美颜sdk的核心技术是磨皮，而磨皮的对象就是人像中的皮肤区域，因此，皮肤检测至关重要。

皮肤检测算法一直以来都是业界研究的热点，在工业和医疗中应用广泛。针对美颜sdk磨皮技术，能否避开头发、衣服等物品的干扰，能否实现视频流处理，都与皮肤检测的精度与速度息息相关。在前面的几篇文章中，小编已经讲述了各种保边滤波算法，实际上，使用这些滤波算法处理人像的皮肤区域，就是所说的磨皮。

皮肤检测算法总概

目前，皮肤检测主要可以归纳为以下几种方法：

1、基于颜色空间的皮肤检测算法。

2、基于随机森林决策树以及SVM的皮肤像素分类算法。

3、基于Deep Learning的皮肤区域分割算法。

美颜项目在实际应用中往往要求皮肤检测既要准确又要高效，尤其是随着短视频、直播类应用的迅速崛起，高清视频实时处理已经成为流行趋势，能否在实时处理中应用皮肤检测算法，对于美颜效果至关重要。在以上在三大类的检测方法中，基于颜色空间法速度最快，算法复杂度最低，精度也最低，但是对于视频实时处理场景可以接受，因此，在视频实时处理中流行最广，目前大多数手机中的应用都是使用的这种方法。

皮肤像素分类法，速度慢，精准度与DL皮肤区域分割法差距较大，只考虑了像素颜色特征，误检较多，因此，在DL皮肤区域分割法流行之前，基本用语处理照片检测；

相对而言，DL皮肤区域分割法由于集合了像素颜色、空间位置与纹理特征，精准度可以达到95%以上，随着GPU优化的深入，实时处理也不再是问题，因此，这类方法将是以后美颜算法应用的发展趋势。

以上，就是人脸皮肤检测算法在美颜sdk中的大体应用和总概，如果您对美颜sdk开发感兴趣，欢迎咨询官方客服。

声明：本文由美狐原创，未经允许禁止转载，谢谢合作。