[论文解读] 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 9

一句话总结

该论文提出了一种新颖的可调谐皮肤检测方法，结合了混合色彩空间（HSV 和 YCbCr）与从皮肤像素分布中提取的统计特征。通过在皮肤统计特征上进行训练并利用色彩空间融合，该方法在 FEI 数据库上实现了 99.25% 的准确率，在复杂背景上实现了 95.40% 的准确率，展现出在不同肤色下的高鲁棒性、低噪声敏感性以及低计算成本。

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.

研究动机与目标

• 解决现有皮肤检测方法在不同肤色间泛化能力不足的问题。
• 在光照和背景条件变化的情况下，提升皮肤检测的准确率与鲁棒性。
• 开发一种可调谐且可通过可训练统计模型适应不同肤色分布的方法。
• 相比传统的基于色彩空间的方法，降低计算复杂度与噪声敏感性。
• 实现在不预先假设肤色分布的前提下，对所有肤色实现可靠的皮肤检测。

提出的方法

• 从皮肤像素的训练数据集中提取纯净的皮肤统计特征，以建模肤色的分布。
• 采用两阶段方法：首先从皮肤像素中学习统计特征；其次结合 HSV 和 YCbCr 色彩空间执行皮肤检测。
• HSV 与 YCbCr 色彩空间的混合使用增强了颜色区分能力，并提高了对光照变化的鲁棒性。
• 系统在具有代表性的皮肤数据集上进行训练，使其可针对不同肤色分布进行调优。
• 利用统计特征定义决策边界，以高精度区分皮肤与非皮肤像素。
• 该方法结合色彩空间转换与统计建模，以提升检测准确率与适应性。

实验结果

研究问题

• RQ1 皮肤检测方法是否能在不依赖固定颜色阈值的前提下，实现对多样化肤色的高准确率？
• RQ2 在光照变化条件下，结合多种色彩空间（HSV 与 YCbCr）在多大程度上能提升皮肤检测性能？
• RQ3 对皮肤像素分布进行统计建模在多大程度上能增强检测的鲁棒性并降低噪声敏感性？
• RQ4 该方法是否可通过训练阶段有效调优以适应不同的肤色分布？
• RQ5 在皮肤检测系统中，计算复杂度与检测准确率之间存在何种权衡？

主要发现

• 在 FEI 数据库上，所提方法实现了 99.25% ± 0.2% 的皮肤检测准确率，表明在受控条件下具有极高精度。
• 在复杂背景数据库上，该方法实现了 95.40% ± 0.31% 的准确率，表明在真实场景中具备强大的鲁棒性。
• 该方法表现出低噪声敏感性，即使在图像噪声和复杂背景存在的情况下仍能保持高准确率。
• 计算复杂度较低，使其适用于实时应用。
• 系统完全可调谐，可通过训练阶段适应各种肤色分布。
• HSV 与 YCbCr 色彩空间的融合显著提升了皮肤与非皮肤区域的区分能力，优于单一色彩空间方法。