Desenvolvimento de um protótipo de aplicação para identificação de coloração pessoal: uma abordagem baseada em inteligência artifical

Abstract

A análise de coloração pessoal é um processo complexo, tradicionalmente subjetivo e dependente de especialistas. Este trabalho apresenta o uso de técnicas de inteligência artificial aplicadas a imagens de mulheres no desenvolvimento de um protótipo de sistema para classificação de coloração pessoal. O objetivo foi propor uma solução capaz de agrupar rostos femininos conforme as 12 cartelas do método sazonal expandido, mesmo sem dados previamente rotulados. Foram explorados dois modos de análise: Modo Rosto (imagem completa) e Modo Pele (segmentação das regiões de pele), utilizando a biblioteca MTCNN para detecção facial e extração de áreas específicas da pele. Em seguida, foram extraídas 27 características cromáticas por imagem, combinando histogramas no espaço de cores CIELAB com análise de cor dominante. As informações foram reduzidas dimensionalmente com UMAP e agrupadas por meio do algoritmo k-means. A avaliação dos resultados incluiu visualizações dos agrupamentos e uma etapa de validação qualitativa com especialistas em coloração pessoal. Apesar das limitações de participação na validação, foi possível identificar coerência visual nos clusters, especialmente no Modo Pele. O estudo demonstra a viabilidade de abordagens não supervisionadas para a classificação de coloração pessoal e sugere caminhos promissores para aprimoramentos futuros, como o uso de bases rotuladas, técnicas de aprendizado supervisionado e a ampliação da diversidade étnico-racial nas imagens analisadas.