丁 瑤，鐘 鏵，孫 婷

(1.西藏大學(xué)醫(yī)學(xué)院人體解剖學(xué)教研室，西藏 拉薩 850000；2.成都中醫(yī)藥大學(xué)基礎(chǔ)醫(yī)學(xué)院人體解剖與組織胚胎學(xué)教研室，四川 成都 611137；3.長沙市口腔醫(yī)院，湖南 長沙 410005)

面部作為重要的美學(xué)載體，是影響一個人外表的重要因素之一，在人體認(rèn)知、心理、人格、美學(xué)等方面具有至關(guān)重要的作用[1]。從目前整體形勢來看，近幾十年來，不少國內(nèi)外學(xué)者對人體頭面部特征進行了大量測量及研究，建立了不同國家、民族、性別、地域、年齡等因素的相關(guān)人群頭面部測量指標(biāo)的正常值范圍[2-5]。通過大量的數(shù)據(jù)研究，其目的在于更好地探索人體頭面部特征，為人類學(xué)、容貌美學(xué)、臨床醫(yī)學(xué)等發(fā)展提供理論支持，面部特征研究作為人類學(xué)的重要內(nèi)容，現(xiàn)已被廣泛用于人臉識別、面部特征提取、整形醫(yī)學(xué)等多個領(lǐng)域。

文獻計量學(xué)主要是通過數(shù)學(xué)和統(tǒng)計學(xué)分析方法定量分析一切知識載體的交叉學(xué)科。1969年由英國情報學(xué)家阿倫·普理查德(Pritchard)正式提出，相對于其他國家，我國文獻計量學(xué)研究發(fā)展較國際上晚了10年左右，其產(chǎn)生與發(fā)展卻非常迅速，不管是在理論、方法方面，還是在實踐方面均呈現(xiàn)出較強的后發(fā)優(yōu)勢。隨著科學(xué)的不斷發(fā)展，文獻計量學(xué)現(xiàn)已經(jīng)突破對篇、冊、本為單位的文獻計量，主要通過量化指標(biāo)反映文獻資源的數(shù)量特征與規(guī)律，揭示文獻信息的內(nèi)在關(guān)聯(lián)，是完成科學(xué)評價量化分析的技術(shù)保障，并且深入至文獻內(nèi)部知識單元和相關(guān)信息方面，大大豐富了基礎(chǔ)數(shù)據(jù)和檢索技術(shù)[6-8]。目前，有關(guān)面部特征研究也引起了國內(nèi)學(xué)者的關(guān)注，利用文獻計量學(xué)分析對該領(lǐng)域的研究還較少見，本研究基于中國知網(wǎng)(CNKI)數(shù)據(jù)庫使用文獻計量學(xué)方法分析了解面部特征研究領(lǐng)域的現(xiàn)狀，現(xiàn)報道如下。

1 對象與方法

1.1研究對象 以篇名“面部特征”為檢索條件，檢出203篇文獻作為研究對象。

1.2方法 基于CNKI數(shù)據(jù)庫，以篇名為“面部特征”為檢索條件，以2000年1月1日至2021年12月31日作為檢索時間段，選擇以學(xué)術(shù)期刊論文、學(xué)位論文、會議論文等3個研究類型的中文文獻為檢索范圍，檢出文獻203篇，采用文獻計量分析法分析面部特征研究領(lǐng)域現(xiàn)狀。

1.3統(tǒng)計學(xué)處理 應(yīng)用Excel2013軟件統(tǒng)計數(shù)據(jù)，以率或構(gòu)成比、頻次表示，采用描述性統(tǒng)計分析。

2 結(jié) 果

2.1面部特征研究發(fā)文量 203篇文獻中2000年3篇，2001年3篇，2002年3篇，2003年2篇，2004年4篇，2005年3篇，2006年5篇，2007年11篇，2008年9篇，2009年13篇，2010年9篇，2011年5篇，2012年4篇，2013年17篇，2014年4篇，2015年16篇，2016年15篇，2017年10篇，2018年13篇，2019年16篇，2020年20篇，2021年18篇，見圖1。學(xué)術(shù)期刊論文125篇(61.58%)，學(xué)位論文71篇(34.98%)，會議論文7篇(3.45%)。

2.2面部特征研究引用頻數(shù)排名前10位的文獻 以篇名“面部特征”引用頻數(shù)排名前10位的文獻總被引用頻數(shù)為617次，分布于計算機、電子、軟件、臨床醫(yī)學(xué)等領(lǐng)域，主要以計算機、電子、軟件等領(lǐng)域為主。見表1。

表1 面部特征研究引用頻數(shù)排名前10位的文獻

2.3面部特征研究引用頻數(shù)排名前10位的學(xué)位論文 以篇名“面部特征”引用頻數(shù)排名前10位學(xué)位論文總被引用頻數(shù)為162次，發(fā)文時間為2003—2019年，學(xué)位授予單位為“985”“211”高校，以及普通高校等，以“985”“211”高校引用頻數(shù)居多。見表2。

2.4面部特征研究發(fā)文基金來源 203篇文獻中有基金支撐者66篇(32.51%)，基金類型包括國家級、省級、市級、高等學(xué)校專項基金等，以國家自然科學(xué)基金支持的發(fā)文量居首位，其次為省級科研基金。見表3。

表3 面部特征研究發(fā)文基金來源(n=203)

3 討 論

隨著時間推移，發(fā)文量及其所涉及學(xué)科在某種程度上反映了該學(xué)科學(xué)術(shù)研究的活躍程度，可大致揭示學(xué)科發(fā)展方向[9]。由圖1可見，2000—2006年相關(guān)面部特征研究的發(fā)文量較少，且長期居于穩(wěn)定狀態(tài)，2007—2010年發(fā)文量較前有所增長，但總體趨勢變化不大，2011—2014年發(fā)文量處于波動狀態(tài)，2014年后發(fā)文量猛增，發(fā)文量較前具有明顯的增長優(yōu)勢，進入快速增長階段，2020年達到了最高發(fā)文量，共20篇，此后長期維持在較高的發(fā)文量狀態(tài)；從3種類型文獻的發(fā)文量來看，主要以學(xué)術(shù)期刊論文、學(xué)位論文為主，共188篇[96.55%(196/203)]，作為面部特征研究發(fā)文量的主要貢獻者。早期相關(guān)面部特征研究熱度并不是很高，并且長期處于不穩(wěn)定的發(fā)展趨勢，其可能原因是早期科研技術(shù)的不成熟，以及社會關(guān)注度不高等，隨著后期社會和科技的迅猛發(fā)展，科研技術(shù)能力得到不斷提升，加之近年來面部特征技術(shù)已發(fā)展得較為成熟，如三維攝影、人臉識別、人工智能等科研技術(shù)[10-11]被廣泛用于面部特征研究領(lǐng)域，引起了越來越多國內(nèi)外學(xué)者的重視，大量科研人員及科研技術(shù)的投入大幅度提高了發(fā)文量。

總引用頻數(shù)是指自期刊創(chuàng)立以來所有論文在統(tǒng)計年度的被引用頻數(shù)，是評價學(xué)術(shù)期刊的常用指標(biāo)，也是多數(shù)主流期刊采用的指標(biāo)，主要衡量期刊自創(chuàng)刊以來的學(xué)術(shù)影響力及學(xué)術(shù)發(fā)展?fàn)顟B(tài)[12-13]。面部特征研究引用頻數(shù)排名前10位的面部特征研究文獻總引用頻數(shù)為617次，主要以山世光發(fā)表的《基于紋理分布和變形模板的面部特征提取》被引用頻數(shù)最多，高達208次[33.71%(208/617)]，其次為周激流發(fā)表的《基于先驗?zāi)０宓娜四樏娌刻卣魈崛〉难芯俊?，被引用頻數(shù)為92次[14.91%(92/617)]。由表1可見，面部特征研究引用頻數(shù)排名前10位的學(xué)術(shù)期刊以《軟件學(xué)報》被引用頻數(shù)居于首位，其次為《計算機輔助設(shè)計與圖形學(xué)學(xué)報》，由此表明，二者在篇名為“面部特征”文獻被引用頻數(shù)中處于優(yōu)勢地位，此外，引用頻數(shù)排名前10位的學(xué)術(shù)期刊94.98%的引用頻數(shù)來自于核心期刊，是該學(xué)科的主要期刊，包含該學(xué)科的大部分專業(yè)情報信息，能較好地反映最新成果和前沿動態(tài)，為多數(shù)讀者所重視的期刊。面部特征研究引用頻數(shù)排名前10位的學(xué)位論文總引用頻數(shù)為162次，以江蘇大學(xué)羅敏的《基于膚色的人臉檢測和面部特征定位技術(shù)研究》被引用頻數(shù)最高，共24次[14.81%(24/162)]，哈爾濱工業(yè)大學(xué)的學(xué)位論文被引用頻數(shù)為27次[16.67%(27/162)]，在排名前10位的學(xué)位論文總引用頻數(shù)中引用頻數(shù)78.40%的學(xué)位論文來源于“985”“211”高校，表明“985”“211”高校在面部特征研究方面做出了重要努力。

有無基金資助對發(fā)文量具有重要影響，科研基金通過對科研項目和科研人員的支持，有力地推動了現(xiàn)代科學(xué)技術(shù)的發(fā)展，同時，基金資助數(shù)量與論文產(chǎn)出量呈正相關(guān)，適當(dāng)?shù)卦黾踊鹳Y助數(shù)量有利于提高科研論文產(chǎn)出量[14-15]。本研究結(jié)果顯示，203篇文獻中有基金支撐者66篇(32.51%)，由國家自然科學(xué)基金資助的發(fā)文量最多，高達35篇[17.24%(35/203)]，由國家高科技研究發(fā)展計劃資助的發(fā)文量6篇[2.96%(6/203)]，由廣東省自然科學(xué)基金資助的發(fā)文量3篇[1.48%(3/203)]，由其他高?；痦椖康荣Y助的發(fā)文量占12.81%(26/203)。由表3可見，在眾多科研基金項目資助中主要以國家級基金作為面部特征研究發(fā)文量的首要基金資助來源，再結(jié)合逐年面部特征研究發(fā)文量說明我國面部特征研究不僅在飛速發(fā)展，而且從側(cè)面反映我國對于相關(guān)面部特征研究領(lǐng)域也是大力支持的。

目前，相關(guān)面部特征研究主要用于交通、圖像處理、臨床醫(yī)學(xué)等領(lǐng)域，如通過提取面部疲勞特征參數(shù)判斷駕駛?cè)藛T是否處于疲勞狀態(tài)[16]，避免疲勞駕駛，減少交通事故的發(fā)生；通過對不完整圖像面部特征的預(yù)測，使其修復(fù)后更加接近于真實的圖像[17]；通過機器算法與面部特征點進行人臉面部識別，進行身份的判定；此外，該技術(shù)在遺傳疾病診斷中擁有極高的準(zhǔn)確率，能輔助診斷臨床遺傳性疾病，而作為重要的輔助技術(shù)手段用于臨床工作[18]。目前，這些技術(shù)主要依賴于人臉面部特征進行工作，在技術(shù)方面存在缺陷和安全性問題，如系統(tǒng)漏洞、算法缺陷、數(shù)據(jù)安全風(fēng)險、人臉特征相似等會導(dǎo)致越權(quán)訪問，造成用戶信息泄露及財產(chǎn)損失，給用戶的生活帶來了潛在的風(fēng)險[19]；在使用面部特征技術(shù)帶來便利的同時也要時刻警惕其安全性問題。

綜上所述，本研究基于CNKI數(shù)據(jù)庫使用文獻計量學(xué)方法探討了相關(guān)面部特征研究領(lǐng)域狀況，從較淺層面上回顧了近20多年來我國在該領(lǐng)域的一些研究進展，本研究也存在許多不足與局限性，在今后的研究中需要從更深的角度洞悉該領(lǐng)域的發(fā)展?jié)摿?，熟悉該領(lǐng)域的最新發(fā)展動態(tài)及發(fā)展方向。近年來相關(guān)面部特征研究備受關(guān)注，從逐年發(fā)文量、引用頻數(shù)、基金來源等方面來看也均有所增加，但因其也存在一定的風(fēng)險性問題，所以，進一步加強對面部特征技術(shù)缺陷的探索，更好地完善技術(shù)缺陷也顯得尤為重要。相信隨著社會、科技的進步，在不久的將來聚焦于面部特征研究將會深入更多不同領(lǐng)域。