피부색 검출은 크기나 방향에 영향을 받지 않기 때문에 빠른 처리가 가능하다. 이는 얼굴 검출, 제스처 인식, 모션 트래킹, 그리고 피부색 재현 등에 전처리 과정으로 사용되는 특징으로 사용된다. 하지만 피부색은 조명환경, 인종, 그리고 나이에 따라 다양한 피부색을 가지기 때문에 이를 검출하는 것은 어렵다. 본 논문에서는 다중의 가우시안 모델을 사용한 피부색 검출 방법을 제안한다.
사람의 피부색은 붉은 색에 민감한 특징을 가진다. 이러한 특징을 이용하여 Cheddad는 에러 신호 (E)를 제안하였고, 본 논문에서는 입력 값 RGB를 에러 신호 (ECheddad)에 채도 신호 (S)를 더한 ...
피부색 검출은 크기나 방향에 영향을 받지 않기 때문에 빠른 처리가 가능하다. 이는 얼굴 검출, 제스처 인식, 모션 트래킹, 그리고 피부색 재현 등에 전처리 과정으로 사용되는 특징으로 사용된다. 하지만 피부색은 조명환경, 인종, 그리고 나이에 따라 다양한 피부색을 가지기 때문에 이를 검출하는 것은 어렵다. 본 논문에서는 다중의 가우시안 모델을 사용한 피부색 검출 방법을 제안한다.
사람의 피부색은 붉은 색에 민감한 특징을 가진다. 이러한 특징을 이용하여 Cheddad는 에러 신호 (E)를 제안하였고, 본 논문에서는 입력 값 RGB를 에러 신호 (ECheddad)에 채도 신호 (S)를 더한 ES 특징 공간으로 변환한다. 피부색을 모델링하기 위해서는 가우시안 모델이 흔히 사용되지만, 하나의 가우시안 모델로 다양한 피부색을 커버하기에는 불가능하다. 따라서 피부색 학습 데이터 베이스를 피부 톤에 따라 나누고, 단일 가우시안 모델링을 각각 적용하여 피부색 영역을 학습한다. 피부색 검출에서는 생성된 가우시안 타원 중에 입력 칼라 화소와 가우시안 타원의 중심과의 마하라노비스 거리가 가장 가까운 가우시안 타원을 선택한다. 입력 칼라 화소가 선택된 가우시안 타원 내부에 있으면 이를 피부색으로 분류하고, 외부에 있으면 이를 비피부색으로 분류한다. 그리고 분류된 결과에서 확장된 가우시안 모델과 노이즈 제거를 통해 보다 정확한 피부색을 검출한다. 실험 결과에서 제안한 방법이 붉은 피부색과 황록색의 피부색 검출과 비피부색 영역 제거율이 높은 것을 확인할 수 있다.
피부색 검출은 크기나 방향에 영향을 받지 않기 때문에 빠른 처리가 가능하다. 이는 얼굴 검출, 제스처 인식, 모션 트래킹, 그리고 피부색 재현 등에 전처리 과정으로 사용되는 특징으로 사용된다. 하지만 피부색은 조명환경, 인종, 그리고 나이에 따라 다양한 피부색을 가지기 때문에 이를 검출하는 것은 어렵다. 본 논문에서는 다중의 가우시안 모델을 사용한 피부색 검출 방법을 제안한다.
사람의 피부색은 붉은 색에 민감한 특징을 가진다. 이러한 특징을 이용하여 Cheddad는 에러 신호 (E)를 제안하였고, 본 논문에서는 입력 값 RGB를 에러 신호 (ECheddad)에 채도 신호 (S)를 더한 ES 특징 공간으로 변환한다. 피부색을 모델링하기 위해서는 가우시안 모델이 흔히 사용되지만, 하나의 가우시안 모델로 다양한 피부색을 커버하기에는 불가능하다. 따라서 피부색 학습 데이터 베이스를 피부 톤에 따라 나누고, 단일 가우시안 모델링을 각각 적용하여 피부색 영역을 학습한다. 피부색 검출에서는 생성된 가우시안 타원 중에 입력 칼라 화소와 가우시안 타원의 중심과의 마하라노비스 거리가 가장 가까운 가우시안 타원을 선택한다. 입력 칼라 화소가 선택된 가우시안 타원 내부에 있으면 이를 피부색으로 분류하고, 외부에 있으면 이를 비피부색으로 분류한다. 그리고 분류된 결과에서 확장된 가우시안 모델과 노이즈 제거를 통해 보다 정확한 피부색을 검출한다. 실험 결과에서 제안한 방법이 붉은 피부색과 황록색의 피부색 검출과 비피부색 영역 제거율이 높은 것을 확인할 수 있다.
The skin region detection possible fast processing because it isn’t influenced by size and direction. So skin color segmentation uses preprocessing of face detection, gesture recognition, motion tracking, and skin color reproduction. However skin color segmentation is difficult because skin color ha...
The skin region detection possible fast processing because it isn’t influenced by size and direction. So skin color segmentation uses preprocessing of face detection, gesture recognition, motion tracking, and skin color reproduction. However skin color segmentation is difficult because skin color has different characteristic according to illuminant, ethnic, and age. In this paper, we proposed skin color segmentation based on multiple Gaussian models.
Skin color has characteristic which is sensitive to reddish color and Cheddad proposed error signal (ECheddad) using this characteristic. In this paper, input RGB value is transformed into ES feature which saturation (S) is added to the ECheddad. For modeled the skin colors, a Gaussian model is one of the effective methods of modeling a skin color. However, because of varying skin colors, the distribution of skin colors cannot be fully covered by a single Gaussian model. Thus, we partition skin color database according to skin tones and apply single Gaussian model, respectively. remodeled the skin colors. In segmentation the skin color process, we select the created Gaussian ellipse which has minimum Mahalanobis distance with center of Gaussian ellipse and input color vector. If input vector is inside the selected ellipse, it is approved as a skin pixel. Otherwise it is rejected as a non-skin pixel. Then we remove noise and extend Gaussian ellipse for detecting skin and removing non-skin more accurately. Experimental results show that our method can increase the detection rate in the reddish and yellow-greenish skin colors.
The skin region detection possible fast processing because it isn’t influenced by size and direction. So skin color segmentation uses preprocessing of face detection, gesture recognition, motion tracking, and skin color reproduction. However skin color segmentation is difficult because skin color has different characteristic according to illuminant, ethnic, and age. In this paper, we proposed skin color segmentation based on multiple Gaussian models.
Skin color has characteristic which is sensitive to reddish color and Cheddad proposed error signal (ECheddad) using this characteristic. In this paper, input RGB value is transformed into ES feature which saturation (S) is added to the ECheddad. For modeled the skin colors, a Gaussian model is one of the effective methods of modeling a skin color. However, because of varying skin colors, the distribution of skin colors cannot be fully covered by a single Gaussian model. Thus, we partition skin color database according to skin tones and apply single Gaussian model, respectively. remodeled the skin colors. In segmentation the skin color process, we select the created Gaussian ellipse which has minimum Mahalanobis distance with center of Gaussian ellipse and input color vector. If input vector is inside the selected ellipse, it is approved as a skin pixel. Otherwise it is rejected as a non-skin pixel. Then we remove noise and extend Gaussian ellipse for detecting skin and removing non-skin more accurately. Experimental results show that our method can increase the detection rate in the reddish and yellow-greenish skin colors.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.