人脸民族特征分析识别：人脸民族属性是人类认知识别先于年龄、性别和表情的重要人脸属性特征。人脸民族特征是一个族群人脸样本组合成的群体特征，该领域的研究对于人脸识别技术发展和体质人类学了解族群演化规律都具有重要的科学意义。

 

在体质人类学分析不同族群面部特征时，通常采用人体测量学的指标体系，本文构建了3个民族的人脸数据库，发现人类学指标体系对人脸测量的流形结构没有形成以民族语义的光滑子流形结构，这也对人体测量学的人脸分析指标科学性的产生疑惑。本文认为人脸的族群分析应该在海量的特征中通过算法进行筛选。

                                               

图 1 人脸可以生产光滑的表情语义流形结构

图2 传统指标下未形成人脸语义流形结构

针对这一问题，本文利用mRMR对人脸的77个特征点会生成2926个长度特征、21万余个角度特征、410万个比例特征进行特征筛选。分别分析了长度、角度和比例的民族语义流形结构。发现新的指标体系可以生产光滑的民族语义分布的流形结构。

图3 筛选特征下形成了民族语义流形结构

 

同时，实验得出了人脸民族权重特征的集中区域在人脸T区域。

图4 长度、角度和比例特征都集中在T区域

 

 

  本文同时给出了一套混合指标体系来分析人脸的民族特征。

ID	类型	详细	权重	ID	类型	详细	权重
1	I	（49,57)/(22,7）	0.669	27	I	（39,43)/(7,22）	0.299
2	I	（35,47)/(23,51）	0.362	28	I	（49,69)/(34,72）	0.296
3	I	（37,51)/(16,24）	0.35	29	I	（22,73)/(21,64）	0.298
4	I	（39,43)/(22,36）	0.329	30	I	（49,52)/(15,7）	0.296
5	I	（50,71)/(33,60）	0.33	31	I	（35,47)/(28,51）	0.298
6	I	（49,52)/(5,17）	0.312	32	I	（25,50)/(21,27）	0.292
7	I	（22,76)/(21,54）	0.312	33	I	（37,51)/(14,19）	0.294
8	I	（51,59)/(22,45）	0.302	34	A	∠（21,55,26）	0.289
9	I	（31,35)/(37,51）	0.305	35	I	（39,43)/(28,51）	0.287
10	A	∠（51,59,27）	0.311	36	I	（49,52)/(22,38）	0.289
11	I	（39,43)/(20,58）	0.302	37	I	（49,76)/(35,72）	0.289
12	I	（37,59)/(14,22）	0.302	38	I	（50,52)/(22,60）	0.286
13	I	（17,36)/(23,50）	0.302	39	I	（35,47)/(23,50）	0.287
14	I	∠（31,22,33）	0.297	40	I	（49,52)/(7,35）	0.287
15	I	（49,52)/(60,74）	0.304	41	I	（22,53)/(21,50）	0.284
16	I	（50,55)/(17,55）	0.301	42	I	（50,70)/(33,60）	0.285
17	I	（18,21)/(33,49）	0.302	43	A	∠（17,49,21）	0.285
18	I	（35,60)/(21,54）	0.305	44	I	（37,51)/(16,24）	0.285
19	I	（39,43)/(23,51）	0.303	45	I	（37,51)/(16,24）	0.282
20	I	（37,51)/(18,25）	0.301	46	A	∠（51,25,59）	0.283
21	I	（22,73)/(21,76）	0.3	47	A	∠（35,29,49）	0.284
22	I	（49,52)/(24,66）	0.303	48	I	（49,57)/(22,43）	0.282
23	I	（49,57)/(14,22）	0.302	49	I	（39,43)/(19,49）	0.282
24	I	（50,57)/(29,61）	0.296	50	A	∠（21,49,25）	0.281
25	A	∠（21,36,22）	0.299	51	I	（31,35)/(24,51）	0.279
26	A	∠（22,60,50）	0.298

 

本文的主要工作包括以下几个方面：①通过实验验证了中国几个典型民族人脸民可按民族属性形成流形结构语义描述；②提出了一种筛选和分析不同民族人脸几何特征差异的算法框架；③提出了一套丰富和补充体质人类学指标的人脸民族几何特征测量指标集合.

本文在研究得到以下人脸民族特征的数据结论：①人脸的比例特征相比于长度和角度是较为重要的人脸民族特征描述指标；②嘴部和脸型对于人脸民族特征影响较小；③眼部、鼻部和眉部区域对于人脸民族特征影响较大，占85%权重；④鼻翼和眉眼距是其中最为重要的人脸民族语义指标.

引用格式：王存睿, 张庆灵, 段晓东, 王元刚, 李泽东. 基于流形结构的人脸民族特征研究. 自动化学报, 2018, 44(1): 140-159. 

链接：http://html.rhhz.net/ZDHXBZWB/html/2018-1-140.htm

作者简介：

王存睿,大连民族大学副教授. 主要研究方向为控制工程与模式识别. 本文通讯作者:cunrui@mail.neu.edu.cn

张庆灵东北大学教授. 主要研究方向为网络控制与生物数学.E-mail: zhangql@mail.neu.edu.cn

段晓东大连民族大学教授. 主要研究方向为模式识别与数据挖掘. E-mail: duanxd@dlnu.edu.cn

王元刚大连理工大学博士研究生. 主要研究方向为人脸识别技术.E-mail: wangyg@mail.neu.edu.cn

李泽东东北大学博士研究生. 主要研究方向为模式识别与机器智能.E-mail: lizd@mail.neu.edu.cn

转载本文请联系原作者获取授权，同时请注明本文来自欧彦科学网博客。
链接地址： https://blog.sciencenet.cn/blog-3291369-1105816.html

上一篇： 基于牵张反射阈值的上肢痉挛评定方法与装置及其效度信度研究
下一篇： 空域强鲁棒零水印方案