李梓鵬 歐陽晉焱 徐婭男

摘? 要：基于感性工學的人臉印象評價方法研究針對虛擬人像，以人臉五官印象的感知為對象，基于感性工學，探索人臉印象評價的方法。首先構(gòu)建出虛擬人臉五官樣本類目表，設計出代表性虛擬人像樣本，同時確定虛擬人像印象的目標情感意象。在調(diào)查虛擬人像代表性樣本的印象評分后，分析出在印象評分中起到最顯著作用的五官樣本。結(jié)合樣本類目表和回歸分析結(jié)果，組合出各個詞匯對評分最高的虛擬人像，以此為代表性虛擬人像樣本。調(diào)整代表性虛擬人像樣本中起到最顯著作用的五官位置，將調(diào)整前后的人像進行對比并評分，依據(jù)評分結(jié)果，對人臉印象的變化進行分析，實現(xiàn)人臉印象的評價。根據(jù)實驗結(jié)果，驗證人臉印象評價方法的可能性。

關鍵詞：感性工學；人臉印象；虛擬人像；回歸分析

角色設計通常在構(gòu)思階段需要大量的參考素材，期間也會存在許多不必要的重復勞動，且要求設計師有一定的設計經(jīng)驗，而相關市場需求正持續(xù)增長。人工智能技術(shù)催生出的AI繪畫工具，已經(jīng)能夠幫助人們繪制各式各樣的藝術(shù)作品，但其本質(zhì)依然是機器學習模型的構(gòu)建和參數(shù)訓練的結(jié)果，生成的作品經(jīng)常會缺少細節(jié)。

一、研究現(xiàn)狀

（一）人臉及人臉印象研究現(xiàn)狀

人臉在人類生活中是一類極其重要的認知客體。由于人臉既具有比較一致的模式，又具有豐富的細節(jié)差異，因此人臉可以被有效地表征。有研究者提出，人們在識別人臉時，會先辨認出面孔的各種特性，再進行整體的認識。Macho發(fā)現(xiàn)，人臉部分特征間的不相似程度可以用人臉整體的不相似程度表示[1]。Sergent等的研究表明面孔處理過程中，特征對面孔處理的重要性[2]。Rhodes發(fā)現(xiàn)臉部特征的外觀和其位置、空間關系等結(jié)構(gòu)性特征共同影響了人臉的外觀[3]。

人臉的整體性分析可能需要較多的維度，但在人類的社會經(jīng)驗中，通常會認為人臉的各種信息是一體的，局部的變化會改變整體的信息。與特征相比，結(jié)構(gòu)更容易解釋人臉的整體性，而與整體觀相比，結(jié)構(gòu)又不忽視特征的作用。以上理論支持了本研究的可能性：通過組合人臉五官特征，得到虛擬人像，隨后對其整體印象進行評價，再通過改變五官特征間的結(jié)構(gòu)性信息，得到整體印象的改變。

在人臉研究史上，采用線條人臉對人臉的認知過程進行的研究不乏實例。這些線條可讓被試辨別出圖形是否為人臉，甚至還可讓被試認出人臉是誰。可見線條人臉向被試提供了識別人臉的最基本的信息。此外，RBC（Recognition-by-components，成分識別）理論的研究發(fā)現(xiàn)人通過對構(gòu)成客體的幾何離子以及幾何離子間的關系的識別而達到對客體的識別[4]。王波通過使用虛擬人像（草圖人臉）進行了實驗，該研究將人臉的結(jié)構(gòu)信息分解為內(nèi)部結(jié)構(gòu)和外部結(jié)構(gòu)：內(nèi)部結(jié)構(gòu)指五官之間的關系；外部結(jié)構(gòu)指五官與輪廓之間的關系。實驗證明人臉的內(nèi)部結(jié)構(gòu)比外部結(jié)構(gòu)在人臉認知中的作用更大，且人在認知物體時具有強烈的整體性趨向[5]。

陳霖等的研究提出，人在對視覺圖像的早期知覺中，對大范圍的拓撲性質(zhì)非常敏感，這種敏感性超過了對圖形的其他幾何性質(zhì)的敏感性[6]。拓撲性質(zhì)是在拓撲變換下圖形保持不變的性質(zhì)和關系。拓撲性質(zhì)中有一種叫連通性，連通性將一個對象連成為一個整體。在簡單生物的知覺實驗中得到了有力的拓撲性質(zhì)檢測的優(yōu)先性的證據(jù)，同時在人的圖像早期知覺中也存在著拓撲的作用。

盡管人們可以從各種途徑得知他人的信息，并以此基礎得出對他人的印象[7]，但是更多的研究主要圍繞著觀察、直接互動以及二手信息這三種方式，這也是我們從社會中進行學習，獲取信息的主要方式[8]。借助視覺觀察對他人作出判斷和評價，即通過觀察他人的行為、身體特征、人臉等形成印象，或許是最為優(yōu)先和高效的印象形成方式。人臉構(gòu)成了一類特殊的社會刺激，對動物和人類正常被試者和腦損傷患者的研究表明大腦具有專門化的腦模塊對人臉進行加工[9]。人臉不僅指示了人的本體，還包含著人的性別、年齡、種族、心境與情緒以及人格特征等[10]。

（二）感性工學研究現(xiàn)狀

感性工學在產(chǎn)品設計領域的應用十分廣泛，除產(chǎn)品設計外，也延伸到其他類型的設計工作：Hadiana等將感性工學方法應用于網(wǎng)頁交互界面設計，以提高用戶對網(wǎng)頁界面的滿意度[11]；Guo等以求職網(wǎng)頁界面為例，提出了一個基于感性工學的優(yōu)化網(wǎng)頁界面的設計方法[12]；Nakai等研究體感游戲，從可用性的角度評估了游戲的控制活動[13]；Carreira等以乘客乘坐公共汽車的體驗為例，將感性工學用于產(chǎn)品——服務系統(tǒng)。鑒于感性工學方法的廣泛應用，其原理方法同樣可以靈活用于虛擬人像的印象評價，通過獲取虛擬人像的感性意象評價，可以將感性意象與五官元素進行聯(lián)系[14]。

二、樣本繪制

對人臉各部分形態(tài)特征進行樣本繪制，樣本按數(shù)字進行編碼。本次試驗初步只針對男性虛擬人像樣本，暫不考慮性別差異。本試驗參考孟利的研究對眼睛、耳朵、眉毛形態(tài)樣本進行繪制[15]。對眉毛的認知偏好會受諸多因素的影響，因此在對眉毛形狀進行選取和分類時，會綜合考慮該形狀是否更偏向男性化，以此為依據(jù)繪制出眉毛樣本。由于鼻子和嘴唇的分類較為復雜，同一形態(tài)也存在不同的叫法，故選取的鼻子和嘴唇樣本將直接進行編碼。繪制出男性五官樣本類目表如表1所示。經(jīng)組內(nèi)專家共同討論，綜合考慮各樣本的識別差異和形態(tài)差異，對五官樣本進行篩選并選用兩種形態(tài)具有明顯區(qū)別的發(fā)型和臉型。篩選出男性五官樣本類目表如表2所示。

改變五官位置需要對人臉初始五官位置制定一個標準，因此將采用“平均臉”的概念。所謂平均臉，就是提取一群人的面部特征，求得平均值，由計算機重新合成得到的人臉圖像。本研究的印象評價是以我國的文化環(huán)境為基礎的，因此采用東亞類型的平均臉作為初始標準（如圖1）。劃分出平均臉樣本的五官范圍，該范圍確定了五官所在的位置、大小、比例等信息（如圖2）。

（圖片來源：http：//humanphenotypes.net/basic/Sinid.html）

（圖片來源：http：//humanphenotypes.net/basic/Sinid.html）

為了保證樣本對形態(tài)要素的均勻覆蓋并減少用戶的認知負擔，利用正交試驗設計對樣本的形態(tài)特征組合進行重構(gòu)。正交試驗選擇的水平組合列成表格，稱為正交表。本實驗選擇的正交表如表3所示。由于發(fā)型和臉型只有兩種樣本，與其他樣本數(shù)不同，因此在正交表的設計上需要用到擬水平設計。將水平數(shù)較少的因子形式地“虛擬”成與正交表水平數(shù)相同的因子。以此方法，將擬水平前的正交表3中，因子6、7的3、4水平虛擬為1、2，修改后如表4所示。

三、虛擬人像印象測量

人們似乎很早就意識到人臉與人格特質(zhì)之間存在著關系，中西方民間都流傳著相面術(shù)，甚至一度用作甄選人事的工具，研究發(fā)現(xiàn)人們能根據(jù)面部特征對他人的攻擊性和搏斗能力做出有效的評價[16]，對親社會人格品質(zhì)，如可信任性也作出了準確的判斷[17]。

本研究從網(wǎng)絡和字典等渠道收集了60個與人臉風格評價相關的情感意象詞匯（如表4），隨后提取出11對情感意象詞匯對（如表5）。經(jīng)組內(nèi)專家篩選后確定了4對代表性目標意象詞匯對，即幼稚的—成熟的、婉約的—英氣的、慈祥的—嚴厲的、圓潤的—銳利的。篩選原則是去掉表達模糊的、罕見的和具有重復的或相似含義的詞匯。

本研究采用的是Likert量表法，采用問卷的形式，對目標樣本的印象進行評分。調(diào)查采用網(wǎng)絡問卷的形式，要求被試利用每個樣本下提供的4個意向詞匯對，對32個男性虛擬人像展現(xiàn)出的印象做評分。每道題的評分從左到右依次為-2、-1、0、1、2，評分越低，則說明被試對該樣本的印象更偏向詞匯對左側(cè)意向詞的描述，評分越高則反之。問卷在全國隨機發(fā)放，本試驗不考慮被試的年齡性別等因素，故問卷中不做收集。

問卷共收集112份，通過對分數(shù)進行相加后得到的綜合評分結(jié)果如表6所示，對問卷結(jié)果進行信度分析結(jié)果如表7所示，本次問卷調(diào)查的Cronbach α系數(shù)均在0.8以上，說明信度良好，問卷結(jié)果可靠。

在改變虛擬人像的印象評分之前，需要選出對虛擬人像印象評分有顯著影響的五官元素。因此，利用SPSS軟件中的逐步回歸法得到分析結(jié)果，回歸結(jié)果如表8至表11?；貧w結(jié)果中，綜合評分表1指的是問卷中所提供的第一對意向詞匯對“幼稚的—成熟的”評分結(jié)果，以此類推。在回歸分析中，顯著性越接近0，說明其顯著性越好，意味著自變量對因變量有顯著性影響關系。在表8至表11中的結(jié)果顯示，眉毛在四項評分中的顯著性均小于0.05。

通常標準化回歸系數(shù)的絕對值越大，可認為它對因變量的影響就越大。通過逐步回歸分析得出標準化系數(shù)β，由β值判斷自變量對于因變量的影響程度，β值正向越大，即表示該元素對印象評分分值正向影響越大；負值越大，則表示該元素對印象評分分值的負向影響越大。變量的顯著性小于0.05，數(shù)值越小則顯著性越強。在后續(xù)的實驗中，以此為選取五官元素的依據(jù)。

在表2中，樣本的形態(tài)與編號的大小不存在數(shù)量關系，在實驗進行到此處時，根據(jù)回歸分析的結(jié)果選擇顯著樣本缺少數(shù)量關系的支撐。同時代表性虛擬人像樣本已經(jīng)完成了打分。因此，需要改變五官類目表中樣本的排列，以及對應的正交設計表中的編號，使樣本的編號與樣本的形態(tài)具有正相關的數(shù)量關系，即數(shù)字編號越大的樣本，其形態(tài)總是比數(shù)字編號小的樣本更大（體現(xiàn)在其寬度或高度），修改后的五官類目表如表12所示，修改后的正交設計表如表13所示。

從表8至表11中可以看到，眉毛的顯著性評分分別為0.047、0.017、0.013和0.005，一般認為顯著性得分小于0.05即為顯著.鑒于眉毛元素良好的顯著性，故選擇眉毛作為后續(xù)實驗中需要被改變的樣本。在其他五官類型的選擇上，之前提到過樣本的編號與樣本的形態(tài)具有正相關的數(shù)量關系，故以非標準化系數(shù)分值為正則選擇編號數(shù)最大的4號樣本、分值為負則選擇編號數(shù)最小的1號樣本的原則來進行。如表3.3中，眼睛的非標準化系數(shù)為0.021，是正數(shù)，即選擇類目表12中的4號眼睛樣本；耳朵的非標準化系數(shù)-0.026，為負數(shù)，即選擇類目表12中的1號耳朵樣本。最終得到四種評分的代表性樣本如圖4所示，從左到右依次為成熟的、銳利的、嚴厲的、英氣的。

本次研究認為五官位置的變化可能會對人臉的整體印象產(chǎn)生影響。改變了局部的五官位置，勢必會改變?nèi)四樥w的結(jié)構(gòu)信息，進而影響到人臉整體的印象評價，這種改變將體現(xiàn)在虛擬人像印象的評分上。為了研究這種變化，本節(jié)將使用專家問卷進行調(diào)查。

首先將對四個代表性樣本的眉毛位置進行改變。本試驗不改變眉毛尺寸的大小，且在樣本繪制的初期階段，由于為繪制五官的尺寸制訂標準較為困難，并沒有將樣本的尺寸信息納入考慮范圍內(nèi)。眉毛位置的變化，將以保證被試能快速、有效地識別出區(qū)別，且位置盡量保持在五官正常范圍內(nèi)為標準，做向上、向下、向外和向內(nèi)四個方向的平移，樣本改變?nèi)鐖D5至圖8所示。隨后將調(diào)整后的虛擬人像樣本與調(diào)整前做同一印象的對比評價：每對樣本設置一道量表評分題，每道題的評分從左到右依次為-2、-1、0、1、2，評分越低，則說明被試認為改變后人像的印象較改變前人像的印象更偏向詞匯對左側(cè)意向詞的描述，評分越高則反之。如問卷第一題中，將右圖與左圖做“幼稚的—成熟的”這一印象的對比評分，即右圖（改變后）與左圖（改變前）相比，其印象變得更為幼稚或更為成熟。

本次調(diào)查共邀請了25位專家，統(tǒng)計得分結(jié)果如表14所示，眉毛向下平移，對應第2、6、10、14題，四類不同印象的代表性樣本評分都大部分集中在2分，即分值“2”的打分比例均大于40%。說明眉毛位置越低，其印象評價更成熟、英氣、嚴厲或銳利。結(jié)合實際生活經(jīng)驗，人在生氣時，通常會表現(xiàn)出眉頭緊鎖的表情，使得眉毛與眼睛之間的距離變短，眉毛在視覺上會有向下的傾向，因此，天生眉眼間距的人往往會給人以不怒自威的印象。這一結(jié)果符合實際生活中的大部分經(jīng)驗。

四、結(jié)語

本研究以人臉五官印象的感知為研究對象，利用感性工學的研究方法，通過控制變量，探索了針對虛擬人像印象的評價方法，以指導人類藝術(shù)家和設計師，或輔助人工智能機器模型進行角色設計的部分工作。在對五官位置進行調(diào)節(jié)后，發(fā)現(xiàn)五官位置的改變會對人臉印象的結(jié)果發(fā)生改變。通過改變前后樣本的對比分析，結(jié)合人臉印象識別的實際經(jīng)驗，驗證了本文人臉印象評價的方法的可靠性。

本研究存在的問題有：人臉的印象評價實際上也是一種審美評價，本研究中為了盡可能減少人臉評價的差異性，采用了平均臉的概念，但差異性仍然存在，且研究起來十分復雜。另外，在平均臉的概念下，五官的尺寸大小較為固定，因此本研究并沒有對五官尺寸的改變帶來的影響做探索，但這也是人臉評價中較為重要的影響因素。

人臉的認知和識別問題往往錯綜復雜，在同樣五官形態(tài)特征和結(jié)構(gòu)特征的情況下，本研究中所剔除的諸如人臉皮膚可能會對研究結(jié)果產(chǎn)生不同的影響。其次，利用黑白線條繪制的虛擬人像對于部分被試來說可能存在識別障礙，對實驗結(jié)果產(chǎn)生影響。最后，由于五官特征分類始終沒有一個統(tǒng)一明確的標準，五官樣本的繪制可能并不全面，盡管后續(xù)實驗也對所用樣本進行了篩選，但仍有可能會產(chǎn)生影響。

在組合出各個詞匯所對應評分最高的虛擬人像的過程中，所涉及到的五官類型均為最高分的，這就可能出現(xiàn)即使所有元素的評分都是最高的，組合出的結(jié)果也不一定是所有方案中最高評分的問題。

實驗中的平移沒有以具體的距離參數(shù)作為標準，這是因為同樣的移動距離，向不同方向移動的結(jié)果可能并不明顯，但是這樣做的嚴謹性可能會存在問題。其次，在對五官進行平移時，采用的是間斷移動，或者說是移動前和移動后的區(qū)別，但并不能無視如果采用連續(xù)移動可能會帶來不同結(jié)果的可能性，即在五官移動途中被試對虛擬人像印象的改變，實驗難度和要求也會更高。

參考文獻：

[1]Macho S.，Leder H..Your eyes only？ A test of interactive influence in the processing of facial features[J].Journal of Experimental Psychology：Human Perception and Performance，1998（5）：1486-1500.

[2]Sergent J..An investigation into component and configural processes underlying face perception[J].British Journal of Psychology，1984（2）：221-242.

[3]Rhodes G..Looking at faces：First-order and second-order features as determinants of facial appearance[J].Perception，1988（1）：43-63.

[4]Biederman I..Recognition-by-components：a theory of human image understanding[J].Psychological Review，1987（2）：115-147.

[5]王波.結(jié)構(gòu)信息在人臉認知中的粘合作用[D].杭州：浙江大學，2005.

[6]陳霖.拓撲性質(zhì)檢測——計算理論的一朵可能的烏云[M]//錢學森.關于思維科學.上海：上海人民出版社，1986（1）：250-301.

[7]Contents T. O.，Ambady N.，Skowronski J.J..First impressions[M].New York：Guilford Press，2008.

[8]Bandura A.，Walters R.H..Social learning theory[M].Prentice Hall：Englewood cliffs，1977.

[9]Kadosh K.C.，Johnson M.H..Developing a cortex specialized for face perception[J].Trends in Cognitive Sciences，2007（9）：367-369.

[10]Todorov A.，Said C.P.，Engell A.D.，et al.Understanding evaluation of faces on social dimensions[J].Trends in Cognitive Sciences，2008（12）：455-460.

[11]Hadiana A.，Dauni P.，Lokman A.M..Kansei Engineering Implementation in Designing User Interface for Web Based Academic Information System[J].International Journal of Basic and Applied Science，2016（3）：42-50.

[12]Guo F.，Liu W. L.，Cao Y.，et al.Optimization design of a webpage based on Kansei engineering[J].Human Factors and Ergonomics in Manufacturing & Service Industries，2016（1）：110-126.

[13]Nakai A.，Pyae A.，Luimula M.，et al.Investigating the effects of motion-based Kinect game system on user cognition[J].Journal on Multimodal User Interfaces，2015（1）：403-411.

[14]Carreira R.，Patrício L.，Jorge R. N.，et al.Development of an extended Kansei engineering method to incorporate experience requirements in product-service system design[J].Journal of Engineering Design，2013（10）：738-764.

[15]孟利.中國人三維人臉圖像臉型及五官特征的分類研究[D].北京：中國人民公安大學，2018.

[16]Carré J. M.，Mccormick C. M.，Mondloch C. J..Facial Structure Is a Reliable Cue of Aggressive Behavior[J].Psychological Science，2009（10）：1194-1198.

[17]Stirrat M.，Perrett D. I..Valid facial cues to cooperation and trust：Male facial width and trustworthiness[J].Psychological science，2010（3）：349-354.

作者簡介：

李梓鵬，蘭州理工大學設計藝術(shù)學院設計學專業(yè)碩士研究生。

歐陽晉焱，蘭州理工大學設計藝術(shù)學院副教授。

徐婭男，蘭州理工大學設計藝術(shù)學院藝術(shù)設計專業(yè)碩士研究生。