颜色 matters：基于 AI 的人类特征颜色探索
计算机视觉与模式识别
2025-05-22 v1 人工智能
摘要
本研究提出了一种稳健的框架，利用先进的成像技术和机器学习进行关键人类属性（即肤色、发色、虹膜色及血管色度）的特征提取与分类。该系统采用多阶段管道，包括人脸检测、区域分割和主导颜色提取，以隔离和分析这些特征。应用 X-均值聚类等技术，以及感知统一距离度量标准如 Delta E (CIEDE2000)，在 LAB 和 HSV 色彩空间中以增强颜色区分准确性。对于分类，提取皮肤、发色和虹膜的主导色调，并匹配到自定义色调比例；通过手腕图像的血管分析实现色调分类为“温”或“凉”。每个模块均使用针对性分割和色彩空间转换以确保感知精度。该系统在使用带高斯模糊的 Delta E-HSV 方法下实现最高 80% 的色调分类准确率，表明在多样化光照和图像条件下均表现可靠。本工作凸显了 AI 驱动的颜色分析和特征提取在为美容技术、数字个性化和视觉分析提供包容、精确且细致分类潜力的重要性。
引用
@article{arxiv.2505.14931,
title = {Colors Matter: AI-Driven Exploration of Human Feature Colors},
author = {Rama Alyoubi and Taif Alharbi and Albatul Alghamdi and Yara Alshehri and Elham Alghamdi},
journal= {arXiv preprint arXiv:2505.14931},
year = {2025}
}