Сегментация кожи человека на изображении широко применяется в качестве алгоритмов компьютерного зрения. Наиболее распространенным подходом к повышению качества сегментации кожи является обучение бинарного классификатора, отделяющего цвета кожи человека от цветов фона. В работе рассмотрена проблема обучения бинарных классификаторов. Предложен новый метод получения обучающей выборки с унификацией цветов на каждом изображении. Построена сглаженная ROC-кривая. Даны рекомендации по подготовке тестовой выборки для правильного сравнения бинарных классификаторов. С использованием предложенного метода проведено обучение классификаторов Гаусса и Байеса. Представлены результаты тестирования и сравнения полученных классификаторов. Показано, что рассмотренный метод может улучшить качество сегментации кожи до 4 % по метрике TPR и до 10 % по метрике FPR. Классификатор Байеса, обученный согласно предложенному методу, обеспечивает наилучшие результаты сегментации среди всех рассмотренных классификаторов.
1. Vorotnev D., Golovanov R., Umnyashkin S. Training Bayesian classifier with scaling unique colors among image samples // Young Researchers in Electrical and Electronic Engineer-ing (EIConRus), 2018 IEEE Conference of Russian. – IEEE, 2018. – P. 1835–1839.
2. Comparative study of skin color detection and segmentation in HSV and YCbCr color space / K.B. Shaik, P. Ganesan et al. // Procedia Computer Science. – 2015. – Vol. 57. – P. 41–48.
3. Santos A., Pedrini H. Human skin segmentation improved by saliency detection // Inter-national Conference on Computer Analysis of Images and Patterns. – Cham: Springer, 2015. – P. 146–157.
4. Chan C., Chee Seng Chan. Pratheepan Dataset. – 2017. – URL: cs-chan.com/downloads_skin_dataset.html (дата обращения: 10.12.2018).
5. Jones M.J., Rehg J.M. Statistical color models with application to skin detection //International Journal of Computer Vision. – 2002. – Vol. 46. – No. 1. – P. 81–96.
6. Vezhnevets V., Sazonov V., Andreeva A. A survey on pixel-based skin color detection techniques // Proc. Graphicon. – 2003. – Vol. 3. – P. 85–92.
7. Vezhnevets V., Andreeva A. A comparative assessment of pixel-based skin detection methods // GML Computer Vision Group. – 2005. – URL: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.101.4728&rep;=rep1&type;=pdf (дата обращения 10.12.2018).
8. Kakumanu P., Makrogiannis S., Bourbakis N. A survey of skin-color modeling and detection methods // Pattern recognition. – 2007. – Vol. 40. – No. 3. – P. 1106–1122.
9. Голованов Р.В., Воротнёв Д.В. Методика сравнения алгоритмов сегментации дви-жения // 18-я Международная конференция «Цифровая обработка сигналов и ее примене-ние» (Москва, 2016 г.). – М., 2016. – С. 633–638
10. Michal Kawulok, Tomasz Grzejszczak, Jakub Nalepa, Mateusz Knyc. Database for hand gesture recognition. – 2017. – URL: http://sun.aei.polsl.pl/~mkawulok/gestures/ (дата об-ращения: 10.12.2018).
11. Learning-Based Multimedia Lab. Dataset for Skin Detection. – 2017. – URL: http://lbmedia.ece.ucsb.edu/resources/dataset/ibtd.zip (дата обращения: 10.12.2018).