美是人类所广泛感知的一个概念,人脸美是人类社会活动中最常感知的对象,人脸美能给人带来心灵的愉悦。但是美丽是什么?人脸是否有客观存在的“美丽密码”?人脸的美丽吸引力虽然容易感知,但却很难定义。认知心理学近年来大量研究实验发现人们对于什么脸是美的存在着高度的一致性,这种高度的一致与文化、种族、年龄、性别无关。由于美丽和吸引力在我们每天日常生活中的切实存在以及它不容回避的对人们的重大影响,因此关于美丽吸引力的研究受到了自古以来哲学家和科学家们的广泛重视而不断发展。尽管在计算机及信息处理学科利用图像处理、人工智能及机器学习等方法来进行较客观的人脸美丽评价的研究报道并不多,但最近几年来已经开始受到不少学者的重视。本文针对人脸美丽吸引力的机器学习与图像分析这一新课题,期望能对人脸美丽密码这一人类永恒的话题给出科学、客观及可量化的描述。本文围绕人脸图像美丽吸引力的特征提取方法、人脸美丽吸引力的机器学习及预测模型、基于平均脸假说的美丽人脸合成方法等问题开展了研究工作,主要工作包括:(1)研究了人脸美丽吸引力的可学习性问题:根据人工智能中著名的图灵测试原理,本文提出人脸美丽吸引力可学习假设。我们通过实验表明,人脸的美丽吸引力可以通过对人脸图像进行定量化的特征分析和特征表达,通过采取合适的机器学习算法,使得机器可对人脸美丽吸引力这个概念进行学习而得到可量化的描述。(2)提出了一种基于图像特征分析及机器学习的人脸美丽吸引力预测模型。在该模型框架下,我们基于几何特征和回归支持向量机(SVM)等机器学习算法,给出了一个进行人脸美丽吸引力预测评价的方法。我们研究了几种常用的机器学习方法来学习和预测人脸美丽吸引力这一概念,包括最小均方误差线性回归模型、Akaike线性预测模型、Gaussian回归模型、支持向量机(SVM)、多层感知器(MLP)神经网络、K近邻回归模型等。在几何特征提取方面,我们系统研究了前人提出的6种表征人脸美丽吸引力的几何特征提取方法,在此基础上,我们借鉴中国传统的三庭五眼审美标准以及现代美论提出了几种表征中国女性人脸美丽吸引力的几何特征,包括17维距离特征、归一化特征点特征及三角形面积特征以及在此基础上的两种组合特征,力求更准确完整地提取对中国女性人脸美丽有影响的几何信息。实验结果表明本文根据东方审美观点而设计的17维距离特征来分析中国女性人脸的美丽吸引力具有较好的预测性能。本文提出的两个新的组合特征能进一步提升预测的准确性。最好的组合特征在经过Wrapper选择之后,获得了最高为0.916的预测相关度。实验结果一方面验证了我们提出的几何特征用于表征人脸美丽吸引力的有效性,另一方面,也很好的验证了本文提出的“人脸美丽吸引力是可学习的”这一假设。(3)基于人脸皮肤纹理和人脸美丽之间的关系存在着认知心理学和生物学、医学上的理论基础,本文提出了基于二维Gabor纹理特征的人脸美丽吸引力预测方法。在传统Gabor滤波器的基础上,我们提出了特征点采样Gabor特征、特征三角中心采样Gabor特征等两种新的用于表征人脸美丽吸引力的特征提取方法。对给定的人脸图像经过归一化预处理之后,分别提取图像的纹理特征,然后使用主分量分析(PCA)对纹理特征进行降维,之后采用Wrapper特征选择去除无关的特征以提高预测性能,最后使用回归支持向量机(SVM)模型对人脸美丽吸引力进行学习及预测。实验结果表明,本文提出的特征点采样Gabor纹理特征的预测性能明显高于别的纹理特征,更能有效反应人脸美丽吸引力相关有益的信息。此外,融合特征点采样Gabor纹理特征和几何特征获得了目前为止最高的Pearson预测相关系数为0.932,这些结果清楚地显示了在面部吸引力的预测问题上纹理信息的重要性,也说明了本文方法的有效性。(4)受到心理学“平均脸假说”的启发,提出了一种利用计算机图像处理技术实现平均脸合成的方法:该方法综合考虑了人脸的形状特征和纹理特征的平均,采用AAM(Active Appearance Model)算法检测人脸特征点,利用Delaunay三角剖分算法将人脸图像划分为多个不同的区域,在基于广义Procrustes分析(Generalized Procrustes Analysis, GPA)方法进行对准后的图像上根据Delaunay三角网所建立的映射关系,对相应的人脸子区域进行分段仿射变换,再对各图像进行加权平均,最终得到一张合成人脸图像。实验结果表明,该方法简单可行,合成的人脸图像看上去美观自然,五官匀称,比例协调,轮廓形状及肤色美观,合成所得到的图像经过吸引力打分都能获得平均水平以上的美观程度,验证了心理学的平均脸假说。此外,从另外一个角度看,依据“平均脸是美丽的”这一认知心理学的基本结论,使用本文方法来对平均脸的美丽吸引力预测得到了普遍高于平均值水平的吸引力预测评分,反过来也验证了本文所提出了基于图像特征和支持向量机机器学习的人脸美丽吸引力预测方法的合理性和可行性,也间接验证了人脸美丽吸引力是可学习的这一假设。我们的方法中,通过引入加权机制,可以灵活改变不同人脸图像的权值,使得合成结果更大程度上反映事先指定的某个(些)图片的特征,从而产生不少创新的应用,比如利用平均脸技术可以进行人脸美化处理、年轻化处理、老年化处理等等。在模式分析及图像处理领域,人脸图像美丽吸引力是近来来兴起的一个新的研究课题。本文的研究工作是利用图像处理技术及机器学习技术对人脸美丽吸引力的智能感知与分析的一次有意义的尝试。人脸美丽吸引力的研究远未成熟,可以说正刚刚开始,人脸美丽研究存在着广阔的发展空间。期待计算机科学及图像信息处理技术的发展可以为人脸美丽研究这一古老而崭新的课题继续提供强有力的方法和支持,推动人脸美丽研究这一跨学科领域的长足发展,更好地探索美丽的本质,使得计算机也具有象人一样的美丽感知智能。