘤诊断大多基于医生视觉判断，受较多因素限制，然而皮肤癌死亡率较高，及时发现、及时干预治疗十分必要，利用计算机处理医学图片可以大大提高诊断效率2021，因此，该领域吸引众多学者研究。其中，被引频次最高的是 EstevaA22 等学者 2017 年发表于 Nature 的文章，文中讨论了使用图像对皮肤病变进行自动分类的问题，并验证了深度学习在皮肤病学中的有效性，这可能对临床医学产生深远影响。同时，很多学者也在提出创新性改进算法以增加病变分割的准确率和效率。例如，MEmre Celebi23 在文中提出一种基于统计区域合并(Statistical egion Merging，SM)的无监督皮肤镜图像边界检测方法，能够实现快速且准确的边界检测。图 8文献共被引聚类图谱通过分析高被引文献，尽管有众多学者在肤色检测领域投入研究，但是由于技术现状的限制以及实际应用的需求，目前肤色检测领域仍然存在一些局限、面临一定的挑战，概括为:(1)肤色检测影响因素的综合性研究。肤色检测算法的精度受若干因素影响，例如训练样本数、颜色空间选择、光照补偿等，各位学者针对这些因素对现有的肤色检测算法进行相应改进，但仍缺乏综合性考虑。(2)肤色数据集和通用评价标准建立。肤色数据集是训练模型的基础24，而现有很多算法在自我收集的数据集测试，一方面数据集质量和准确性难以验证，另一方面评价算法的测试标准也缺乏明确解释，这给肤色检测技术发展带来限制。(3)高精度轻量级算法建立。深度学习在图像分割领域的应用促进了肤色检测模型的发展，同时也伴随着网络复杂度高、训练速度慢等问题，因此，高精度、性能优异的轻量级肤色检测算法还需进一步地研究。(4)更深入的学科融合。由于肤色检测应用领域的不同，技术解决问题各有侧重，例如在医学领域的图像中，如何处理图像中的多余毛发25、如何排除人种皮肤特性干扰等仍然需要针对性探索，肤色检测应与各学科、各应用领域有更高质量、更深入的融合。6结语基于现有文献可视化分析，肤色检测在探究人脸检测、手势识别、皮肤镜图像、黑色素瘤诊断等领域都有广泛深远的应用。从时空分析得出结论，肤色检测领域学术成果丰硕，发文总量持续上升，吸引众多国家、机构和学者研究，但机构间、学者间联系较少，还需进一步加强合作。关键词图谱和文献共被引图谱体现了肤色检测领域的发展热点和未来趋势，随着图像视频信息的普及，肤色检测在图像处理中起到重要作用，神经网络的兴起也在推进肤色检测向人工智能发展。结合高被引文献，梳理肤色检测面临的一系列挑战，即综合探究影响因素、建立标准肤色数据库、寻求更高精准的检测方式与更深入的学科融合，各学者41任香如，等:基于知识图谱的肤色检测研究进展分析http /www laserjournal cn应针对问题做出相应研究，进一步发展肤色检测领域。参考文献 1 O Elharrouss，Almaadeed N，AlMaadeed S，et al Poseinvariant face recognition with multitask cascade networks J Neural Computing Applications，2022，34(8):60396052 2 Zafarifar B，E B Bellers and P H N de With，Applica-tion and Evaluation of TextureAdaptive Skin Detection inTV Image Enhancement J 2013 IEEE International Con-ference on Consumer Electronics(ICCE)，2013:8891 3 Shifa，A，et al，Skin detection and lightweight encryptionfor privacy protection in realtime surveillance applications J Image and Vision Computing，2020:94 4 Kaida Xiao，K X Investigation of Chinese skin colour andappearance for skin colour reproduction J Chinese OpticsLetters，2012 10(8):7478 5 Chen，H Skincolor correction method based on hue tem-plate mapping for wide color gamut liquid crystal display de-vicesJ Color esearch Application，2011 36(5):335348 6 Ikeda，N eflection measurement and visual evaluation ofthe luminosity of skin coated with powder foundationJ Color esearch and Application，2014 39(1):4555 7 Kawulok，M Hybrid adaptation for detecting skin in colorimagesJ Intelligent Data Analysis，2016 20:121 139 8 Soumya，S Advanced Earlier Melanoma Detection Algo-rithm Using Colour Correlogram，in Proceedings of the 2016International Conference On Communication Systems andNetworks(COMNET)2016:International Conference onCommunication Systems and Networks(ComNet)190 194 9 Zhang，K ealtime adaptive skin detection using skincolor model updating unit in videosJ Journal of ealTime Image Processing，2022 19(2):303315 10 张三夕，刘烨 论作为一种文学研究方法的文献学 J 湖北大学学报(哲学社会科学版)，2019 46(04):3943+176 11 陈悦，陈超美 CiteSpace 知识图谱的方法论功能J 科学学研究，2015 33(02):242253 12 闫凯，陈慧敏，付东杰，等 遥感云计算平台相关文献计量可视化分析J 遥感学报，2022.26(02):310323 13 李倩，于娱，施琴芬 基于知识图谱的国内外颠覆式创新研究对比分析J 科技管理研究，2020，40(15):919 14 万彩云，范婷婷，卢青青，等 基于 CiteSpace 可视化分析气虚血瘀证研究热点趋势J 世界科学技术中医药现代化，2021，23(08):28492857 15 陈悦，陈超美，胡志刚，等 引文空间分析原理与运用:Cite Space 实用指南 M 北京:科学出版社，2014 16 einLien，H，A M，K J A Face Detection in Colorimages J IEEE Transactions on Pattern Analysis and Ma-chine Intelligence，2002 24(5):696706 17 Sigal，L，S Sclaroff，V Athitsos Skin Color basedVideo Segmentation Under timevarying IlluminationJ IEEE Trans Pattern Anal Mach Intell，2004 26(7):86277 18 Phung，S L，A Bouzerdoum，D Chai Skin Segmenta-tion Using Color Pixel classification:Analysis and Compari-sonJ IEEE Transactions on Pattern Analysis and Ma-chine Intelligence，2005 27(1):148154 19 Lumini，A，L Nanni Fair Comparison of Skin DetectionApproaches on Publicly Vailable Datasets J Expert Sys-tems with Applications，2020 160:113677 20 D，C M Skin Cancer Detection using Convolutional Neu-ral NetworkC/in 2022 IEEE 12th Annual Computingand Communication Workshop and Conference(CCWC)2022 21 N，H A comprehensive survey on imagebased computeraided diagnosis systems for skin cancer C/in 2016 10thInternational Conference on Software，Knowledge，Informa-tion Management Applications(SKIMA)2016 22 Esteva，A Dermatologistlevel Classification of Skin Canc-er with Deep Neural NetworksJ Nature，2017 542(7639):115118 23 Emre Celebi，M Border detection in dermoscopy images u-sing statistical region mergingJ Skin esearch andTechnology，2008 14(3):347353 24 张坤 自适应动态肤色检测技术研究进展J 液晶与显示，2021 36(02):293304 25 Emre Celebi，M Lesion Border Detection in DermoscopyImages Using Ensembles of Thresholding Methods J Skinesearch and Technology，2013 19(1):25225851任香如，等:基于知识图谱的肤色检测研究进展分析