[論文レビュー] Novel and Tuneable Method for Skin Detection Based on Hybrid Color Space and Color Statistical Features

Reza Azad, Hamid Reza Shayegh|arXiv (Cornell University)|Jul 24, 2014

Face and Expression Recognition参考文献 5被引用数 9

ひとこと要約

本論文では、HSVとYCbCrのハイブリッドカラー空間と、肌色ピクセル分布から抽出された統計的特徴を組み合わせた、新規でチューナブルな肌色検出手法を提案する。肌色の統計的特性を学習し、カラー空間の融合を活用することで、FEIデータベースでは99.25%、複雑な背景では95.40%の精度を達成し、多様な肌色において高い耐性、低ノイズ感受性、低計算コストを示した。

ABSTRACT

Skin detection is one of the most important and primary stages in some of image processing applications such as face detection and human tracking. So far, many approaches are proposed to done this case. Near all of these methods have tried to find best match intensity distribution with skin pixels based on popular color spaces such as RGB, CMYK or YCbCr. Results show these methods cannot provide an accurate approach for every kinds of skin. In this paper, an approach is proposed to solve this problem using statistical features technique. This approach is including two stages. In the first one, from pure skin statistical features were extracted and at the second stage, the skin pixels are detected using HSV and YCbCr color spaces. In the result part, the proposed approach is applied on FEI database and the accuracy rate reached 99.25 + 0.2. Further proposed method is applied on complex background database and accuracy rate obtained 95.40+0.31%. The proposed approach can be used for all kinds of skin using train stage which is the main advantages of it. Low noise sensitivity and low computational complexity are some of other advantages.

研究の動機と目的

• 多様な肌色に一般化できない既存の肌色検出手法の限界を解消すること。
• 照明状態や背景の変化にさらされても、肌色検出の精度と耐性を向上させること。
• 学習可能な統計モデルを用いて、さまざまな肌色分布に適応可能なチューナブルで柔軟な手法を開発すること。
• 従来のカラースペースベースの手法と比較して、計算複雑性とノイズ感受性を低減すること。
• 肌色分布の事前仮定を必要とせず、あらゆる肌色に対して信頼性の高い肌色検出を可能にすること。

提案手法

• 肌色ピクセルのトレーニングデータセットから純粋な肌色の統計的特徴を抽出し、肌色の色の分布をモデル化する。
• 二段階のアプローチを採用する：第一に、肌色ピクセルから統計的特徴を学習する。第二に、HSVとYCbCrのカラースペースを併用して肌色検出を実行する。
• HSVとYCbCrのハイブリッドな使用により、色の識別能が向上し、照明変動への耐性が高まる。
• 代表的な肌色データセットでトレーニングすることで、異なる肌色分布に合わせたチューニングが可能になる。
• 統計的特徴を用いて、肌色ピクセルと非肌色ピクセルを高精度に区別する意思決定境界を定義する。
• カラースペース変換と統計モデリングを組み合わせることで、検出精度と適応性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 固定された色閾値に依存せずに、多様な肌色にわたって高い精度を達成できる肌色検出手法は可能か？
• RQ2 HSVとYCbCrの複数カラースペースの組み合わせは、照明状態が変動する条件下でどのように肌色検出性能を向上させるか？
• RQ3 肌色ピクセル分布の統計的モデリングは、検出の耐性を高め、ノイズ感受性を低減するのにどの程度寄与するか？
• RQ4 トレーニング段階を経ることで、提案手法がさまざまな肌色分布に効果的にチューニング可能か？
• RQ5 肌色検出システムにおいて、計算複雑性と検出精度のトレードオフはどのようなものか？

主な発見

• 提案手法は、FEIデータベースで99.25% ± 0.2%の肌色検出精度を達成し、制御された条件下での高精度を示した。
• 複雑な背景を含むデータベースでは、95.40% ± 0.31%の精度を達成し、実世界のシナリオでも強力な耐性を示した。
• ノイズ感受性が低く、画像ノイズや複雑な背景が存在する状況でも高い精度を維持した。
• 計算複雑性が低いため、リアルタイム応用に適している。
• システムは完全にチューナブルであり、トレーニング段階を経て、さまざまな肌色分布に適応可能である。
• HSVとYCbCrのカラースペースの融合は、単一カラースペース手法と比較して、肌色領域と非肌色領域の識別を著しく向上させた。