答辩-基于人脸检测的性格分析.pptxVIP

基于人脸检测的性格分析 Character Analysis Based on Facial Detection CONTENT 研究概述 Research Overview 核心算法 The Algorithm 研究过程 Research Procedure 问题探讨 Problem Exploration 实验结果 Research Result Research Overview 研究概述 选题背景 - Background 容貌给人的感觉 在生活中，经常有这样的经验，看到不同的人会有明显不同的感觉。这是为什么？ 自发地读取面孔的额外信息。 求助于面相学。 面孔的额外信息 科学or迷信？ 面相学：褒贬不一 尝试科学地探索 价值意义 - Value 检验部分面相学 实现对照片中正脸人物的初步性格信息分析 尝试提出面相分析算法 将面相学部分信息参数化 The Algorithm 核心算法 核心算法 01 Stasm算法 02 面相分析算法 本文尝试提出面相分析算法，该算法训练一个规则模型，并在测试中不断完善。 Stasm算法是人脸检测算法，可以将人脸面部特征点标记出来。本文借助stasm库，获取面部特征点位置信息，用以后续的面相分析算法。 面相分析算法 收集样本的照片与性格信息分组 利用stasm算法获得人脸特征点 对每一个面部特征信息 根据面相学选择需要的面部特征 根据该面部特征可能的性格方向，将样本归类 根据每一类数据的加权平均值，选取阈值 将新样本分类 判定成功 修改阈值 判定失败 处于阈值内 处于阈值边缘外 偏离阈值 Research Procedure 研究过程 预先准备 - Preparation 01 TEXT 03 TEXT 02 TEXT 2.位置感觉参数化 就是将人们对于面部特征的感觉，转化为面部特征点之间的位置关系。 例如，“人中长”这一位置感觉。 1.性格信息收集 采取双向调查问卷形式。 分为：他人评价与自我评价 所需变量-Variable 1 3 2 4 性格信息条目xi 个人性格信息向量Mn Si对应性格信息变量Msi 面部特征Si 根据面相学得到需要的性格信息条目，其值取决于问卷中的选项，为-1，0，1。 每个面部特征都存在多个性格方向，以值-1，0，1表示。 Mn=（x1, x2, …, xi）相当于一个人的全部所需性格信息条目集合。n为对应的样本编号。 Msi=（x1, x2, …, xi）对于所有人，Msi都是确定的值，它代表着该特征的一个性格方向所匹配的性格信息条目。 实施步骤 - Procedure 01 02 03 04 05 在每一类中，以F为权值，特征位置为参数，加权平均求得阈值，从而得到初始规则模型 收集25个样本，随机分为两组，训练组15人，测试组10人。. 对于每一特征，样本分类方式为计算匹配值F=Mn* F0: Si=1; F=0: Si=0; F0: Si=-1; 通过测试组，对阈值进行更新，并判断是否保留该特征， 最终形成面相分析规则。 系统应用流程 获得用户照片 利用stasm算法获得人脸特征点 根据面相分析算法得到的规则进行分类 由各个类别中的性格信息条目汇总形成性格分析 Problem Exploration 问题探讨 主要问题 - Problems 01 TEXT 03 TEXT 02 TEXT 2.面相学归纳问题 在本文中，对于人脸特征与性格信息的匹配和选择，是从面相学中归纳得出，作者水平有限，归纳的准确性可能存在问题。 1.训练样本问题 样本数量较少 样本类型比较局限 Research Result 实验结果 实验结果 欢迎界面 检测界面 实验结果 选择照片 返回结果 THANKS