Baysian 膚色模型

　　在做人臉、手勢辨識時，最直覺的做法就是先找膚色，這裡就介紹一下 Bayes 膚色模型。這篇論文是利用條件機率，將每對 (Cb,Cr) 都賦予一個「是否為膚色」的標籤，待訓練完後，每給定一個 (R,G,B)，只要轉換到 YCbCr 就可以知道是否為膚色。

　　論文中所提及的一些式子，如式 (3)、式 (4)，是用成本的概念來說明，如樣本 X 判斷成膚色的成本小於判斷成非膚色的成本，就把樣本 X 決定成膚色。至於其它係數就不用管他，只要知道最後一個實驗出來的結果值：Alpha = 2，剩下就是條件機率的使用了。

　　至於要如何訓練，首先要收集一堆 training data，並且把每一張圖片都一分為二：膚色 & 非膚色，也就是說針對某一張圖片，把膚色以外的區域弄成白色，產生一筆 skin data；非膚色以外的區域弄成白色，產生一筆 non-skin data，這裡需要的是人工篩選的動作。接著，開始一一統計以下四個變量：

1. 膚色點的總數。
2. 非膚色點的總數。
3. 每對 (Cb,Cr) 膚色點的數量。
4. 每對 (Cb,Cr) 非膚色點的數量。
   

　　然後根據論文的式 (10) 與式 (11) 計算每對 (Cb,Cr) 膚色和非膚色的機率，歸類完即可產生一個 225x225 的 training model 了。

　　Bayes 條件機率是不錯的觀念，不少演算法以此為核心發展出來，如：Bayes Classifier，甚至有寫成一個函式庫，裡頭都是用條件機率去做的。不過，用條件機率，很大的問題會取決於所收集的資料特性，甚至當正反兩個結果的機率差不多時，準確度就會大大下降。

程式碼下載

相關閱讀：

• 其他膚色模型