Published February 1, 2017
| Version v1
Publication
Open
Statistical Pattern Recognition for Thresholding between Human Skin and Background in Color Images
Creators
- 1. Universidade Federal de Goiás
- 2. Universidade de Brasília
- 3. Instituto Federal Goiano
Description
Many research works based on the tone of human skin have been developed to locate and track the human body for the purpose of recognition in color images.With respect to other techniques, some advantages of face detection based on skin color are the smaller processing time, invariant angles of rotation and the performance in semi-occluded faces.In this study we present the results of a survey that investigated the performance of 4 supervised classifiers in skin detection.In order to maximize the generalization of the models, a training set containing samples of individuals of different ages and ethnicities was used.Experimental results showed that the best performance was achieved by using an ANN and the worst results were yielded by LDA.With the Naive Bayes, QDA and ANN algorithms, we showed that the white, black, yellow and brown tones of human skin are in a well-defined range of the RGB color spectrum determined by common characteristics.We also compiled 2798 skin samples for treatment and 305 images with their manually obtained labels as supplementary material, which was made available to help in the development of further research in human skin detection.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تم تطوير العديد من الأعمال البحثية القائمة على لهجة جلد الإنسان لتحديد موقع جسم الإنسان وتتبعه لغرض التعرف عليه في الصور الملونة. فيما يتعلق بالتقنيات الأخرى، فإن بعض مزايا اكتشاف الوجه بناءً على لون البشرة هي وقت المعالجة الأصغر وزوايا الدوران الثابتة والأداء في الوجوه شبه المغلقة. في هذه الدراسة، نقدم نتائج مسح حقق في أداء 4 مصنفات خاضعة للإشراف في الكشف عن الجلد. من أجل تعظيم تعميم النماذج، تم استخدام مجموعة تدريب تحتوي على عينات من أفراد من مختلف الأعمار والأعراق. أظهرت النتائج التجريبية أن أفضل أداء تم تحقيقه باستخدام ANN وأسوأ النتائج تم تحقيقها بواسطة LDA. باستخدام خوارزميات Naive Bayes و QDA و ANN، أظهرنا أن درجات اللون الأبيض والأسود والأصفر والبني للبشرة البشرية تقع في نطاق محدد جيدًا من الطيف اللوني RGB الذي تحدده الخصائص الشائعة. قمنا أيضًا بتجميع 2798 عينة جلدية للعلاج و 305 صورة مع ملصقاتها التي تم الحصول عليها يدويًا كمواد تكميلية، والتي للمساعدة في تطوير المزيد من البحوث في الكشف عن جلد الإنسان.Translated Description (French)
De nombreux travaux de recherche basés sur le ton de la peau humaine ont été développés pour localiser et suivre le corps humain à des fins de reconnaissance dans les images en couleur. Par rapport à d'autres techniques, certains avantages de la détection du visage basée sur la couleur de la peau sont le temps de traitement plus court, les angles de rotation invariants et la performance dans les visages semi-occlus. Dans cette étude, nous présentons les résultats d'une enquête qui a examiné la performance de 4 classificateurs supervisés dans la détection de la peau. Afin de maximiser la généralisation des modèles, un ensemble de formation contenant des échantillons d'individus de différents âges et ethnies a été utilisé.Les résultats expérimentaux ont montré que les meilleures performances ont été obtenues en utilisant un ANN et les pires résultats ont été obtenus par LDA.Avec les algorithmes Naive Bayes, QDA et ANN, nous avons montré que les tons blancs, noirs, jaunes et bruns de la peau humaine sont dans une gamme bien définie du spectre de couleurs RVB déterminé par des caractéristiques communes.Nous avons également compilé 2798 échantillons de peau pour le traitement et 305 images avec leurs étiquettes obtenues manuellement comme matériel supplémentaire, qui a été mis à disposition pour aider au développement de nouvelles recherches dans la détection de la peau humaine.Translated Description (Spanish)
Se han desarrollado muchos trabajos de investigación basados en el tono de la piel humana para localizar y rastrear el cuerpo humano con el fin de reconocerlo en imágenes en color. Con respecto a otras técnicas, algunas ventajas de la detección facial basada en el color de la piel son el menor tiempo de procesamiento, los ángulos de rotación invariantes y el rendimiento en caras semiocluidas. En este estudio presentamos los resultados de una encuesta que investigó el rendimiento de 4 clasificadores supervisados en la detección de la piel. Con el fin de maximizar la generalización de los modelos, Se utilizó un conjunto de entrenamiento que contenía muestras de individuos de diferentes edades y etnias. Los resultados experimentales mostraron que el mejor rendimiento se logró mediante el uso de una ANN y los peores resultados fueron obtenidos por LDA. Con los algoritmos Naive Bayes, QDA y ANN, mostramos que los tonos blanco, negro, amarillo y marrón de la piel humana se encuentran en un rango bien definido del espectro de color RGB determinado por características comunes. También compilamos 2798 muestras de piel para el tratamiento y 305 imágenes con sus etiquetas obtenidas manualmente como material complementario, que se puso a disposición para ayudar en el desarrollo de nuevas investigaciones en la detección de la piel humana.Files
jcssp.2017.22.33.pdf
Files
(950.3 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:bddadedc7e507faa9f1af1c1d79331c9
|
950.3 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- التعرف على النمط الإحصائي للعتبة بين جلد الإنسان والخلفية في الصور الملونة
- Translated title (French)
- Reconnaissance statistique des modèles pour le seuillage entre la peau humaine et l'arrière-plan dans les images en couleur
- Translated title (Spanish)
- Reconocimiento estadístico de patrones para el establecimiento de umbrales entre la piel humana y el fondo en imágenes en color
Identifiers
- Other
- https://openalex.org/W2614849204
- DOI
- 10.3844/jcssp.2017.22.33
References
- https://openalex.org/W1969115490
- https://openalex.org/W1971816722
- https://openalex.org/W1973531730
- https://openalex.org/W2001619934
- https://openalex.org/W2007067258
- https://openalex.org/W2058905763
- https://openalex.org/W2070692575
- https://openalex.org/W2078088780
- https://openalex.org/W2082330869
- https://openalex.org/W2106075360
- https://openalex.org/W2134262590
- https://openalex.org/W2153746365
- https://openalex.org/W2317226945