Hair classification by type of twist in 2D images

Włosy ludzkie można klasyfikować na różne sposoby. Jednym z nich jest klasyfikacja włosów ze względu na typ skrętu. Informacja na ten temat może być przydatna przy doborze odpowiedniej pielęgnacji lub odpowiedniego cięcia dla włosów. W niniejszej pracy został zaprezentowany klasyfikator, który określa typ skrętu na zdjęciu 2D. Do klasyfikacji użyto drzewa decyzyjnego. Do stworzenia bazy danych wykorzystano 5 autorskich metod, z których uzyskano 10 parametrów dla każdego zdjęcia. Baza danych została stworzona na podstawie około 500 zdjęć. Autorskie metody do pozyskiwania cech opierają się na badaniu kształtu każdego włosa na zdjęciu. Na podstawie uzyskanych danych tworzone są parametry, które reprezentują wartości dla wszystkich włosów jako jedną wartość liczbową. Parametry te są zapisywane do bazy i wykorzystywane przez algorytm drzewa decyzyjnego do klasyfikacji. Do uzyskania pojedynczych włosów na zdjęciu wykorzystana została metoda Canny’ego (do wykrywania krawędzi) oraz algorytm przeszukania wszerz (BFS), zmodyfikowany w autorski sposób. Niektóre typy skrętu są do siebie bardzo podobne, a włosy można zaklasyfikować jako 2 podobne typy skrętu. Przy uwzględnieniu takiej omyłkowości, dokładność stworzonego klasyfikatora osiąga 85-92%.

Human hair can be classified in various ways. One of these is to classify hair according to the type of twist. Information on this can be useful when choosing the right care or the right cut for the hair. In this paper, a classifier is presented that determines the type of twist in a 2D image. A decision tree was used for classification. Five original methods were used to create a database, from which 10 parameters were obtained for each image. The database was created from approximately 500 images. The original methods for feature extraction are based on examining the shape of each hair in the image. From the data obtained, parameters are created that represent the values for all hairs as a single numerical value. These parameters are stored in a database and used by the decision tree algorithm for classification. The Canny method (for edge detection) and the breadth-first search (BFS) algorithm, modified in the author's own way, were used to obtain individual hairs in the image. Some twist types are very similar to each other, and hairs can be classified as 2 similar twist types. Taking such confusion into account, the accuracy of the created classifier reaches 85-92%.