Wyniki wyszukiwania - BazTech

1

Face detection in color images using skin segmentation

Hajiarbabi M., Agah A.

Journal of Automation Mobile Robotics and Intelligent Systems

|

2014

|

Vol. 8, No. 3

41--51

EN

Face detection which is a challenging problem in computer vision, can be used as a major step in face recognition. The challenges of face detection in color images include illumination differences, various cameras characteristics, different ethnicities, and other distinctions. In order to detect faces in color images, skin detection can be applied to the image. Numerous methods have been utilized for human skin color detection, including Gaussian model, rule-based methods, and artificial neural networks. In this paper, we present a novel neural network-based technique for skin detection, introducing a skin segmentation process for finding the faces in color images.

2

Adaptive skin detection in colour images using error signal space

Papież M., Kawulok M.

Studia Informatica

|

2013

|

Vol. 34, nr 2A

365--377

EN

In this paper we present a study on skin detection methods which operate in an error signal, obtained from the RGB colour space. Using this singledimensional space, a global skin colour model was defined, as well as a facial regionbased adaptation scheme was proposed recently. Our contribution lies in investigating the importance of how the facial regions are defined, and also we extend the existing methods that operate in the error space. Obtained experimental results indicate that the proposed improvements help better exploit the potential of the error space, and they reduce the skin detection errors.

PL

Artykuł przedstawia badania dotyczące metod detekcji skóry na podstawie sygnału błędu, otrzymanego po przekształceniu przestrzeni barwnej RGB. We wcześniej opublikowanych pracach sygnał błędu posłużył do zdefiniowania globalnego modelu barwy skóry, a także modelu adaptacyjnego bazującego na wykrytych obszarach twarzy. Wkład autorów polega na zbadaniu istotności sposobu określania obszarów twarzy, a ponadto zaproponowane zostało rozwinięcie istniejących metod. Otrzymane wyniki eksperymentalne pokazują, że proponowane udoskonalenia umożliwiają bardziej efektywne wykorzystanie przestrzeni błędu oraz skutkują redukcją błędów detekcji skóry.

3

Skin region detection in digital images using discriminative textural features

Kawulok M.

Studia Informatica

|

2012

|

Vol. 33, nr 2B

37-48

EN

This paper presents a novel approach towards human skin regions detection and segmentation. The main contribution is concerned with proposing the discriminative texture analysis performed over skin probability maps obtained using conventional color-based methods. Results of the experimental validation reported in the paper confirm that the texture is an important source of information, neglected by many skin detection techniques.

PL

Niniejszy artykuł przedstawia nową metodę poprawy dokładności detekcji i segmentacji obszarów ludzkiej skóry w obrazach cyfrowych. Oryginalnym elementem przedstawionych badań jest zastosowanie dyskryminacyjnej analizy teksturalnej, przeprowadzanej w obrazie mapy prawdopodobieństwa występowania skóry. Mapy takie są otrzymywane za pomocą klasycznych metod funkcjonujących na bazie analizy barwy. Przedstawione wyniki walidacji eksperymentalnej potwierdzają, że tekstura stanowi istotne źródło informacji w detekcji skóry, co nie jest wykorzystywane przez większość istniejących metod.

4

Pixel-based skin color detection technique

Zaqout I., Zainuddin R., Baba S.

Machine Graphics and Vision

|

2005

|

Vol. 14, No. 1

61-70

EN

One of the simplest features used for the human face detection problem is the skin color information. A simple and relatively efficient histogram-based algorithm to segment skin pixels from a complex background is presented. The histogram-based algorithm used here is referred to as the lookup table (LUT) and is adopted to identify those intervals which may fall in the skin locus plane. For that purpose, a total of 306,401 skin samples are manually collected from RGB color images to calculate three lookup tables based on the relationship between each single pair of the three components (R, G, B). To estimate the skin locus boundary, a skin classifier box is created by integration of the proposed three heuristic rules based on how often each RGB pixel-relationship falls into its interval.