基于 RGB 比率模型的增强型肤色分类器

肤色检测常用于人员搜索、人脸检测、色情过滤和手部跟踪。数字图像中肤色或非肤色的存在可以通过操纵像素颜色或像素纹理来确定。肤色检测的主要问题在于表示对光照条件变化不变或最不敏感的肤色分布模型。另一个问题源于现实世界中许多物体可能具有与肤色几乎相似的颜色，如木材、皮革、肤色衣物、头发和沙子。此外，肤色因种族而异，即使在同一族裔中，不同个体间也可能存在差异。最后，使用不同类型的相机捕捉物体或场景时，肤色会显得略有不同。本研究的目标是开发一种基于像素并使用 RGB 比率模型的肤色分类器。RGB 比率模型是一种新提出的方法，属于显式定义肤色区域模型类别。该肤色分类器使用 SIdb 数据集以及两个基准数据集（UChile 和 TDSD 数据集）进行了测试，以衡量分类器性能。肤色分类器的性能基于真阳性 (TP) 和假阳性 (FP) 指标进行测量。将该新提出的模型与 Kovac、Saleh 和 Swift 模型进行了比较。实验结果表明，RGB 比率模型在检测率方面优于所有其他模型。RGB 比率模型能够减少由红色物体颜色引起的 FP 检测，并能够检测暗化肤色及被阴影覆盖的肤色。