تقسیم بندی رنگ پوست در تشخیص چهره مشکل استفاده از فضای رنگ، اشباع و شدت (HSI) برای تقسیم بندی رنگ پوست این است که به شرایط نوری بسیار حساس است و تعیین محدوده رنگ پوست قوی را دشوار می کند.
یک روش جایگزین استفاده از فضای رنگی YCrCb است. فضای رنگی YCrCb اطلاعات درخشندگی (کانال Y) را از اطلاعات کرومینانس (کانال های Cr و Cb) جدا می کند. کانالهای Cr و Cb به ترتیب با اطلاعات رنگ قرمز و آبی در ارتباط هستند و آن را به نمایش مناسبتری برای تقسیمبندی رنگ پوست تبدیل میکنند.
رویکرد دیگر استفاده از الگوریتمهای یادگیری ماشین، مانند شبکه عصبی کانولوشن (CNN) برای انجام تقسیمبندی رنگ پوست است. این رویکرد میتواند در برابر تغییرات در شرایط نوری قویتر باشد و میتواند روی مجموعه دادههای بزرگی از چهرهها آموزش داده شود تا ویژگیهای منحصر به فرد رنگ پوست را بیاموزد.
همچنین در نظر گرفتن مراحل پیش پردازش مانند یکسان سازی هیستوگرام برای افزایش کنتراست ناحیه صورت در تصویر، که می تواند دقت تقسیم بندی رنگ پوست را بهبود بخشد، مهم است.
در نهایت، مهم است که عملکرد روش تقسیمبندی رنگ پوست خود را با استفاده از مجموعه دادههای بزرگ و متنوعی از چهرهها در شرایط نوری مختلف تأیید کنید و پارامترهای روش خود را بر اساس نتایج این ارزیابی تنظیم کنید.