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(gè)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(jìn)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(gè)領(lǐng)域。

文獻(xiàn)計(jì)量學(xué)主要是通過數(shù)學(xué)和統(tǒng)計(jì)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(bào)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(xiàn)計(jì)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(shí)踐方面均呈現(xiàn)出較強(qiáng)的后發(fā)優(yōu)勢。隨著科學(xué)的不斷發(fā)展，文獻(xiàn)計(jì)量學(xué)現(xiàn)已經(jīng)突破對篇、冊、本為單位的文獻(xiàn)計(jì)量，主要通過量化指標(biāo)反映文獻(xiàn)資源的數(shù)量特征與規(guī)律，揭示文獻(xiàn)信息的內(nèi)在關(guān)聯(lián)，是完成科學(xué)評價(jià)量化分析的技術(shù)保障，并且深入至文獻(xiàn)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(xiàn)計(jì)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(xiàn)計(jì)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(bào)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(xiàn)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(shí)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(gè)研究類型的中文文獻(xiàn)為檢索范圍，檢出文獻(xiàn)203篇，采用文獻(xiàn)計(jì)量分析法分析面部特征研究領(lǐng)域現(xiàn)狀。

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

2 結(jié) 果

2.1面部特征研究發(fā)文量 203篇文獻(xiàn)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(xiàn) 以篇名“面部特征”引用頻數(shù)排名前10位的文獻(xiàn)總被引用頻數(shù)為617次，分布于計(jì)算機(jī)、電子、軟件、臨床醫(yī)學(xué)等領(lǐng)域，主要以計(jì)算機(jī)、電子、軟件等領(lǐng)域?yàn)橹?。見?。

表1 面部特征研究引用頻數(shù)排名前10位的文獻(xiàn)

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(shí)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(xiàn)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(xiàng)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(shí)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(dòng)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(jìn)入快速增長階段，2020年達(dá)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(xiàn)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(xiàn)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(jì)年度的被引用頻數(shù)，是評價(jià)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(xiàn)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(dá)208次[33.71%(208/617)]，其次為周激流發(fā)表的《基于先驗(yàn)?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(bào)》被引用頻數(shù)居于首位，其次為《計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)》，由此表明，二者在篇名為“面部特征”文獻(xiàn)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(bào)信息，能較好地反映最新成果和前沿動(dòng)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(xiàng)目和科研人員的支持，有力地推動(dòng)了現(xiàn)代科學(xué)技術(shù)的發(fā)展，同時(shí)，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(xiàn)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(dá)35篇[17.24%(35/203)]，由國家高科技研究發(fā)展計(jì)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?xiàng)目等資助的發(fā)文量占12.81%(26/203)。由表3可見，在眾多科研基金項(xiàng)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(shí)的圖像[17]；通過機(jī)器算法與面部特征點(diǎn)進(jìn)行人臉面部識別，進(jìn)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(jìn)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(xiǎn)、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(cái)產(chǎn)損失，給用戶的生活帶來了潛在的風(fēng)險(xiǎn)[19]；在使用面部特征技術(shù)帶來便利的同時(shí)也要時(shí)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(xiàn)計(jì)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(jìn)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Γ煜ぴ擃I(lǐng)域的最新發(fā)展動(dòng)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(xiǎn)性問題，所以，進(jìn)一步加強(qiáng)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(jìn)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。