基于機(jī)器學(xué)習(xí)的人臉美感分析研究.pdf

1、自動人臉美感分析是指借助計算機(jī)視覺、模式識別、認(rèn)知學(xué)、心理學(xué)等領(lǐng)域知識對人類的美感進(jìn)行自動判別,并為醫(yī)療、藝術(shù)創(chuàng)作、網(wǎng)絡(luò)社交等需求提供技術(shù)支持。雖然人們可以輕易的對人臉圖像的美感程度做出理解和判斷,但對于計算機(jī)而言,人臉圖像只是一系列圖像像素點的集合,如何讓計算機(jī)“學(xué)習(xí)”出具有共性的美感標(biāo)準(zhǔn),成為了一個重要的研究方向。
　　 本文在大量參閱現(xiàn)有人臉美感分析技術(shù)的基礎(chǔ)上,在基于機(jī)器學(xué)習(xí)的人臉美感分析方面做了進(jìn)一步研究。具體來說,本

2、文主要的成果性工作包括:
　　 ①為了克服單一子空間在人臉圖像美感描述方面的不足,提出了一種基于主成分分析(PCA)與廣義矩陣低秩逼近(Generalized Low Rank ApproximationMatrix,GLRAM)子空間集成的自動人臉美感分析方法。通過集成PCA與GLRAM子空間技術(shù)獲取人臉美感特性的全局及局部本征描述,并利用高斯場模型(Gaussian Field model,GF)構(gòu)造集成子空間的內(nèi)在幾何結(jié)構(gòu)

3、關(guān)系,從而實現(xiàn)分類性能的提高。
　　 ②針對基于幾何特征的人臉美感分析,提出了基于組合策略的局部幾何特征構(gòu)建方法,并通過Adaboost集成學(xué)習(xí)機(jī)制實現(xiàn)特征的有效集成；此外,提出基于記憶的動態(tài)加權(quán)核密度估計(Memory Based Dynamically Weighted Kernel DensityEstimation,MDWKDE)的弱分類器構(gòu)建方法,進(jìn)一步提高弱分類器的集成性能。
　　 ③為了進(jìn)一步充分挖掘表征人