Detector de Piel

Tarea 3
Visión Artificial
Prof.: José Delpiano
Alumno: Joaquín Carvajal
Diseño: Para esta tarea se usaron dos métodos, uno determinístico y otro probabilístico. Los
resultados y comparaciones los analizaremos al final.
Explicare la teoría de ambos métodos antes de mostrar los resultados:


Método Determinístico: Este algoritmo es muy simple, pues se basa en darle un
rango de colores enel que podría estar la piel. El rango no lo deduje yo, sino que lo
saque de una tesis presentada en la Universidad Rey Juan Carlos, cuyo autor se llama
Darío de Miguel Benito. El nombre de su tesis es “DETECCIÓN AUTOMÁTICA
DEL COLOR DE LA PIEL EN IMÁGENES BIDIMENSIONALES BASADO EN
EL ANÁLISIS DE REGIONES”. En esta tesis combina varias teorías de detección
de piel, entre ellas la que yo usé.Esta tesis se puede encontrar en este enlace.
El algoritmo consiste en ver si un pixel coincide con una región que se define:
95
40

20
max , ,
min , ,
| 15
15
|



Este sistema era muy simple de implementar, pues uno recorría la imagen pixel a
pixel y analizaba si este se encontraba dentro de la región de interés.
Dentro de todo dio bastantes buenos resultados, dado a quees un método robusto,
pero tiene la desventaja de poder mejorar sus resultados o darle alguna tolerancia.



Método Probabilístico: Este algoritmo es mucho más interesante que el anterior (al
menos desde la parte matemática), debido a toda la teoría de probabilidades que hay
detrás.
Básicamente se tenía que estimar una función de probabilidades, de tal manera de
poder analizar si un pixelera piel o no dada una tolerancia.
Primero, nos hicimos esta función de probabilidades (un histograma) con una base de
103 fotos, en que podíamos distinguir que era piel y que no.

Las fotos que se ocupaban eran del siguiente estilo:

Con estas fotos nos armábamos dos funciones de probabilidad, una para la
probabilidad de colora dado que era piel y la otra para la probabilidad de color,que
son 2 datos relevantes para el proceso de selección.
Para obtener estos histogramas recorríamos la fotos de a pares (la origina y la en
blanco y negro) y discriminábamos si cada pixel era de piel o no. Si era de piel
contábamos esa combinación RGB y obteníamos su frecuencia en la base de datos.
Lo mismo hacíamos para todos los colores, fueran de piel o no, y así armar la función
deprobabilidad para el color.
Luego de haber recorrido todas las fotos, dividíamos por la cantidad de pixeles
correspondientes, y así obteníamos las funciones de probabilidad.
Cuando ya teníamos todo esto armado, hicimos un método en que le pasábamos una
foto y una tolerancia, entonces si la probabilidad dada con un pixel era mayor que la
tolerancia, lo consideramos “pixel piel”.
La probabilidad lacalculábamos de la siguiente manera:
|



|

Que es la fórmula típica de Bayes, para probabilidades condicionales.
Resultados: Como ya describimos, el primer método es bastante estático, ya que no se le
pueden cambiar los parámetros. Veamos los resultados en distintas fotos:

Como se puede ver, en algunas fotos funciona bastante bien, pero en otras se confunde con
cosas que no sonpiel. No se pueden mejorar los parámetros de esta función debido a lo
estático del método.
Para el segundo método, podemos cambiarle la tolerancia y ver los resultados con distintos
rangos:

Tolerancias de: 0.1% 10% 20% 30% y 50%
 
 

 

Tolerancia de: 10% 30% y 80%

Tolerancias de: 1% y 10%

Tolerancia de un 10%

Comparación de métodos: Para comparar que algoritmo es máseficiente en general,
veremos la tasa de falsos positivos y reales positivos. Además veremos cual método logra
acercarse más a la proporción de pixeles de piel con respecto al total de pixeles totales.
Solo lo haremos con una foto, por problemas de espacio:

Primero con el método probabilístico, vimos la tasa de positivos reales probando distintas
tolerancias entre 0 y 1.
Nos da los siguientes...