III WVC 2007 - Iris.sel.eesc.sc.usp.br - USP

More documents

Recommendations

Info

WVC'2007 - III Workshop de Visão Computacional, 22 a 24 de Outubro de 2007, São José do Rio Preto, SP.Segmentação de pele humana em imagens coloridas baseada em valores dasmédias da vizinhança em subimagensJoão Marcelo Ribeiro, Adilson GonzagaUniversidade de São Paulo - Departamento de Engenharia ElétricaAvenida do Trabalhador São Carlense, 400CEP 13566-590 - São Carlos - SP - Fone/Fax: (16)3373 9371.ribeiro jm@yahoo.com.br, adilson@sel.eesc.usp.brResumoThe segmentation of human skin in colored images isuseful in several daily applications, and can be a preprocessingstage for other applications. For example, insoccer stadiums and shopping centers, people’s localizationcan be very important for their safety, so, the main objectiveof this work is to develop a new method to identify, withgreater precision, human skin in colored images in daily situations.A training image was built, called ”Patchwork quilt”, inorder to get the pixels neighborhoods averages and do thesegmentation. The images that served as parameter for theconstruction of the ”patchwork quilt”were obtained in animage database and the images for the segmentation testswere obtained by the author with a digital photographic camerain daily situations. The gotten results were comparedto that one that it motivated the development of this work.1. Introdução1.1. Uma abordagem sobre a detecção de peleUm dos principais objetivos do processamento de imagensé auxiliar o observador a interpretar o conteúdo de imagensidentificando nestas aquilo que se pretende ou aquiloque ela contém. Desta forma, o processo de percepção visualpode ser realizado pela visão natural ou pela visão artificial.Nesta última os sistemas de processamento podemter alguns limites e dificuldades, tais como: (1) a posiçãodos objetos, (2) diferenças de tamanhos e formatos, (3) problemasde perspectivas e (4) iluminação. [11].A cor é um fator importante no processamento de imagensonde descreve um objeto (ou uma cena) simplificandoe identificando suas características. Elas são vistas comocombinações variáveis das chamadas cores primárias etodas são representadas em um determinado subespaço.Isso é o que define os modelos de cores, tais como: RGB,HSV, HSI, YCbCr, CIE-Lab e CIE-Luv, por exemplo. Parao processamento e análise de imagens, geralmente o primeiropasso é a sua segmentação. O crescimento da regiãoem torno de um pixel central (ou pixel ”semente”) dentrode um domínio espacial (subimagem), constitui-se de umprocesso que apura as características de um determinadonúmero de pixels vizinhos a este pixel (vizinhança).A segmentação de pele humana em imagens pode se tornaruma tarefa extremamente complexa e desafiadora, vistoque ela é bastante sensível a diversos fatores, tais como:Iluminação, etnia, características individuais e outros mais.Para esta segmentação um dos principais desafios é fazercom que a classificação dos pixels coloridos das imagensseja o mais similar possível àquela percebida pela visão natural.O primeiro passo para isso, e talvez o principal, é a escolhade um modelo de cor. Geralmente o modelo RGB éomodelo escolhido pela grande maioria, como mostra os trabalhosde [2] e [3]. Alguns outros utilizam os demais modelos,como [2], [8] e [6].A escolha de um modelo de cores está associado à escolhade uma técnica (ou método) para a segmentação conformeo problema que se pretende resolver. A detecção depele humana em imagens pode ser dividida em duas classes:(1) pixel-pele e (2) pixel-não-pele; e para abordar esteproblema, pesquisadores utilizam diferentes técnicas procurandoobter um melhor resultado. O thresholding, porexemplo, usado no trabalho de [13], agrupa uma pequenaregião de pixels pertencentes a um determinado modelo decor. O histograma easredes neurais também são métodosbastante utilizados. Os trabalhos de [12] e [10] utilizam essesmétodos respectivamente. As misturas Gaussianas, usa-223
WVC'2007 - III Workshop de Visão Computacional, 22 a 24 de Outubro de 2007, São José do Rio Preto, SP.das em [4] e [5], também são utilizadas para classificar pelehumana por causa da sua vantagem em generalizar melhorcom menos dados de treinamento.A escolha do melhor espaço de cores dentro de um modelode cor que represente a pele humana é uma das maioresdificuldades de pesquisa relativas à segmentação de pelehumana. No estudo realizado por Kovac e outros [7], eledescreve suas restrições, as quais foram utilizadas para odesenvolvimento deste trabalho, que as cores determinantesde pele humana com iluminação constante da luz dodia são aquelas que satisfazem, no modelo de cores RGB, aequação:Figura 1. A colcha de retalhos ao centromontada a partir de pequenas imagens depedaços de pele.R>95 and G > 40 and B > 20 and(max(R, G, B) − min(R, G, B) > 15) and(|R − G| > 15) and (R >G) and (R >B) (1)ou que as cores determinantes de pele humana comiluminação artificial, inclusive na luz do dia, são aquelasque satisfazem a seguinte equação:R>220 and G > 210 and B > 170 and|R − G| B and G > B (2)2. Metodologia2.1. A escolha do modelo de coresA escolha do modelo de cores a ser utilizado baseou-sena comparação e nos resultados obtidos por um teste queverificou o relacionamento e a integridade das informaçõesresultantes entre: (1) um padrão (colcha de retalhos), e(2) uma nova imagem para verificação (imagem teste depele) emtrês modelos de cor: HSV, HSI e RGB. Primeiramenteforam obtidas, por uma câmera digital, 30 imagensdo rosto de 30 pessoas (13 homens e 17 mulheres) de diferentestonalidades de pele e todas sob as mesmas condiçõesde iluminação. Depois foram escolhidas 12 imagens, das30 existentes (6 imagens de cada sexo), e extraídas pequenasamostras de partes do rosto (ou pequenos pedaços deimagens de pele) de cada uma das imagens destas pessoas.Essas amostras eram adicionadas a uma nova imagem e, poressa condição, essa nova imagem, a imagem padrão (de tamanho120x120, totalizando 14.400 pixels), foi chamada decolcha de retalhos, como mostra a figura 1.Nesta imagem foram extraídas as características decada pixel pertencente a ela e o conjunto de valores (3 valores)de cada pixel, nos 3 modelos testados, foi exportadopara um banco de dados formando um registro. Os 14.400registros gerados neste banco de dados foram organizadosde maneira que todos fossem distintos uns dos outros.Por exemplo, um pixel no modelo RGB com valores R=159,G=109 e B=81 forma um registro em um banco de dados.Esses registros foram organizados de maneira que nenhumconjunto de valores se repetissem, como mostra a figura 2.Figura 2. A organização dos registros e os valoresdos pixels.Para efeito de comparação, foi feito o mesmo procedimentocom novos valores originados de outra extração emoutra imagem de pele humana (de tamanho 73x96, totalizando7.008 pixels), chamada de imagem teste de pele.Conforme mostra a tabela 1, depois de organizadas, comparadase analisadas as informações resultantes dos registrosgerados pela verificação das duas imagens (a colcha de retalhospadrão e a imagem de verificação), pode-se notar que aporcentagem de acerto (os registros coincidentes nas duasimagens) entre os modelos HSV e HSI foram iguais (100por cento) e superior ao modelo RGB (14,76 por cento).Com relação à quantidade de registros organizados o modeloHSV possui uma pequena vantagem em relação ao modeloHSI. Outro fator é que enquanto o modelo de cor RGBé composto por 3 variáveis que representam a cor do pixel(R, G e B), o modelo HSV é representado apenas poruma variável (o H).Portanto, a utilização de um modelo composto por maisvariáveis faz com que a taxa de acerto seja menor do queum modelo composto por menos variáveis. Como a quantidadede registros gerados após sua organização também foioutro fator a ser analisado, o modelo de cores HSV foi oescolhido para o desenvolvimento deste trabalho, pois aquantidade de registros organizados foi menor que os demaismodelos.224
Page 1 and 2:
III Workshop de VisãoComputacional
Page 3 and 4:
Instituto de Biociências, Letras e
Page 5 and 6:
WVC 2007 - III Workshop de Visão C
Page 7 and 8:
ApresentaçãoA área de Visão Com
Page 10 and 11:
Automatic Pattern Recognition of Bi
Page 12 and 13:
WVC'2007 - III Workshop de Visão C
Page 14 and 15:
Page 16:
Page 19:
Page 22 and 23:
Page 24 and 25:
Page 26 and 27:
Page 28 and 29:
Page 30 and 31:
Page 33 and 34:
Page 35 and 36:
Page 37 and 38:
Page 39 and 40:
Page 41 and 42:
Page 43 and 44:
Page 45 and 46:
Page 47 and 48:
Page 49 and 50:
Page 51 and 52:
Page 53 and 54:
Page 55 and 56:
Page 57 and 58:
Page 59 and 60:
Page 61 and 62:
Page 63 and 64:
Page 65 and 66:
Page 67 and 68:
Page 69 and 70:
Page 71 and 72:
Page 73 and 74:
Page 75 and 76:
Page 77 and 78:
Page 79 and 80:
Page 81 and 82:
Page 83 and 84:
Page 85 and 86:
Page 87 and 88:
Page 89 and 90:
Page 91 and 92:
Page 93 and 94:
Page 95 and 96:
Page 97 and 98:
Page 99 and 100:
Page 101 and 102:
Page 103 and 104:
Page 105 and 106:
Page 107 and 108:
Page 109 and 110:
Page 111 and 112:
Page 113 and 114:
Page 115 and 116:
Page 117 and 118:
Page 119 and 120:
Page 121 and 122:
Page 123 and 124:
Page 125 and 126:
Page 127 and 128:
Page 129 and 130:
Page 131 and 132:
Page 133 and 134:
Page 135 and 136:
Page 137 and 138:
Page 139 and 140:
Page 141 and 142:
Page 143 and 144:
Page 145 and 146:
Page 147 and 148:
Page 149 and 150:
Page 151 and 152:
Page 153 and 154:
Page 155 and 156:
Page 157 and 158:
Page 159 and 160:
Page 161 and 162:
Page 163 and 164:
Page 165 and 166:
Page 167 and 168:
Page 169 and 170:
Page 171 and 172:
Page 173 and 174:
Page 175 and 176:
Page 177 and 178:
Page 179 and 180:
Page 181 and 182:
Page 183 and 184: WVC'2007 - III Workshop de Visão C
Page 233: WVC'2007 - III Workshop de Visão C
Page 285 and 286:
Page 287 and 288:
Page 289 and 290:
Page 291 and 292:
Page 293 and 294:
Page 295 and 296:
Page 297 and 298:
Page 299 and 300:
Page 301 and 302:
Page 303 and 304:
Page 305 and 306:
Page 307 and 308:
Page 309 and 310:
Page 311 and 312:
Page 313 and 314:
Page 315 and 316:
Page 317 and 318:
Page 319 and 320:
Page 321 and 322:
Page 323 and 324:
Page 325 and 326:
Page 327 and 328:
Page 329 and 330:
Page 331 and 332:
Page 333 and 334:
Page 335 and 336:
Page 337 and 338:
Page 339 and 340:
Page 341 and 342:
Page 343 and 344:
Page 345 and 346:
Page 347 and 348:
Page 349 and 350:
Page 351 and 352:
Page 353 and 354:
Page 355 and 356:
Page 357 and 358:
Page 359 and 360:
Page 361 and 362:
Page 363:
show all

III WVC 2007 - Iris.sel.eesc.sc.usp.br - USP

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?