DETECCIN DE PIEL MEDIANTE ANLISIS DE COLOR EN SECUENCIAS DE IMGENES ADQUIRIDAS POR UNA WEBCAM

Rubn Posada Gmez2, Luis Humberto Snchez Medel1

Departamento de Postgrado e Investigacin, Instituto Tecnolgico de Orizaba Av. Instituto Tecnolgico No.85 , !ol. "miliano #apata !.P. $%& ', Orizaba (eracruz )*+ico. Tel, '-. / 0 / %%'$1 !orreo "lectrnico, ruben.posadagomez2gmail.com , lsmedel2gmail.com-

RESUMEN 3a interaccin 4umano5computadora es un campo en constante evolucin, teclado, mouse 6 7o6stic8 son algunos de los dispositivos 9ue 4an sido desarrollados para llenar esta necesidad, sin embargo nuevas :ormas de comunicarse se est;n desarrollando como el control por voz o imagen. 3a deteccin de piel es usualmente la primer etapa en diversas aplicaciones como la deteccin 6 reconocimiento de rostros, manos, el control de dispositivos 4ard<are o so:t<are 6 tiene una gran aceptacin debido a 9ue es capaz de discernir en una escena comple7a una persona del :ondo. "+isten diversas t*cnicas para detectar la piel, siendo la deteccin por color un m*todo veloz, invariante a la escala, rotacin, etc*tera= a pesar de esto, presenta problemas al momento de seleccionar el umbral para la binarizacin de la imagen debido a 9ue esto se realiza manualmente mediante prueba 6 error sin un patrn gu>a. "l presente art>culo aborda este problema proponiendo la deteccin de piel en 5 planos de color mas el movimiento, bas;ndose en medidas puntuales promedio, adem;s de 4acer uso de diversos :iltros mor:olgicos en orden de discernir ;reas de p>+eles piel del :ondo de la imagen 6 probar el algoritmo en im;genes continuas de video captadas por una c;mara <eb en orden de localizar una mano. Palabras clave: Deteccin de piel, planos de color, procesamiento de im;genes en 3ab(I"?, segmentacin de color.

INTRODUCCIN "l incremento de recursos computacionales 4a provisto los medios necesarios para una me7or interaccin 4umano5computadora, como el control por voz 6 video. Dentro de los di:erentes tipos de interaccin, el reconocimiento de im;genes de seres 4umanos ocupa un lugar importante, debido a 9ue es utilizada para rastrear, identi:icar rostros, manos 6 diversas partes del cuerpo 9ue aportan in:ormacin al sistema de cmputo, con el :in de crear aplicaciones interesantes como el control del cursor de la computadora mediante la deteccin 6 registro de manos, reconocimiento de gestos en el uso de lengua7e signado @-, A, reconocimiento de usuarios mediante el rostro @&A, deteccin de transeBntes @%A, deteccin de im;genes de clasi:icacin adulta @5A entre otras aplicaciones. 3a deteccin de piel es un m*todo ampliamente utilizado debido a 9ue a6uda el reconocimiento de instrucciones 4umanas en sistemas de visin computarizada, limitando el campo de bBs9ueda en segmentos de piel a su vez incrementando la velocidad del procesamiento al discernir entre p>+eles5piel de p>+eles5no5piel. 3a etapa de deteccin de piel puede ser realizada por diversas t*cnicas, entre ellas, movimiento @1A 6 umbralizacin, en este Bltimo caso se emplean t*cnicas posteriores como algoritmos gen*ticos @/A, tablas normalizadas de operaciones de bBs9ueda o Cloo8 up tableD .3ET0 @8A, clasi:icadores Fa6es @8A etc*tera, con el ob7etivo de identi:icar ;reas de p>+eles piel= sin embargo todas estas etapas :uncionan con la imagen binarizada a partir del color. "+iste un problema en la umbralizacin de la imagen en color principalmente por los l>mites 9ue se deben de tomar, debido 9ue son constantes
. I

tomadas manualmente @$A mediante prueba 6 error, adem;s de ser valores continuos entre limites. "l presente art>culo tiene como ob7etivo el implementar la deteccin de piel mediante el procesamiento de color de im;genes continuas, apo6;ndose en 1 planos de deteccin, GHF, IJ3, IJ(, IJI, K!r!b 6 el movimiento, los cuales en su suma determinaran la probabilidad de obtener un p>+el piel, bas;ndose en su medida previamente registrada manualmente en valores promedios. Posteriormente se utilizan :iltros mor:olgicos para discernir ;reas de p>+eles piel del :ondo de la imagen, los resultados de este art>culo se evaluar;n en la rapidez 6 correcta deteccin de un gesto en una mano descubierta. "l resultado de la clasi:icacin es asignada como positivos verdaderos .P(0, positivos :alsos .PL0 6 :alsos negativos .LN0. ESTADO DEL ARTE 3a etapa de umbralizacin de la imagen 7uega un papel importante en la posterior seleccin de ;reas de p>+eles piel, 6a sea 9ue este se base en algoritmos gen*ticos, clasi:icadores Fa6es, 3ETMs etc*tera. 3a deteccin de piel por color puede ser realizada en - solo plano @-'A o apo6;ndose es varios planos @--A, siendo los principalmente usados GHF, IJ3, IJI, IJ(, K!r!b.
. II

luminancia en cada vector. "ste m*todo es invariante a la luz, 6 debido a 9ue I especi:ica el color dominante lo 4ace una alternativa viable para la deteccin de piel por color. 3a tabla - muestra los valores 9ue utiliza @-%,-5, -1A para el detector de piel. Deteccin en es aci! )CrCb Je trata de una seNal codi:icada GHF, donde el color 6 el brillo de la imagen se dividen en tres vectores individuales no correlacionados llamados K, !r 6 !b, es una alternativa mu6 atractiva en la deteccin de p>+eles5piel 6 en la tabla - se muestran los valores 9ue utiliz @-/ A.
II.(

METODOLO"*A 3a deteccin de piel propuesta por este art>culo se basa en etapas, almacenamiento de la seleccin manual valores promedio de p>+eles 6 la deteccin en base a los valores promedios almacenados. #ase +e +at!s +e i,-.enes Lue necesario crear una base de datos de im;genes para seleccionar las regiones de piel 6 obtener de esta :orma el valor promedio de la medida. 3a :orma 9ue se cre la base de datos :ue tomando im;genes :i7as .:otos0 en secuencias de videos captadas por una c;mara <eb separadas por espacios de 5' milisegundos con diversas personas, condiciones de luz 6 :ondo comple7o.
III.1
Tabla 1 Valores mnimos y mximos para deteccin de piel Es aci! R " # % S L % S I % S ' ) Cb Cr MIN 5% ' &5 ' ' %/ ' ' 1% ' ' 5' -'' ' -' MA/ -1/ --& -%8 - % --5 85 -'8 -1 85 -'$ --$ 55 -&5 -$5 Investi.a+!r Oovac @-&A )enser @-%A Isie4 @-5A Pitas @-1A !4ai @-/A

III.

Deteccin en el es aci! R"# "ste espacio originalmente :ue utilizado por los monitores !GT, donde la combinacin de los colores GHF en di:erentes tonalidades individuales describen un color espec>:ico @- A, sin embargo debido a 9ue cada canal del espacio del color GHF es en s> un color 6 est;n altamente correlacionados entre s> mezclando la crominancia 6 la luminosidad no 4acen un detector de piel :avorable. "n la tabla - se muestra los valores 9ue utiliza @-&A en su detector de piel en GHF.
II.1

Es aci! %SL& %S'& %SI "stos espacios tienen la caracter>stica comBn de describir las propiedades del color num*ricamente. I se de:ine como el color dominante, J es la saturacin del color en base al brillo de la imagen mientras 9ue la 3 ( e I es relacionada a la
II.$

Fig. 1 Base de datos de imgenes para seleccin de valor promedio de pxeles piel

coordenada representa el nBmero de veces 9ue se repite la medida en esa intensidad en particular. Fas;ndose en la tabla -, se puede observar 9ue el valor 9ue @-&A tom abarca los valores correspondientes a GHF, sin embargo los valores de K!b!r @-/A no son similares a los de la muestras obtenidas. 3as 5' muestras re:le7an la repeticin sobre la intensidad de colores piel, sin embargo aplicar 5' valores de umbralizacin disminuir>a la velocidad de deteccin en cada plano, por esto se optimizan los valores promedio para eliminar los repetidos 6 estos son almacenados en un arc4ivo de te+to para ocuparlos en la aplicacin del detector de piel. Deteccin +e iel en +ivers!s lan!s "l color de un ob7eto es un :enmeno perceptivo, es decir depende de la iluminacin sobre el mismo, esto 4ace en la deteccin por color un problema cuando la iluminacin cambia. Jin embargo aceptando 9ue una di:erencia en iluminacin .cuando la luz es blanca0 es similar a otro tono de piel, es posible detectarlo debido a 9ue a pesar de 9ue nuestra piel es de distinto color, la cromancia es un :actor 9ue no var>a en gran cantidad @1A. 3a solucin propuesta se basa emplear los valores umbrales promedio no continuos entre si obtenidos en el entrenamiento 9ue permitan la deteccin de piel en cada plano de los distintos espacios ocupados .siempre 6 cuando se cumplan los & p>+eles de cada plano en el espacio del color0, sustitu6endo en la imagen binaria un color en escala de gris e9uivalente a % , el cual se re:iere al numero m;+imo de intensidad entre numero de detectores, en este caso 55Q1 P % .5. Ena vez obtenido cada plano en negro 6 gris se suman entre si para lograr una imagen en escala de grises, donde el color mas cercano al blanco tiene mas probabilidad para ser considerado un p>+el piel. "sta operacin se muestra en la :igura & 9ue :ue e+tra>da de una secuencia de im;genes.
III.2

Seleccin +e -rea +e iel 3a seleccin del ;rea de tono de color piel se baso en 9ue la iluminacin no saturara la c;mara en brillo 6 no contenga o7os, dientes, barba o bigote, siendo la seleccin de piel con sombras optativas ba7o condiciones de luz 9ue permitan la discrecin de piel. "n la Lig. - se muestra im;genes de la base de datos 6 las regiones 9ue se tomaron en cuenta para la seleccin de valores promedio. 3a ecuacin - demuestra la :orma de obtener la medida promedio de un ;rea rectangular en la imagen.
III.$

(promP +6@:.+,60Q.+R60A

.-0

!on la seleccin de ;rea de piel se obtienen los valores promedio en los diversos planos GHF, IJ3, IJI, IJ( 6 K!r!b por vectores separados 6 estos son almacenados en arc4ivos de te+to, con el ob7etivo de ser cargado posteriormente. Para esta etapa se seleccionaron 5' muestras de piel en diversas condiciones de luz, tono de piel 6 persona, en la Lig. se muestra el resultado de esta etapa. O ti,i0acin +e val!res 1,brali0acin
III.(

r!,e+i! en la

Je tomaron 5' muestras para la deteccin de piel, como se muestra en la Lig. , el e7e correspondiente a la abscisa representa la intensidad del p>+el de ' a 55 6 el e7e de la

Deteccin +el ,!vi,ient! "l ser 4umano normalmente esta en continuo movimiento, es por esto 9ue es un m*todo utilizado 9ue a6uda a centrar la atencin en un ;rea en espec>:ico de la imagen.
III.3

Fig. 2 Histograma de los 5 2 m!estras de piel de arriba a aba"o #$ %$ B$ H$ &$ '$ ($ V$ )$ *r y *b

3os cambios en la intensidad de un p>+el en la imagen pueden ser causados por el movimiento, ruido 6 cambio de iluminacin. Ena :orma de e+traccin del movimiento puede realizarse mediante la ecuacin . I.+, 6, t0QtI.+, 6, t0 S I.+, 6, t5-0 . 0

3a ecuacin se re:iere a la di:erencia de intensidades entre dos im;genes consecutivas, sin embargo al tomar cada p>+el sin un preprocesado de imagen da lugar a diversos :alsos positivos, los cuales pueden ser en su ma6or>a eliminados si se aplica un :iltro espacial sobre la imagen antes de detectar el moviendo. )ediante la ecuacin & es posible implementar un :iltro 9ue suavice la imagen, con el :in de disminuir el e:ecto sal 6 pimienta, cambios bruscos de iluminacin. I.+, 6, t0QtQt .H.+, 6, t00 I.+, 6, t0 .&0

5iltr!s ,!r6!l.ic!s Ena vez 9ue se obtiene la imagen binarizada a partir de la imagen en suma de colores grises, pueden e+istir diversas ;reas de p>+eles donde no e+ista piel 4umana o si e+iste esta parcialmente eliminada. 3a :orma de corregir esto es tomando decisiones sobre 9ue ;reas tienden a parecer piel, en el algoritmo implementado se entiende como ;rea p>+el5piel al p>+el 9ue se 4alle cerca uno otro candidato a p>+el5piel por no mas de 5 p>+eles de di:erencia, ;reas donde los candidatos de ;rea p>+eles piel tienen :orma circular u ovalada, eliminar con7untos de p>+eles 9ue describan l>neas rectas 6 para solucionar la oclusin de p>+eles piel un algoritmo de relleno de regin. "stas decisiones pueden ser realizadas bas;ndose en algoritmos de apertura, cierre, dilatacin, erosin 6 momentos. De acuerdo con @-8A una :orma de implementar dic4os algoritmos son mostrados en la tabla .
III.4
Tabla 2 algoritmos de +iltros mor+olgicos N!,bre A ert1ra Cierre Dilatacin Er!sin Rellen! Ec1acin .AF0 F .AF0 F AF A F TP .T85-F0A

Ena vez 9ue los p>+eles cu6o cambio despu*s del :iltro espacial se ven a:ectados, se binariza la imagen tomando como p>+el cambio un color gris e9uivalente al nBmero % , siendo el movimiento el se+to plano. 3a Lig. & muestra la deteccin de piel obtenida en escala de grises de una imagen continua tomada por la c;mara <eb, los p>+eles mas blancos tienen m;s probabilidad de ser p>+eles piel.

3os algoritmos mostrados en la tabla se encargan de eliminar p>+eles solitarios, pe9ueNos ori:icios en la imagen 6 eliminar ;reas de p>+eles mu6

Fig. , -eteccin de piel en . planos$ de /ilera arriba aba"o$ imagen original$ s!ma de pxeles y !mbrali0ada.

Fig. 1 #es!ltado del detector de piel en imgenes contin!as.

reducidas. "l algoritmo de momentos de la imagen binarizadas se encarga de detectar los c>rculos 6 eliminar las l>neas rectas en la imagen @-8A brinda una opcin v;lida para implementar este algoritmo.
I'.

RESULTADOS

3a Lig. % muestra el resultado :inal del algoritmo implementado utilizando la suma en la deteccin por color 6 movimiento con opcin de sensibilidad

mientras 9ue en la Lig. 5 se muestra el resultado de la deteccin de una mano con 6 sin un proceso de deteccin de piel. Je observa 9ue utilizando un detector de piel la imagen obtiene :alsos positivos 6 con el algoritmo detector de piel se obtienen bueno resultados en un tiempo mu6 ba7o alrededor de - / milisegundos. "n la Lig. se muestra los distintos valores de p>+eles color piel 9ue :ueron seleccionados manualmente, en base a la tabla - se observa 9ue los valores medidos no cane todos dentro de los descritos, ademas de 9ue los valores

Fig. 5 #es!ltados de la deteccin de !na mano$ arriba deteccin con errores$ aba"o deteccin sin error

no son continuo entre l>mites, por lo 9ue una umbralizacin en base a limites variables es necesaria.
'. CONCLUSIONES

clase emblemtica mediante tcnicas de visi n !or com!utadora" Tesis de postgrado, Departamento de Posgrado e investigacin, Instituto Tecnolgico de Orizaba, Orizaba, (eracruz, )*+ico, ''/. @&A Iarr6 ?ec4sler, #eliable face #ecognition Met$ods% S&stem Design" im!lementation and evaluation, "dit. Jpringer, IJFN5-&, $/85'5&8/5 &/ 58, , EJA, ''/. )ic4ael Orden et al, 'edesterian detection using (avelet tem!lates !F!3 and AI 3ab, )IT, !ambridge, !(PG , EJA, -$$/. )ic4ael V. Vones et al, Statical color models (it$ a!!lication to skin detection, !ompa9 computer corporation, !ambridge '''. J4aogan Hong, D&namic vision% from images to face recognition, imperial college press, ''5. Lrancesca Hasparini et al, Skin segmentation using multi!le t$res$olding, proceeding o: JPI", DIJ!O, )ilano Italia, ''1. (ladimir (ez4nevets, A surve& on 'i)el* based skin color detection tec$ni+ues, -&t4 International !on:erence on t4e computer Hrap4ics and vision, Hrap4ic and media laborator6, )osco< Gusia, ''&. Jan7a6 Or. Jing4 et al, A robust color based face detection algorit$m, department o: computer science and engineering and tec4nolog6, India, ''& Diedri8 )arius, ,ace detection using color t$res$olding and eigenface tem!late matc$ing. Jtand:ord Eniversit6 EJA, '' . Kang, ). I. Detecting :aces in images, a surve6, I""" transaction on pattern anal6sis and mac4ine Intelligence, '' . Frand V. and )ason, A com!arative assessment of t$ree a!!roac$es to

3a deteccin de piel mediante el uso de diversos planos de color es un m*todo :;cil de implementar, de alta velocidad debido a 9ue es una t*cnica basada en el procesamiento de color. "l problema de la iluminacin se resuelve aplicando distintas combinaciones de planos debido a 9ue unos dependen menos de la luz 6 otros son m;s sensibles a la deteccin de piel con una luz espec>:ica. Debido a 9ue no son continuos los valores promedios entre l>mites m;+imos 6 m>nimos como se demostr con la Lig. es necesario utilizar mBltiples valores de umbralizacin.
. III

@%A

@5A

@1A

TRA#A7O A 5UTURO @/A

Je esta estudiando actualmente la deteccin de piel en diversos ambientes de luz, como o:icina 6 luz de d>a 6 se 4a percibido 9ue la deteccin bas;ndose en valores tomados en luz de o:icina no :uncionan completamente en otro tipo de ambientes cu6o cambio de iluminacin es mu6 dr;stico, por esto se esta estudiando como clasi:icar los tipos de iluminacin para cargar los vectores mas apropiados para detectar la imagen.
. I'

@8A

@$A

RE5ERENCIAS @-'A

@-A

T4ad Jtarner and Ale+ Pentland, C(isual recognition of American Sign Language Using Hidden Markov Models, Perceptual !omputing Jection, T4e media 3aborator6. )IN!O Application Aid U-8, 81-''15 , )inco '8Q-/Q '''. V. I. Givalcoba Givas, Gub*n Posada Hmez, Diseo de un sistema de reconocimiento automtico de signos de la

@--A

@ A

@- A

!i)ellevel $uman skin*detection, In Porc. O: t4e international con:erence on pattern recognition, (ol, -. -'515-'5$, '''. @-&A V. Oovac, P. Peer and L. Jolina, -D versus .D colour s!ace face detection, %t4 "EGAJIP !on:erence on (ideoQImage Processing and media !ommunications, !roatia, ''&. )enser, F., and ?ien, )., Segmentation and tracking of facial regions in color image se+uences In Proc. JPI" (isual !ommunications and image processing, ''', /&-5/%'. I5J Isie4 et al, A static a!!roac$ to t$e detection of $uman faces in color nature scene pattern recognition &5, '' . J. Tse8eridou and Pitas, ,acial feature e)traction in frontalvie(s using biometric analogies, Proc, o: t4e IT "uropean signal processing con:erence, vol -, -$$8. D. !4ai amd O. N. Ngan, ,ace segmentation using skin colour ma! in video!$one a!!lications, I""" transactions (ideoQimage processing and multimedia communications, !roatia, ''&. Ga:ael !. Honzalez, Gic4ard ". ?oods, Digital /mage !rocessing, Prentice 4all, '' .

@-%A

@-5A

@-1A

@-/A

@-8A