基于半监督回归学习的人脸几何美丽分数.pdfVIP

第32卷第3期 计算机应用与软件 V01．32 No．3 2015年3月 ComputerApplicationsandSoftware Mar．2015 基于半监督回归学习的人脸几何美丽分数 戴礼青 金 忠 孙明明 (南京理工大学计算机科学与工程学院 江苏 南京 210094) 摘 要 基于人脸美学的迅速发展，对人脸的几何特征定义、几何特征规范化 以及几何特征对判断人脸美与否的贡献进行研究。 首先定义人脸几何美丽分数函数，然后将流形学习与半监督学习相结合，用流形上的半监督回归方法学习人脸几何美丽分数。为了 突出几何特征，还验证 了人脸表情与几何美丽分数之间的关系。与K近邻 (KNN)、支持 向量机(SVM)、C4．5决策树分类方法相比， 通过实验验证，证明了所提方法的有效性和可行性。 关键词 人脸美学 人脸几何特征 几何美丽分数 流形学习 半监督回归 中图分类号 TP391．41 文献标识码 A DOI：10．3969／j．issn．1000-386x．2015．03．049 FACIAL GEoⅣIETRIC BEAUTY SCoRE BASED oN SEM I．SUPERVISED REGRESSION LEARNING DaiLiqing JinZhong SunMingming (SchoolofComputerScienceandTechnology，Na ngUnwersi~ofScienceandTechnology，Nanjing210094，fiangsu,China) Abstract Basedonrapiddevelopmentoffacialaesthetics，wemainlystudythedefinitionoffacial geometricfeature，thenormalisationof geometricfeaturesandthecontributionofgeometricfeaturestojudgingwhetherthefaceisbeautyornot．First，wedefinethefacialgeometric beautyscorefunction，andthencombinethemanifoldlearningwithsemi-supervisedlearning，usesemi—supervisedregressiononmanifoldsto learngeometricbeautyscoreoffaces．Inordertohighlightthegeometricfeatures，wealsoverifytherelationshipbetweenfacial expressionand geometricbeautyscores．ComparedwithKNN，SVM andCA．5decisiontreeclassificationmethods，thevalidityandthefeasibilityofthe proposedmethodsareprovedbyexperiment． Keywords Facial aesthetics Facial geometricfeature Geometricbeautyscore Manifoldlearning Semi—supervisedrergession 间的男性或女性)中随机选取的，实验结果显示了中国人脸几 0 引 言 何美丽分数分布的一个估计。并将实验结果与传统的三种分类 方法：K近邻 (KNN)、支持向量机 (SVM)和 C4．5分类方法进行 “爱美之心 ，人皆有之”。爱美是人 的天性 ，对美的追求和 比