prefacio
La tecnología de detección del color de la piel tiene una amplia gama de aplicaciones en detección y reconocimiento de rostros, sistemas de videovigilancia, detección de imágenes desnudas, recuperación de imágenes basadas en contenido, reconocimiento de gestos, diagnóstico de enfermedades del color de la piel, detección de fatiga del conductor, interacción hombre-computadora y otros campos. Amplia atención e investigación.
Para la aplicación de belleza y belleza, necesitamos la función de detección del color de la piel para obtener el área de la piel y luego realizar operaciones específicas como el pulido y el blanqueamiento de la piel.
método
Hay muchos métodos utilizados en la tecnología de detección del color de la piel, que se pueden dividir en diferentes categorías desde diferentes perspectivas. Según si el proceso de formación de imágenes está involucrado o no, se puede dividir en métodos basados en estadísticas y métodos basados en la física. De acuerdo con la escala del procesamiento de datos de imágenes del color de la piel, se puede dividir en detección basada en píxeles y detección basada en regiones. El método de detección del color de la piel basado en píxeles clasifica el color de la piel y el color que no es de la piel para un solo píxel. La esencia del método de detección del color de la piel basado en regiones es similar al método de detección basado en píxeles, pero se considera la distribución espacial de los colores.
La tecnología de detección del color de la piel basada en píxeles distingue los píxeles del color de la piel de los píxeles que no son del color de la piel mediante el establecimiento de un modelo de color de la piel. El modelo de color de la piel se puede expresar como un conjunto de reglas o umbrales, o se puede entrenar a partir de algoritmos de aprendizaje automático. Los principales métodos de detección se pueden dividir en métodos basados en estadísticas, métodos basados en umbrales y métodos basados en aprendizaje automático.
El método estadístico considera la detección del color de la piel como un problema de probabilidad y calcula la probabilidad de los píxeles del color de la piel entrenando conjuntos de datos en un espacio de color específico. Por ejemplo, Jones MJ y otros utilizaron el método de la tabla de búsqueda para aprender los píxeles del color de la piel y los píxeles que no son del color de la piel de las imágenes de la red para construir un conjunto de datos para la detección del cuerpo humano y el reconocimiento de imágenes de adultos.
El método de detección del color de la piel basado en el aprendizaje automático aprende a crear un clasificador del color de la piel a partir de un conjunto de datos de entrenamiento sin crear un modelo claro del color de la piel. El aprendizaje automático se divide en aprendizaje supervisado y aprendizaje no supervisado. El aprendizaje automático para la detección del color de la piel es principalmente un método de aprendizaje supervisado. El método más popular es el uso de redes neuronales artificiales (ANN). El uso de redes neuronales y el aprendizaje profundo para la detección del color de la piel tienen dos propósitos principales: uno es mejorar el rendimiento del algoritmo; el otro es resolver los desafíos de la detección del color de la piel, como el color de piel multiétnico y las múltiples condiciones de iluminación. Como Yasar A, etc. use U