宋亨行

【摘 要】基于人臉面部特征為處理對象的計算機研究是近幾年的研究熱點。由于人眼中的視錯覺會引起很大的誤差，計算機的面部特征研究，相較于傳統(tǒng)的人眼視覺觀察有很大的優(yōu)勢，可以通過分析面部特征的客觀的數(shù)值來分析其相關(guān)性。其中的熱點是關(guān)于人中長度的視覺數(shù)據(jù)與實際測量數(shù)據(jù)是否有誤差，以及人中長度會受到其他哪些部位數(shù)據(jù)的影響，影響程度是多少。因此本研究通過使用人臉關(guān)鍵點估算1013張面部數(shù)據(jù)，再結(jié)合統(tǒng)計相關(guān)系數(shù)矩陣方法進行研究和測算。研究結(jié)果表明人中受口裂寬度和上唇厚度的影響最大，但并無較大的相關(guān)性。

【關(guān)鍵詞】人中長度；面部特征；相關(guān)系數(shù)矩陣

中圖分類號：R221.09 文獻標識碼：A 文章編號：1004-4949（2022）24-0018-04

Study on the Correlation Between Philtrum Length and Other Facial Features

SONG Heng-xing

（School of Statistics， Renmin University of China， Beijing 100020， China）

【Abstract】Computer research based on facial features is a hot topic in recent years. Because the visual illusion in the human eye can cause great errors， the study of computer facial features has great advantages than the traditional human visual observation， which can analyze the correlation by analyzing the objective values of facial features. The research hotspot is mainly about whether there is an error between the visual data of the philtrum length and the actual measurement data， and what other parts of the data will affect the philtrum length， and how much is the impact. Therefore， this study estimates 1013 facial data by using facial key points， and then combines the statistical correlation coefficient matrix method to study and measure. The results show that the width of the mouth and the thickness of the upper lip have the greatest influence on the human， but there is no great correlation.

【Key words】Philtrum length； Facial features； Correlation coefficient matrix

用計算機來檢測出測圖像或視頻中的人臉，并分析處理人臉特征，可以幫助確定人臉的特征，目前其應(yīng)用范圍非常廣泛。已有的算法可以幫助確定例如圖像中人的性別、情緒和年齡。在分析面部特征前，需要先確定面部特征的標志，其中面部標志是人臉上被人眼辨別的主要區(qū)域，又稱為關(guān)鍵點，包括眉毛、眼睛、鼻、唇、外輪廓。目前視覺算法的工程師通過深度學(xué)習(xí)，獲得了多達68個面部關(guān)鍵點[1]。本研究通過計算機檢測，以探究人中長度與其他面部特征的相關(guān)性。

1 人中對面部特征的影響

不同的面部特征由對應(yīng)的關(guān)鍵點所組成，而面部特征對應(yīng)的關(guān)鍵點所組合成集的坐標屬性可以客觀反映面部特征的屬性。比如人中的長度是34和52這兩個關(guān)鍵點所組成，而口裂長度則由49和55兩個關(guān)鍵點組成，通過比較這些關(guān)鍵點的數(shù)值，再利用統(tǒng)計學(xué)方法就可以客觀的分析這些特征的差異[2]。其中人中對面部特征的影響是非常大的，很多情況下能對面部風(fēng)格起到?jīng)Q定性的作用。年輕人的人中一般比較短且飽滿，隨著年齡的增長，皮膚松弛，人中還會拉長，所以人中對一個人的風(fēng)格影響

還是很重要的[3]。

1.1 人中長短對臉型的影響 ①偏長：人中是將鼻部和嘴部連接的重要部位，在面部整體上起到了承上啟下的作用，一旦人中過長就會顯得面部被拉長，整張臉好像也變長了；人中的長短可以影響面部比例，過長的人中會導(dǎo)致面部老齡化，但是氣場也相對較強；但如若為性格成熟穩(wěn)重型，其人中適當(dāng)偏長不會讓面部整體顯得突兀[4]；②偏短：如果是年齡較小，臉型圓潤的人，較短的人中會增加面部整體柔和感，面部呈現(xiàn)出幼態(tài)；但每個人的具體狀況不同，五官分布和年齡感都有區(qū)別，具體還要根據(jù)自己五官情況而定，不可一味地跟風(fēng)[5]；③標準的比例：按照大眾的審美標準來講，人中最理想的長度應(yīng)該是下巴的1/2，這種比例適合所有臉型，五官整體效果也會更順暢[6]。在選擇整形項目的過程中，有一個比較難以量化的事情是臉部不同細節(jié)之間的相互影響，視覺難以剝離面部的其他特征就單一的部位進行獨立觀察，人臉的每一個部位都不是獨立存在的，都會被其他部位的形態(tài)所影響[1]。同時每一個部位也會影響到其它的部位，最終影響整個面容氣質(zhì)的展現(xiàn)[7]。在臨床中使用肉毒素將下頜變小以后，原本正常比例的鼻子會看起來略寬，而下頜角更寬的臉型，能夠適配更寬的鼻型，還有的情況是，很多人在把鼻翼縮窄以后，發(fā)現(xiàn)人中會看起來變長了一點，而人中變長，有一定的增齡效果。視覺錯覺一直是求美者們非常熱衷討論的話題，很多的人堅信面部的對比也像認知心理學(xué)的視錯覺一樣，不存在絕對值，會有高低、長短對比，很多人相信人臉之所以有不同的風(fēng)格，不是因為絕對的數(shù)據(jù)造成的，而是被相對的比例和相對數(shù)據(jù)所呈現(xiàn)[8]。

人臉識別技術(shù)是基于人的面部特征的。對于輸入的面部圖像或視頻流，首先判斷是否存在面部。如果有面部，則進一步給出每個面部的位置、大小和每個主要面部器官的位置信息?；谶@些信息，進一步提取每個人臉中包含的身份特征，并將其與已知人臉進行比較，以識別每個人臉的身份[9]。人臉識別系統(tǒng)主要包括4個組成部分，分別為：人臉圖像采集及檢測、人臉圖像預(yù)處理、人臉圖像特征提取以及匹配與識別。

1.2 人臉圖像采集及檢測 不同的人臉圖像都能通過攝像鏡頭采集下來，比如靜態(tài)圖像、動態(tài)圖像、不同的位置、不同表情等方面都可以得到很好的采集。當(dāng)用戶在采集設(shè)備的拍攝范圍內(nèi)時，采集設(shè)備會自動搜索并拍攝用戶的人臉圖像。

1.3 人臉檢測 人臉檢測在實際中主要用于人臉識別的預(yù)處理，即在圖像中準確標定出人臉的位置和大小。人臉圖像中包含的模式特征十分豐富，如直方圖特征、顏色特征、模板特征、結(jié)構(gòu)特征及Haar特征等。人臉檢測就是把這其中有用的信息挑出來，并利用這些特征實現(xiàn)人臉檢測；在對于人臉的圖像預(yù)處理是基于人臉檢測結(jié)果，對圖像進行處理并最終服務(wù)于特征提取的過程。

1.4 人臉圖像特征提取匹配與識別 人臉圖像特征提?。喝四樧R別系統(tǒng)可使用的特征通常分為視覺特征、像素統(tǒng)計特征、人臉圖像變換系數(shù)特征、人臉圖像代數(shù)特征等；人臉圖像匹配與識別：提取的人臉圖像的特征數(shù)據(jù)與數(shù)據(jù)庫中存儲的特征模板進行搜索匹配，通過設(shè)定一個閾值，當(dāng)相似度超過這一閾值，則把匹配得到的結(jié)果輸出。廣義上，人臉識別實際上包括一系列構(gòu)建人臉識別系統(tǒng)的相關(guān)技術(shù)，包括人臉圖像采集、人臉定位、人臉識別預(yù)處理、身份確認和身份搜索；狹義上，人臉識別是指通過人臉進行身份驗證或身份搜索的技術(shù)或系統(tǒng)。隨著人臉識別技術(shù)的發(fā)展，人臉關(guān)鍵點的精度進一步提高，使得量化計算五官之間的相互影響關(guān)系成為可能[10]。人臉關(guān)鍵點檢測，也稱為人臉關(guān)鍵點探測、定位或人臉對齊，是指定位人臉關(guān)鍵區(qū)域的位置，包括眉毛、眼睛、鼻子、嘴巴、面部輪廓等。與人臉檢測類似，由于姿勢、遮擋等因素的影響，人臉關(guān)鍵點的檢測也是一項具有挑戰(zhàn)性的任務(wù)。這組關(guān)鍵點稱為形狀。形狀包含關(guān)鍵點的位置信息，可以用兩種形式表示。第一是關(guān)鍵點的位置相對于整個圖像，第二是關(guān)鍵點位置相對于面部框架（標記面部在整個圖像中的位置）。本文將通過分析統(tǒng)計1013張人臉關(guān)鍵點的數(shù)據(jù)，得到關(guān)于人中這個部位的一些數(shù)據(jù)影響分析[11]。

2 方法與結(jié)果

2.1 研究對象 根據(jù)Multi-Attribute Labelled Faces（MALF，2015）提取1013張正面人臉，要求無表情，清晰度良好，為了確保數(shù)據(jù)的純凈，在實際計算時，選取的都是亞洲人臉。使用面部離散程度小的部位，綜合換算面部各個部位的其他數(shù)據(jù)，其中包括人中長度。這種換算方法曾經(jīng)做過數(shù)據(jù)測試，估算的數(shù)據(jù)與實際用游標卡尺測量的面部數(shù)據(jù)，誤差在2 mm左右，這也是很多互聯(lián)網(wǎng)公司采取的面部數(shù)據(jù)估算的方式之一。按照估算數(shù)據(jù)，將人中長度按照由短到長排列，分布在前15%的為短人中，后15%的為長人中，剩下的是中等人中。

2.1 實驗步驟 ①將1013張人臉圖片進行手工分類，將1013張人臉圖片分成長人中、短人中、中等人中三類，結(jié)果顯示157個人為短人中，162個人為長人中，694個中等人中，手工分類的結(jié)果也遵循標準正態(tài)分布的規(guī)律[12]；②比較兩個分布的不同，估算為長人中，手工分類識別成中等人中的有37張；估算為短人中，手工分類識別成中等人中長度的有23張；選取手工分類的長、中、短數(shù)據(jù)，使用相關(guān)系數(shù)矩陣分析熱力圖見圖1～圖3。選取的相關(guān)部位和相關(guān)系數(shù)見表1～圖3，均為0.3以上正相關(guān)。

以上三組相關(guān)系數(shù)熱力圖的結(jié)果與預(yù)期的結(jié)果有些不同，有些大家公認是反比例的部位，比如鼻翼寬度與人中，之前都以為是反比，但手工挑選的長、中、短三組都顯示是正比，最后統(tǒng)計了估算數(shù)據(jù)是短，但手工分類的時候把他們歸類為中等人中的數(shù)據(jù)。最后統(tǒng)計了估算數(shù)據(jù)是短，但手工分類的時候把他們歸類為中等人中的數(shù)據(jù)（見圖4、表4），此處人中長度與口裂寬度是負相關(guān)，而在上面的統(tǒng)計數(shù)據(jù)里，人中長度和口裂寬度的相關(guān)性不明顯，低于0.3；以及還有估算數(shù)據(jù)是長人中，但手工分類的時候劃分為中等人中的數(shù)據(jù)（見圖5、表5），這一組都為負相關(guān)。相關(guān)系數(shù)直方圖見圖6。