[논문 리뷰] Novel and Tuneable Method for Skin Detection Based on Hybrid Color Space and Color Statistical Features

Reza Azad, Hamid Reza Shayegh|arXiv (Cornell University)|2014. 07. 24.

Face and Expression Recognition참고 문헌 5인용 수 9

한 줄 요약

이 논문은 하이브리드 색상 공간(HSV 및 YCbCr)과 피부 픽셀 분포에서 추출한 통계적 특징을 조합한 새로운 가소성 있는 피부 감지 방법을 제안한다. 피부 통계에 기반하여 훈련하고 색상 공간 융합을 활용함으로써, FEI 데이터베이스에서 99.25%의 정확도와 복잡한 배경에서 95.40%의 정확도를 달성하여 다양한 피부 톤에서 높은 강건성, 낮은 노이즈 민감도 및 낮은 계산 비용을 보여준다.

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.

연구 동기 및 목표

• 기존의 피부 감지 방법이 다양한 피부 톤에 일반화되지 못하는 한계를 해결하기 위해.
• 다양한 조명 조건과 배경 조건에서 피부 감지 정확도와 강건성을 향상시키기 위해.
• 학습 가능한 통계 모델을 통해 다양한 피부 색상 분포에 맞게 조정 가능하고 유연한 방법을 개발하기 위해.
• 기존의 색상 공간 기반 접근 방식에 비해 계산 복잡도와 노이즈 민감도를 줄이기 위해.
• 피부 색상 분포에 대한 사전 가정 없이 모든 피부 톤에서 신뢰할 수 있는 피부 감지 기능을 제공하기 위해.

제안 방법

• 훈련 데이터셋의 피부 픽셀에서 순수한 피부 통계적 특징을 추출하여 피부 색상 분포를 모델링한다.
• 두 단계의 접근 방식을 사용한다: 첫째, 피부 픽셀에서 통계적 특징을 학습한다; 둘째, HSV 및 YCbCr 색상 공간을 조합하여 피부 감지를 수행한다.
• HSV와 YCbCr 색상 공간의 하이브리드 사용은 색상 구분 능력을 향상시키고 조명 변화에 대한 강건성을 높인다.
• 대표적인 피부 데이터셋으로 훈련함으로써 다양한 피부 톤 분포에 맞게 조정할 수 있다.
• 통계적 특징을 사용하여 피부 픽셀과 비피부 픽셀을 높은 정밀도로 구분하는 결정 경계를 정의한다.
• 색상 공간 변환과 통계 모델링을 융합하여 감지 정확도와 적응 가능성을 향상시킨다.

실험 결과

연구 질문

• RQ1 고정된 색상 임계값에 의존하지 않고 다양한 피부 톤에서 높은 정확도를 달성할 수 있는 피부 감지 방법이 가능한가?
• RQ2 HSV와 YCbCr와 같은 다중 색상 공간을 융합하면 변동하는 조명 조건에서 피부 감지 성능이 어떻게 향상되는가?
• RQ3 피부 픽셀 분포의 통계 모델링이 감지 강건성 향상과 노이즈 민감도 감소에 얼마나 기여하는가?
• RQ4 학습 단계를 통해 제안된 방법이 다양한 피부 색상 분포에 효과적으로 조정될 수 있는가?
• RQ5 피부 감지 시스템에서 계산 복잡도와 감지 정확도 사이의 상충 관계는 어떠한가?

주요 결과

• 제안된 방법은 FEI 데이터베이스에서 99.25% ± 0.2%의 피부 감지 정확도를 달성하여 통제된 조건에서 높은 정밀도를 보였다.
• 복잡한 배경 데이터베이스에서는 95.40% ± 0.31%의 정확도를 달성하여 실제 환경에서의 강력한 강건성을 보였다.
• 이 방법은 낮은 노이즈 민감도를 보이며, 이미지 노이즈와 복잡한 배경이 존재하는 상황에서도 높은 정확도를 유지한다.
• 계산 복잡도가 낮아 실시간 응용에 적합하다.
• 시스템은 완전히 조정 가능한 구조로, 훈련 단계를 통해 다양한 피부 톤 분포에 적응할 수 있다.
• HSV와 YCbCr 색상 공간의 융합은 단일 색상 공간 방법에 비해 피부 영역와 비피부 영역 간의 구분 능력을 크게 향상시켰다.