Color de la Piel en Tareas de Reconocimiento

Si bien el reconocimiento basado en la biometr´ıa del rostro es uno de los m´etodos m´as utilizados, ´este tiene ciertas limitaciones cuando se requiere implementar en planos m´as amplios. Es por eso, que nuevas alternativas aso- man con el fin de ampliar el campo de acci´on y profundizar el estudio de la identificaci´on humana dentro del marco de la inteligencia artificial.

Una de esas alternativas es realizar un reconocimiento basado en el color de la piel. Este consiste en determinar el valor de las componenetes crom´aticas del espacio de color a los cuales corresponda la piel dentro de determinadas im´agenes. Existen varios espacios de color, estos se definen como una repre- sentaci´on matem´atica de los colores, es decir, esta representaci´on no es m´as que una asociaci´on de un vector con un elemento en un espacio. Entre estos se destacan; el RGB, CMYK, HSL y HSV, aunque algunos de estos presen- tan limitaciones a variaciones en la iluminaci´on a la hora de la captura de im´agenes.

2.1.2.1. Constancia de Color

La constancia del color es una caracter´ıstica que tiene el ser humano con respecto a la percepci´on del color. Esta consiste en que la mayor´ıa de las su- perficies parecen mantener la composici´on crom´atica ante cualquier cambio en la iluminaci´on. En otras palabras, los colores se siguen percibiendo de la misma manera, como si ´estos fueran un atributo constante e invariable de los objetos.

Este fen´omeno es muy particular, dado que la manera en la que incide la luz a trav´es del ojo desde una superficie, puede cambiar significativamente seg´un cu´al sea la fuente de luz. No obstante, esto no se da siempre, ya que algunos objetos no mantienen su aspecto al estar bajo otro tipo de iluminaci´on, tal como lo son las luces ultravioletas o en algunos casos bajo la influencia de radicaciones monocrom´aticas.

En el caso de la visi´on por computadora, las im´agenes capturadas por las c´amaras no mantienen esta constancia. Como se ver´a en las secciones 2.1.2.2 y 2.1.2.3, hay diferentes espacios de color en el que el factor iluminaci´on influye de manera significativa en la composici´on de las componentes crom´aticas y es ah´ı donde se debe intentar mitigar el efecto de las variaciones de luz en las im´agenes.

2.1.2.2. Espacio de Color RGB

El espacio RGB, llamado as´ı por sus siglas en ingl´es Red, Green, Blue, est´a basado en el concepto de la s´ıntesis aditiva. El cual se refiere a la compo- sici´on de los colores a trav´es de la suma de distintos haces de luz, emitidos directamente por una fuente de alg´un tipo a diferentes longitudes de onda. Dentro de la s´ıntesis aditiva el blanco es considerado como la suma de las componentes espectrales primarias; rojo, verde y azul en proporci´on m´axima respecto al espectro visible [13].

En el espacio RGB cualquier color F se puede representar mediante la com- binaci´on lineal de las tres componentes primarias independientes, tal cual como se muestra en la Figura 2.3a .

(a) Componentes primarias RGB (b) Modelo RGB coordenadas cartesianas

Figura 2.3: Representaci´on del modelo de color RGB. Fuente: Molinero [14] DondeF est´a dada por:

En el caso de las variables r, g, b, estos son escalares que indican la pro- porci´on de cada una de las componentes primarias contenidas en F, el cual puede normalizarse como se muestra a continuaci´on [13].

F =R0R+G0G+B0B (2.2) Donde: R0 = r r+b+g;G 0 = g r+b+g;B 0 = b r+b+g (2.3)

Para el caso de la Figura 2.3b se evidencia lo descrito anteriormente. Aun- que en este caso, se muestra el modelo RGB representado en coordenadas cartesianas. En esta Figura, el espacio est´a descrito por el hexaedro que se forma a partir de las tres dimensiones correspondientes a cada una de las componentes primarias, las cuales se encuentran en tres v´ertices, por otro lado; cian, magenta y amarillo se observan en otros tres v´ertices, cada uno con sus respectivas coordenadas, las cuales estar´ıan determinadas por el valor de los escalares r, g, b que se expresaron en la ecuaci´on 2.1. En cuanto al negro, ´este corresponde al origen y el blanco se sit´ua en el v´ertice m´as alejado del mismo. Dada esta particularidad, la escala de grises ese extiende lo largo de la diagonal que une esos dos puntos. Finalmente la composici´on de los dem´as colores estar´ıa dada por la existencia de diversos puntos contenidos en el hexaedro y definidos por los vectores que se trazan desde el origen hasta cada uno de ellos [14].

2.1.2.3. Comportamiento de la Piel en el Espacio RGB a Cambios de Iluminaci´on

Como se ya se ha mencionado anteriormente, las tareas de reconocimiento a partir del color de la piel aun siguen teniendo vigencia y por lo tanto, cual- quier detalle pasa a tener gran relevancia a la hora de encontrar aplicaciones m´as precisas y completas. Uno de esos detalles que puede determinar el ren- dimiento de un sistema de reconocimiento basado en el color de la piel, es la iluminaci´on y a´un m´as cuando el espacio de color en el que se trabaja es el RGB.

Bas´andose en lo descrito en [15] , J.B. Martinkauppi coincide con que el espa- cio de color en el que se procesan los datos de la piel, tienen cierta incidencia en la detecci´on de la misma. Puesto que estos difieren el uno del otro en la

forma en la que se pueden asignar los valores de cada una de sus componen- tes principales y por consiguiente la separaci´on de ciertos colores. Aunque este autor no descarta la mezcla de varios espacios de color para mitigar el impacto de en este caso, la iluminaci´on por fuentes externas.

Dado lo anterior, se trae a colaci´on la propuesta presentada en [16]. All´ı To- maschitz y Facon muestran los resultados del desarrollo de una t´ecnica de reconocimiento de piel de diferentes grupos ´etnicos (asi´atico, cauc´asico, ne- gro, etc ...), mediante la combinaci´on de algunos espacios de color (rgb, HSV, TSL). Estos autores demuestran que es posible localizar regiones de piel sin la necesidad de realizar una etapa de clasificaci´on previa y todo gracias a ex- traer las caracter´ısiticas m´as relevantes de cada uno de los espacios de color que abordaron dentro de la metodolog´ıa.

A pesar de que esta propuesta presenta muy buenos resultados, la parte que m´as se ajusta al enfoque que se le dio a este proyecto tiene que ver con la forma en la que los autores trataron de mitigar el impacto de la iluminaci´on en el espacio RGB. Ya que como dice J.B. Martinkauppi en [15], una con- versi´on de espacio de color no elimina ni los cambios de cromaticidad debido a la iluminaci´on ni tampoco los efectos causados por el ruido. Es por es- to, que si bien la combinaci´on de espacios tomaba la mejor caracter´ıstica de cada uno a la hora de separar colores, esta no hacia frente a posibles p´erdidas. La forma en la que Tomaschitz y Facon [16] disminuyeron los efectos de la iluminaci´on variable en el espacio RGB, fue normalizando ´este, aunque a diferencia del m´etodo mostrado en la secci´on 2.1.2.2, all´ı se multiplica por un escalar ctal como se muestra a continuaci´on:

r= cR R+G+B;g = cG R+G+B;b= cB R+G+B (2.4)

Donde r+g+b = 1 y la constante c = 100. La notaci´on para este espacio RGB normalizado ser´a rgb.

2.1.2.4. Algoritmo White Patch

En algunas oportunidades el sistema visual del ser humano normaliza los valores de la intensidad lum´ınica percibida por sus canales oculares. Este proceso es una caracter´ıstica intr´ınseca que se explic´o en la secci´on 2.1.2.1, la cual realiza con respecto a una referencia; esta es un blanco hipot´etico.

A este proceso se lo llama mecanismo de Parche Blanco “White Patch”. La normalizaci´on permite maximizar los valores con respecto al valor del blan- co hipot´etico, donde este, es el valor m´aximo de luminosidad en la imagen percibida. Teniendo en cuenta la premisa del White Patch, se podr´ıa afirmar que al menos existe un pixel o un “parche de p´ıxeles” blancos en la imagen [17].

Cuando se realiza la captura de una imagen, el valor de cada p´ıxel depender´a de la respuesta de los tres filtros del sensor que compone parte de la c´amara, en los cuales tiene determinada incidencia la iluminaci´on. El valor obtenido en cada p´ıxel tambi´en est´a relacionado con la temperatura del color de la fuente de luz. As´ı, cuando un objeto blanco es iluminado por un color de temperatura baja, tiende a aparecer rojizo dentro de la imagen capturada. Por el contrario, si el objeto es iluminado bajo un color de temperatura alta aparecer´a con un tono azulado, es decir, el color de la escena en la imagen var´ıa seg´un la fuente de iluminaci´on bajo la cual fue tomada. Para solucionar este problema Montero [18] emplea una t´ecnica llamada balance de blancos. El balance de blancos utiliza algoritmos computacionales que emulan la cons- tancia de color, con el fin de que los colores de la imagen capturada permanez- can iguales sin importar la temperatura de color bajo la que se encuentren. Es decir, el balance minimiza el efecto de la iluminaci´onI(λ), y asegura que la respuestas del sensor R, G y B se correlacionen con la reflectancia del objeto R(λ) [18], [19].

Uno de estos algoritmos computacionales es el White Patch (WP), el cual tiene en cuenta el valor m´as grande en cada componente de color como una representaci´on del blanco de la imagen. Computacionalmente, white patch es encontrado al buscar la m´axima intensidad en cada canal, y est´a dado por:

Iimax =maxfi(x, y) (2.5)

Donde, la f i(x, y) es la intensidad del p´ıxel en la posici´on (x, y) de una imagen o un cuadro de v´ıdeo e, Ii es el iluminante en la escena. El ´ındice i