申请专栏作者 参展
投稿发布
您的当前位置:主页 > 机器视觉 > 正文

人脸颜值研究综述

来源:可思yabo88滚球 时间:2019-09-12
请支持本站,点击下面的广告后浏览!

人脸颜值研究综述 本文来自可思yabo88滚球(sykv.com),转载请联系本站及注明出处

今天带来一篇人脸识别中的颜值打分技术,所谓“颜值”,基于什么标准来评判高低呢?既然是个“数值”,那到底能不能“测量”一下?

可思yabo88滚球-AI,sykv.com人工智能,深度学习,机器学习,神经网络

01

概述

近年来随着人脸识别技术的发展,颜值打分也受到了广泛的关注与研究。可即使人来打分,大家也口味各异,御姐萝莉各有所爱。计算机又岂能判断人的美丑呢?实际上科学家研究过人脸的 " 颜值 ",并一直在开发相对应的”颜值算法”。【1】“平均脸” 的思想是通过算法检测特征点,然后将人脸图像划分成不同区域再做分段放射变换与加权平均,综合考虑人脸的形状特征和纹理特征,合成的图如下: 可思yabo88滚球sykv.com,sykv.cn

人脸颜值研究综述 可思yabo88滚球sykv.com,sykv.cn

五官匀称,轮廓对称,肤色美观的脸更容易受到大众的喜欢,这一点在颜值中可算达到脸共识,也就是“丑人多作怪,美人一个胚”。正因如此,颜值算法才有了可行性,国内各大公司开发了颜值打分应用,我们看看。 可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人sykv.com

同一张图在不同应用中的测定:

可思yabo88滚球sykv.com,sykv.cn

人脸颜值研究综述

可思yabo88滚球sykv.com,sykv.cn

不同的人脸在同一应用中测定 (百度 AI 为例)

内容来自可思yabo88滚球sykv.com

人脸颜值研究综述 可思yabo88滚球sykv.com,sykv.cn

不同年龄不同肤色在颜值打分系统中评分测试 (例旷视科技,列出部分测试): 可思yabo88滚球sykv.com,sykv.cn

人脸颜值研究综述人脸颜值研究综述 内容来自可思yabo88滚球sykv.com

颜值测定是一项娱乐的应用,我们从下面的yabo88滚球集中随机拿了几张图做测试,结果如下:

可思yabo88滚球-AI,sykv.com智能驾驶,人脸识别,区块链,大yabo88滚球

1.?不同肤色给出分数无明显差异
2. 评分多在 60 分左右 可思yabo88滚球-AI,sykv.com智能驾驶,人脸识别,区块链,大yabo88滚球

人脸颜值研究综述 可思yabo88滚球-www.sykv.cn,sykv.com

总的来说表现都差不多,娱乐为主吧。 内容来自可思yabo88滚球sykv.com

02

人脸颜值yabo88滚球集与标价指标

2.1 yabo88滚球集

地址在?https://github.com/HCIILAB/SCUT-FBP5500-Database-Release 本文来自可思yabo88滚球(sykv.com),转载请联系本站及注明出处

人脸颜值研究综述

可思yabo88滚球sykv.com

yabo88滚球集共 5500 个正面人脸,年龄分布为 15-60,全部都是自然表情。包含不同的性别分布和种族分布(2000 亚洲女性,2000 亚洲男性,750 高加索男性,750 高加索女性),yabo88滚球分别来自于yabo88滚球堂,US Adult database 等。每一张图由 60 个人进行评分,共评为 5 个等级,这 60 个人的年龄分布为 18~27 岁,均为年轻人。适用于基于 apperance/shape 等的模型研究。同时,每一个图都提供了 86 个关键点的标注。

可思yabo88滚球sykv.com

各类人群的颜值分布如下:

可思yabo88滚球sykv.com,sykv.cn

人脸颜值研究综述

可思yabo88滚球sykv.com,sykv.cn

颜值分数都使用包含两个主成分的混合高斯模型去拟合,红色和绿色分别是低颜值和高颜值的分布曲线,可见对于这 4 类人群,平均高颜值在 4,低颜值在 2.5 左右。 可思yabo88滚球sykv.com,sykv.cn

另外文【2】中还列出了一些yabo88滚球集,大家可以自行了解。
人脸颜值研究综述 可思yabo88滚球-人工智能资讯平台sykv.com

2.2 评价准则

?

内容来自可思yabo88滚球sykv.com

2.2.1 Pearson correlation coefficient

用来度量yabo88滚球间是否存在线性关系,也表征了变量间线性关系的强弱。它通过计算两个yabo88滚球集合之间的距离用来衡量两个yabo88滚球集合的线性相关度。设 N 幅人脸图像的人工评分值为{ x1,x2,…,xi,…,xN} ,计算得到的分值为{ y1,y2,…,yi,…,yN } ,其中 xi 表示第 i 幅图像的真值,yi 表示第 i 幅图像的人脸颜值预测结果。相关系数 r 计算公式如式如下:
人脸颜值研究综述 可思yabo88滚球-AI,sykv.com人工智能,深度学习,机器学习,神经网络

r 值越高,表示人工分类结果与本文方法预测结果越接近,该方法的性能就越好,反之,则越差,如下图所示。 可思yabo88滚球sykv.com,sykv.cn

人脸颜值研究综述 可思yabo88滚球-人工智能资讯平台sykv.com

2.2.2 Maxumum absolute error 和 root mean square error

Maxumum absolute error 就是真值和预测值的绝对差值,root mean square error 就是误差平方和的根,比较简单就不列出公式了。

本文来自可思yabo88滚球(sykv.com),转载请联系本站及注明出处

03

传统方法研究思路

传统方法研究思路,自然就是手动提取特征,我们基于参考文献【3】来做说明。 可思yabo88滚球-AI,sykv.com智能驾驶,人脸识别,区块链,大yabo88滚球

分为几何特征与表观特征,几何特征包括人脸关键特征点位置、关键位置距离信息以及人脸各器官面积比例;表观特征包括 LBP 纹理特征。将这两种特征进行串联得到融合特征。 可思yabo88滚球sykv.com,sykv.cn

下面是具体的步骤。

可思yabo88滚球sykv.com,sykv.cn

3.1 图像预处理

人脸图像收集时质量不同且伴有噪声,明暗灰度也差异较大,对图像进行预处理有助于后续对人脸特征的提取与计算。图像预处理包括灰度化处理、位置检测以及倾斜校正处理。

可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人sykv.com

1.?将图像转化为灰度图
2.?利用 Haar 分类器截取人脸的大致区域
3. 计算倾斜角并矫正

本文来自可思yabo88滚球(sykv.com),转载请联系本站及注明出处

3.2 几何特征提取

?

可思yabo88滚球sykv.com,sykv.cn

3.2.1 全局特征

根据 ASM 算法将 68 个人脸特征点的横纵坐标连接起来构成表征人脸几何特征关键点的特征向量,这就是全局特征。但是由于原始图像角度问题会导致向量在计算过程中会出现误差,所以要对向量进行归一化处理,具体包括 (1) 平移不变处理 (2) 尺度不变处理 (3) 旋转不变处理

本文来自可思yabo88滚球(sykv.com),转载请联系本站及注明出处

3.2.2 人脸距离特征

人到一定年龄以后,面部的器官位置信息将不再随着年龄的增长而变化 ( 手术或意外情况除外) ,基于 ASM-68 向量定义 18 个距离特征如下:
人脸颜值研究综述人脸颜值研究综述

可思yabo88滚球sykv.com,sykv.cn

3.2.3 面积特征

根据 ASM 定位的关键点找到表征各器官面积的三角形,如眼睛、鼻子、下巴、嘴等, 将得到的 54 个三角形面积特征归一化后就可以得到三角形面积特征。 可思yabo88滚球-AI,sykv.com人工智能,深度学习,机器学习,神经网络

人脸颜值研究综述

可思yabo88滚球sykv.com,sykv.cn

3.3 表观特征提取

表观特征表征的是人脸的整体外貌和人脸的皮肤状况等信息。可以反映出如纹理信息、人脸皮肤的状态、颜色深浅面部信息等。表观特征选择比较成熟的 LBP 特征。

可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人sykv.com

LBP 特征,就是在图像的某个区域内,将中心像素点的像素值作为阈值,相邻像素点与其进行对比,大于阈值标记为 1,小于或等于则标记为 0,产生 8 位二进制数,该值作为中心像素点的 LBP 值。当然,Gabor 特征也是经常使用的。 可思yabo88滚球sykv.com,sykv.cn

3.4 特征融合与分类

?

可思yabo88滚球sykv.com,sykv.cn

3.4.1 人脸特征融合

前面提取的几何特征显示了人脸关键特征点信息、人脸各器官间的距离比例信息以及面积特征等,表观特征表征了人脸的全局纹理特性。由于都已经进行了归一化处理,因此可以直接采用串联的方式进行特征融合。

可思yabo88滚球-人工智能资讯平台sykv.com

3.4.2 分类

融合了特征之后就可以进入分类器了,常用的是 SVM。 可思yabo88滚球-AI,sykv.com智能驾驶,人脸识别,区块链,大yabo88滚球

在文【2】中分别采用了 18 维的距离特征和 Gabor 滤波特征,使用了 linear regression,gaussian regression 和 support vector regression 方法进行比较。效果如下: 可思yabo88滚球sykv.com

人脸颜值研究综述 可思yabo88滚球-yabo88滚球挖掘,智慧医疗,机器视觉,机器人sykv.com

从结果看来,对于几何特征,gaussian regression 和 support vector regression 表现更好均优于 linear regression 方法,而对于纹理特征,求取关键点的方法的不同,使得 gaussian regression 和 support vector regression 各有优劣。

可思yabo88滚球-www.sykv.cn,sykv.com

04

深度学习方法研究思路

基于深度学习的方法,由于已经没有了手设特征的一步,所以就只剩下优化目标的选择和网络的选择。更强大的网络,通常都有更好的性能,我们看看文【2】训练的结果。

可思yabo88滚球-AI,sykv.com智能驾驶,人脸识别,区块链,大yabo88滚球

人脸颜值研究综述 可思yabo88滚球sykv.com,sykv.cn

实验结果表明符合我们的预测,网络最强大的 ResNext-50 取得最优性能,同时,所有的网络都优于最好的传统方法。基于深度学习的方法没有太多可以说的地方,怼yabo88滚球就是正确答案。

本文来自可思yabo88滚球(sykv.com),转载请联系本站及注明出处

05

总结

最后我们做一个总结。人脸颜值打分算法,虽然是一个比较主观的问题,但是也可以取得比较统一的结果。它可以是一个分类问题,也可以是一个回归问题。基于深度学习的方法 + 更大更高质量的yabo88滚球集的整理,可以非常完美地解决这个问题。在各大软件当中目前用于娱乐,但颜值算法同样在美容等行业有一定价值,还有待应用。

可思yabo88滚球-AI,sykv.com智能驾驶,人脸识别,区块链,大yabo88滚球

参考文献: 可思yabo88滚球-AI,sykv.com智能驾驶,人脸识别,区块链,大yabo88滚球

[1]?环球网.?英科学家绘制全球 41 个国家女性“平均脸”. 2013-9-23 可思yabo88滚球sykv.com,sykv.cn

[2] Liang L, Lin L, Jin L, et al. SCUT-FBP5500: A Diverse Benchmark Dataset for Multi-Paradigm Facial Beauty Prediction[J]. arXiv preprint arXiv:1801.06345, 2018.

内容来自可思yabo88滚球sykv.com

[3]?蒋婷, 沈旭东, 陆伟, 等. 基于多特征融合的人脸颜值预测 [J]. 网络新媒体技术, 2017, 6(2): 7-13.

本文来自可思yabo88滚球(sykv.com),转载请联系本站及注明出处

转发量:

上一篇:人脸识别背后的安全风险,谁来买单?
下一篇:没有了

网友评论:

发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片 匿名?

关于我们?? 免责声明?? 广告合作?? 版权声明?? 联系方式?? 原创投稿?? 网站地图??

Copyright?2005-2019 Sykv.com 可思yabo88滚球 版权所有 ?? ICP备案:京ICP备14056871号

人工智能资讯?? 人工智能资讯?? 人工智能资讯?? 人工智能资讯

?扫码入群
咨询反馈
扫码关注

微信公众号

返回顶部
关闭