피부색 검출은 피부색과 비피부색에 대한 분류기가 사용되며, 분류 성능이 높은 분류기가 필요하다. 기존의 피부색 검출을 위한 분류기들은 대부분 하나의 칼라 모델을 사용하고 있다. 그러나 칼라 모델에 따라 피부색의 분포 특성이 다르기 때문에 하나 이상의 칼라 모델을 사용함으로써 분류 성능을 높일 수 있다. MLP(Multi Layer Perceptron)는 다른 분류기보다 적은 파라미터를 사용하면서 좋은 분류 성능을 보이고 있다. 하지만 두 개의 칼라 모델을 사용할 경우 MLP의 입력 차원이 증가되기 때문의 파라미터 수가 증가되는 문제가 발생하게 되며, 파라미터 수의 증가는 MLP의 학습 시간이 증가되는 원인이 된다. 따라서 본 논문에서는 두 칼라 모델의 구성 성분을 조합함으로써 피부색과 비피부색의 분류 성능을 향상시키고, 적은 수의 파라미터가 사용된 피부색 검출 방법을 제안한다. 제안한 부분 연결 MLP는 각 칼라 모델에 따라 연결 강도를 부분적으로 연결함으로써 연결 강도의 수를 감소 시켰으며, 각 부분 네트워크에 서로 다른 칼라 모델의 특성을 학습시킴으로써 분류율을 향상시킬 수 있다. 실험 결과 제안한 부분연결 MLP를 RGB와 CbCr 칼라 정보로 구성했을 때 91.8%의 분류율을 달성하였다.
Skin color detection is used to classify input pixels into skin and non skin area, and it requires the classifier to have a high classification rate. In previous work, most classifiers used single color model for skin color detection. However the classification rate can be increased by using more than one color model due to the various characteristics of skin color distribution in different color models, and the MLP is also invested as a more efficient classifier with less parameters than other classifiers. But the input dimension and required parameters of MLP will be increased when using two color models in skin color detection, as a result, the increased parameters will cause the huge teaming time in MLP. In this paper, we propose a MLP based classifier with less parameters in two color models. The proposed partially connected MLP based on two color models can reduce the number of weights and improve the classification rate. Because the characteristic of different color model can be learned in different partial networks. As the experimental results, we obtained 91.8% classification rate when testing various images in RGB and CbCr models.
