Ein Fusionsansatz zur effizienten Erkennung menschlicher Haut

Eine zuverlässige Methode zur Erkennung menschlicher Haut, die an verschiedene Hautfarben und Beleuchtungsbedingungen anpassbar ist, ist für eine bessere Segmentierung menschlicher Haut von entscheidender Bedeutung. Obwohl verschiedene Lösungen zur Erkennung von Hautfarben erfolgreich angewendet wurden, sind sie anfällig für falsche Hauterkennungen und können die Vielfalt menschlicher Hautfarben über verschiedene Ethnien hinweg nicht bewältigen. Darüber hinaus erfordern die bestehenden Methoden hohe Berechnungskosten. In diesem Papier schlagen wir einen neuartigen Ansatz zur Erkennung menschlicher Haut vor, der ein geglättetes 2-D-Histogramm und ein gaußsches Modell kombiniert, um die automatische Erkennung menschlicher Haut in Farbbildern zu ermöglichen. In unserem Ansatz wird ein Augendetektor verwendet, um das Hautmodell für eine bestimmte Person zu verfeinern. Der vorgeschlagene Ansatz reduziert die Berechnungskosten, da kein Training erforderlich ist, und verbessert die Genauigkeit der Hauterkennung trotz erheblicher Variation in Ethnie und Beleuchtung. Nach unserem besten Wissen ist dies die erste Methode, die eine Fusionsstrategie zu diesem Zweck verwendet. Qualitative und quantitative Ergebnisse auf drei standardisierten öffentlichen Datensätzen und ein Vergleich mit modernen Methoden haben die Effektivität und Robustheit des vorgeschlagenen Ansatzes gezeigt.