환경 독립적 퍼스널 컬러 스킨톤 검출 기술 개발 연구 = An Environment-Invariant Approach to Personal Color Skin Tone Detection

국문 초록 (Abstract)

본 연구는 다양한 촬영 조건에서도 안정적으로 퍼스널 컬러 유형을 분류하기 위해, 명도 보정(A4 용지 L* 차이 보정) 및 Mediapipe Face Mesh 기반 ROI 추출을 결합한 피부색 정량 분석 모듈을 제안한다. A4 사진의 L*(명도) 차이를 계산하여 데이터셋 전체에 적용함으로써 조명 편차를 보정하였으며, 이후 피부 영역의 L*(명도), a*(적색도), b*(황색도) 값을 표준화 및 산출하였다. 산출된 9차원 색채 특징은 StandardScaler로 정규화 후 K-means(n=4) 군집화를 수행하여 색상 패턴 정보를 학습에 반영하였다. 계절별 균형을 갖춘 1200장의 인물 이미지(60:20:20 분할)를 사용하여 ResNet18 기반 이미지-색채 융합 모델을 학습한 결과, 테스트 정확도는 A4 전처리를 적용하지 않은 경우 대비 약 40%p 향상되어 제안 기법의 효과를 입증하였다.

다국어 초록 (Multilingual Abstract)

This study proposes a robust personal color classification approach by combining A4-based luminance correction with Mediapipe Face Mesh–based ROI extraction. Standardized skin color features (L*, a*, b*) were represented as 9-dimensional vectors and clustered using K-means to capture color patterns. A ResNet18-based image–color fusion model trained on 400 balanced facial images (60:20:20 split) achieved an improvement of about 40 percentage points in test accuracy compared to the baseline without A4 preprocessing, demonstrating the effectiveness of the proposed method.