甘俊英 姜开永 曾军英 何国辉 谭海英

(五邑大学信息工程学院，广东江门 529020)

1 引言

人脸美丽预测是智能信息处理领域的一个重要研究方向，与人脸识别、人脸表情识别一样，都是利用人脸特征进行判别的一种技术。在机器学习领域，早期的人脸美学研究注重对感性认识的验证，如“近古典规则”、“黄金比例”和“三庭五眼”等，将人脸美总结为简单的几何关系，这种方法往往过于简单，而且缺乏严格的科学检验。目前，人脸美学研究从模式分析角度，采用数据驱动的统计学分析，挖掘表征人脸美丽特征，用于人脸美丽预测，如几何特征和表观特征等。其中，表观特征减少了主观干预，受到更多关注。

几何特征和纹理特征属于浅层特征，在人脸美丽预测中取得了大量的研究成果[1-7]。但是，由于人脸结构的复杂性，仍然丢失了许多有用的美丽特征，比如肌肉纹理、器官形状和皮肤颜色等。与之前手工设计的特征提取算法相比，深度学习能够提取抽象性、层次性的表观特征，具有更强的表达能力。2010年，Gray等[8]开发了一套基于深度卷积神经网络(Deep Convolution Neural Network， DCNN)的女性人脸美丽预测系统，以像素点作为系统输入，在没有人工干预的情况下实现了特征的全自动化提取。Xie等[9]在其开发的SCUT-FBP人脸美丽数据库上，设计了一个多层DCNN，与人工标定值相比，取得了0.8187的相关系数。Gan等[10]采用局部二值模式(Local Binary Pattern，LBP)、Gabor和像素特征训练卷积深度信念网络(Convolutional Deep Belief Network，CDBN)，在支持向量机(Support Vector Machine，SVM)分类和回归中取得了较好效果。Xu等[11]设计……