Modelo para Detecção e Reconhecimento de Tons de Pele baseado em Inteligência Artificial e Processamento de Imagens

• Janaina Ferreira Santos UFS
• Gabriel dos Santos Mendonça UFS
• Alcides X. Benicasa UFS

DOI: https://doi.org/10.5753/erbase.2025.13032

Resumo

A Visão Computacional e Aprendizado de Máquina têm possibilitado sistemas mais precisos para detecção de padrões em imagens, como a classificação de tons de pele, relevante para personalização de produtos e análise de diversidade racial. Contudo, a baixa acurácia para tons escuros e a falta de diversidade nos dados geram vieses raciais. Este trabalho propõe um modelo baseado na escala de Monk, combinando detecção facial, segmentação de pele por regras e extração de cor com K-means, comparando os resultados a uma paleta de referência. Com abordagem experimental e quantitativa, o modelo atingiu 99% de acurácia em ambientes controlados e 80% em baixa iluminação.

Referências

Ali, H., Alnafaakh, H., Ghazali, R., El abbadi, N., and El Abbadi, N. (2021). A review of human skin detection applications based on image processing. Bulletin of Electrical Engineering and Informatics, 10:129–137.

Borza, D., Borza, D., Nistor, S. C., Nistor, S. C., Dărăbant, A. S., and Darabant, A. S. (2017). Towards automatic skin tone classification in facial images. International Conference on Image Analysis and Processing.

Buolamwini, J. and Gebru, T. (2018). Gender shades: Intersectional accuracy disparities in commercial gender classification. In Conference on fairness, accountability and transparency, pages 77–91. PMLR.

Fitzpatrick, T. B. (1988). The Validity and Practicality of Sun-Reactive Skin Types I Through VI. Archives of Dermatology, 124(6):869–871.

Gonzalez, R. C. and Woods, R. E. (2000). Processamento de imagens digitais. Editora Blucher.

Howard, J. J., Sirotin, Y. B., Tipton, J. L., and Vemury, A. R. (2021). Reliability and validity of image-based and self-reported skin phenotype metrics. IEEE Transactions on Biometrics, Behavior, and Identity Science, 3(4):550–560.

Kolkur, S., Kalbande, D., Shimpi, P., Bapat, C., and Jatakia, J. (2017). Human skin detection using rgb, hsv and ycbcr color models. arXiv preprint arXiv:1708.02694.

Kumar, A., Kaur, A., and Kumar, M. (2019). Face detection techniques: a review. Artificial Intelligence Review, 52:927–948.

Leão, A. C., Araújo, A., and Souza, L. A. C. (2005). Implementação de sistema de gerenciamento de cores para imagens digitais. Teixeira A, Barrére E, Abrão IC. Web e multimídia: desafios e soluções. Poços de Caldas: PUC-Minas.

Manoel, L. A. V. (2022). Reduzindo viés em classificação de tons de pele em bases de dados de imagens. PhD thesis, Universidade de São Paulo.

Marengoni, M. and Stringhini, S. (2010). Tutorial: Introdução à visão computacional usando opencv. Revista de Informática Teórica e Aplicada, 16(1):125–160.

Minaee, S., Luo, P., Lin, Z., and Bowyer, K. W. (2021). Going deeper into face detection: A survey. CoRR, abs/2103.14983.

Monk, E. (2022). Monk skin tone scale. [link].

Ridolf, L. F. G. G. M. (2012). Construo de Espaos de Cor Euclidianos e Perceptualmente Uniformes com base na fórmula CIEDE2000. PhD thesis, Pontifícia Universidade Católica do Rio de Janeiro.

Schumann, C., Olanubi, G. O., Wright, A., Monk Jr, E., Heldreth, C., and Ricco, S. (2023). Consensus and subjectivity of skin tone annotation for ml fairness. arXiv preprint arXiv:2305.09073.

Scuri, A. E. (1999). Fundamentos da imagem digital. Pontifícia Universidade Católica do Rio de Janeiro, page 13.

Zhang, K., Zhang, Z., Li, Z., and Qiao, Y. (2016). Joint face detection and alignment using multitask cascaded convolutional networks. IEEE Signal Processing Letters, 23(10):1499–1503.