對不同人種之照片作膚色偵測之結果

由於各人種所呈現的膚色並不一致，因此針對各人種分別處理，利用 ROC curve 的方式呈現不同的成果。使用 ROC curve 的主要原因除了可以有 效得到最佳的限定值，同時也可以利用 ROC curve 的面積來比較何種方法較 好。

針對不同種族，總共使用了四種方法來測試各種族對於亮度以及臉部資 訊所產生的結果，下列為這四種方法的說明

 方法 A

方法 A 是使用公式(3)，其

x 

=是表示[CbCr]^T，利用 3.2 訓練資料 所得的^和算出膚色的機率，這也是最原始的方法，作為比較的基準。

 方法 B

方法 B 便是使用 3.2 訓練資料的數據代入公式(4)，此方法是用來對 照方法 A，看亮度使否會對膚色偵測造成影響。

 方法 C

方法 C 是使用臉部膚色的資訊來作處理。利用 3.3.2 抓出的臉部顏 色平均值以及 3.2 訓練資料的共變異數代入公式(3)來得出膚色機率，不 過當沒有偵測到臉部時，使用 3.2 訓練資料的平均值以及共變異數代入 公式(3)。這方法是用來跟方法 A 做比對，為的是證明臉部資訊是否影 響到膚色偵測。

 方法 D

方法 D 是使用臉部膚色的資訊以及亮度作處理，也就是本論文利 用臉部資訊重新偵測膚色的方法，不同於方法 C 的是在偵測到臉部時使 用公式(13)的亮度變化，再代入公式(4)去算出膚色機率。若未偵側到臉 部，則使用 3.2 訓練資料的平均值以及共變異數代入採用公式(4)。這方 法是用來跟方法 C 做比對，為的是比較使用亮度的好壞。

上述為各方法的說明，利用表 6 可以簡單的分類出其不同之處，利用這 些不同之處來判斷臉部資訊以及亮度對膚色偵測的影響。

表 6：方法分類

臉部資訊 亮度

方法 A X X

方法 B X V

方法 C V X

方法 D V V

4.2.1 亞洲人

圖 16 是針對亞洲人照片做運算，最後將各方法以 ROC curve 的方 式呈現。由圖可知當使用方法 D 提高偵測率最高，主要的原因在於使 用亮度(公式 13)來判別低亮度非膚色的部分，加上使用 3.3.2 取出的臉 部的訊息來調整膚色偵測，所以偵測率為最高。而方法 B 提升偵測率 的原因是因為亮度去除掉非膚色的部份特別多(公式(5)的亮度調整)。而 方法 C 是因為少了使用亮度去除低亮度非膚色的部份，但使用臉部訊 息依然可以有效的提升膚色偵測。

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 False positive rate

Truepositiverate

方法A 方法B 方法C 方法D

圖 16：亞洲人 ROC curve

4.2.2 白種人

圖 17 是將白種人的照片以方法 A 到 D 作運算，並使用 ROC curve 來比較各方法之好壞。由圖 18 可知方法 D 可以是最好的方法，主要的

測。而方法 B 和方法 A 的對比是在亮度方面，由於亮度去除掉低亮度 非膚色的像素特別多，所以方法 B 要比方法 A 來得好。

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 False positive rate

Truepositiverate

方法A 方法B 方法C 方法D

圖 17：白人整體的 ROC curve

4.2.3 黑人

圖 18 是各方法針對黑人圖片所做的 ROC curve。由圖 18 得知方法 B 的效果不好，反倒是方法 A 仍然維持不錯的偵測率，由此可見使用 亮度處理黑人是十分不妥的一件事。原因在於黑人膚色本身就偏暗，因 此在使用亮度作處理時常會去除掉屬於低亮度的膚色部份。對於使用方 法 D 能夠有好的表現最主要是使用臉部資訊，當臉部平均亮度低於 100 時只使用公式(3)作調整，因此亮度影響比較不大。對於黑人最好的處理 方式是使用方法 C，它只使用 3.3.2 取出的臉部膚色代入公式(3)，所以 沒有受到亮度影響而降低偵測率。

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 False positive rate

Truepositiverate

方法A 方法B 方法C 方法D

圖 18：黑人整體的 ROC curve

4.2.4 方法總結

由表 7 可知，方法 C 跟方法 D 利用臉部資訊可以有效的加強膚色 的偵測，對方法 B 來說，只有在黑人偵測時較差，其原因是因為使用 亮度的關係。以整體來看方法 C 的表現最為平穩，單單只用臉部資訊 便足以應付所有人種，由此可見利用臉部偵測可以有效提高效率。亮度 對於除黑人之外的人種來說加強了許多效率，在方法 B 在相對於方法 A 或是方法 D 相對於方法 C 而言，都有很明顯的進步，所以亮度也可以 用於確定照片不是黑人的情況下使用。

表 7：方法 A 到 D 對應各種族在 ROC curve 的區域值

方法 A 方法 B 方法 C 方法 D 亞洲人 0.897 0.916 0.933 0.949 白種人 0.900 0.924 0.928 0.943 黑人 0.893 0.814 0.908 0.890