人中长度与其他面部特征的相关性研究

宋亨行

【摘 要】基于人脸面部特征为处理对象的计算机研究是近几年的研究热点。由于人眼中的视错觉会引起很大的误差，计算机的面部特征研究，相较于传统的人眼视觉观察有很大的优势，可以通过分析面部特征的客观的数值来分析其相关性。其中的热点是关于人中长度的视觉数据与实际测量数据是否有误差，以及人中长度会受到其他哪些部位数据的影响，影响程度是多少。因此本研究通过使用人脸关键点估算1013张面部数据，再结合统计相关系数矩阵方法进行研究和测算。研究结果表明人中受口裂宽度和上唇厚度的影响最大，但并无较大的相关性。

【关键词】人中长度；面部特征；相关系数矩阵

中图分类号：R221.09 文献标识码：A 文章编号：1004-4949（2022）24-0018-04

Study on the Correlation Between Philtrum Length and Other Facial Features

SONG Heng-xing

（School of Statistics， Renmin University of China， Beijing 100020， China）

【Abstract】Computer research based on facial features is a hot topic in recent years. Because the visual illusion in the human eye can cause great errors， the study of computer facial features has great advantages than the traditional human visual observation， which can analyze the correlation by analyzing the objective values of facial features. The research hotspot is mainly about whether there is an error between the visual data of the philtrum length and the actual measurement data， and what other parts of the data will affect the philtrum length， and how much is the impact. Therefore， this study estimates 1013 facial data by using facial key points， and then combines the statistical correlation coefficient matrix method to study and measure. The results show that the width of the mouth and the thickness of the upper lip have the greatest influence on the human， but there is no great correlation.

【Key words】Philtrum length； Facial features； Correlation coefficient matrix

用計算机来检测出测图像或视频中的人脸，并分析处理人脸特征，可以帮助确定人脸的特征，目前其应用范围非常广泛。已有的算法可以帮助确定例如图像中人的性别、情绪和年龄。在分析面部特征前，需要先确定面部特征的标志，其中面部标志是人脸上被人眼辨别的主要区域，又称为关键点，包括眉毛、眼睛、鼻、唇、外轮廓。目前视觉算法的工程师通过深度学习，获得了多达68个面部关键点[1]。本研究通过计算机检测，以探究人中长度与其他面部特征的相关性。

1 人中对面部特征的影响

不同的面部特征由对应的关键点所组成，而面部特征对应的关键点所组合成集的坐标属性可以客观反映面部特征的属性。比如人中的长度是34和52这两个关键点所组成，而口裂长度则由49和55两个关键点组成，通过比较这些关键点的数值，再利用统计学方法就可以客观的分析这些特征的差异[2]。其中人中对面部特征的影响是非常大的，很多情况下能对面部风格起到决定性的作用。年轻人的人中一般比较短且饱满，随着年龄的增长，皮肤松弛，人中还会拉长，所以人中对一个人的风格影响

还是很重要的[3]。

1.1 人中长短对脸型的影响 ①偏长：人中是将鼻部和嘴部连接的重要部位，在面部整体上起到了承上启下的作用，一旦人中过长就会显得面部被拉长，整张脸好像也变长了；人中的长短可以影响面部比例，过长的人中会导致面部老龄化，但是气场也相对较强；但如若为性格成熟稳重型，其人中适当偏长不会让面部整体显得突兀[4]；②偏短：如果是年龄较小，脸型圆润的人，较短的人中会增加面部整体柔和感，面部呈现出幼态；但每个人的具体状况不同，五官分布和年龄感都有区别，具体还要根据自己五官情况而定，不可一味地跟风[5]；③标准的比例：按照大众的审美标准来讲，人中最理想的长度应该是下巴的1/2，这种比例适合所有脸型，五官整体效果也会更顺畅[6]。在选择整形项目的过程中，有一个比较难以量化的事情是脸部不同细节之间的相互影响，视觉难以剥离面部的其他特征就单一的部位进行独立观察，人脸的每一个部位都不是独立存在的，都会被其他部位的形态所影响[1]。同时每一个部位也会影响到其它的部位，最终影响整个面容气质的展现[7]。在临床中使用肉毒素将下颌变小以后，原本正常比例的鼻子会看起来略宽，而下颌角更宽的脸型，能够适配更宽的鼻型，还有的情况是，很多人在把鼻翼缩窄以后，发现人中会看起来变长了一点，而人中变长，有一定的增龄效果。视觉错觉一直是求美者们非常热衷讨论的话题，很多的人坚信面部的对比也像认知心理学的视错觉一样，不存在绝对值，会有高低、长短对比，很多人相信人脸之所以有不同的风格，不是因为绝对的数据造成的，而是被相对的比例和相对数据所呈现[8]。

人脸识别技术是基于人的面部特征的。对于输入的面部图像或视频流，首先判断是否存在面部。如果有面部，则进一步给出每个面部的位置、大小和每个主要面部器官的位置信息。基于这些信息，进一步提取每个人脸中包含的身份特征，并将其与已知人脸进行比较，以识别每个人脸的身份[9]。人脸识别系统主要包括4个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。

1.2 人脸图像采集及检测 不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。

1.3 人脸检测 人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方圖特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测；在对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并最终服务于特征提取的过程。

1.4 人脸图像特征提取匹配与识别 人脸图像特征提取：人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等；人脸图像匹配与识别：提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。广义上，人脸识别实际上包括一系列构建人脸识别系统的相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认和身份搜索；狭义上，人脸识别是指通过人脸进行身份验证或身份搜索的技术或系统。随着人脸识别技术的发展，人脸关键点的精度进一步提高，使得量化计算五官之间的相互影响关系成为可能[10]。人脸关键点检测，也称为人脸关键点探测、定位或人脸对齐，是指定位人脸关键区域的位置，包括眉毛、眼睛、鼻子、嘴巴、面部轮廓等。与人脸检测类似，由于姿势、遮挡等因素的影响，人脸关键点的检测也是一项具有挑战性的任务。这组关键点称为形状。形状包含关键点的位置信息，可以用两种形式表示。第一是关键点的位置相对于整个图像，第二是关键点位置相对于面部框架（标记面部在整个图像中的位置）。本文将通过分析统计1013张人脸关键点的数据，得到关于人中这个部位的一些数据影响分析[11]。

2 方法与结果

2.1 研究对象 根据Multi-Attribute Labelled Faces（MALF，2015）提取1013张正面人脸，要求无表情，清晰度良好，为了确保数据的纯净，在实际计算时，选取的都是亚洲人脸。使用面部离散程度小的部位，综合换算面部各个部位的其他数据，其中包括人中长度。这种换算方法曾经做过数据测试，估算的数据与实际用游标卡尺测量的面部数据，误差在2 mm左右，这也是很多互联网公司采取的面部数据估算的方式之一。按照估算数据，将人中长度按照由短到长排列，分布在前15%的为短人中，后15%的为长人中，剩下的是中等人中。

2.1 实验步骤 ①将1013张人脸图片进行手工分类，将1013张人脸图片分成长人中、短人中、中等人中三类，结果显示157个人为短人中，162个人为长人中，694个中等人中，手工分类的结果也遵循标准正态分布的规律[12]；②比较两个分布的不同，估算为长人中，手工分类识别成中等人中的有37张；估算为短人中，手工分类识别成中等人中长度的有23张；选取手工分类的长、中、短数据，使用相关系数矩阵分析热力图见图1～图3。选取的相关部位和相关系数见表1～图3，均为0.3以上正相关。

以上三组相关系数热力图的结果与预期的结果有些不同，有些大家公认是反比例的部位，比如鼻翼宽度与人中，之前都以为是反比，但手工挑选的长、中、短三组都显示是正比，最后统计了估算数据是短，但手工分类的时候把他们归类为中等人中的数据。最后统计了估算数据是短，但手工分类的时候把他们归类为中等人中的数据（见图4、表4），此处人中长度与口裂宽度是负相关，而在上面的统计数据里，人中长度和口裂宽度的相关性不明显，低于0.3；以及还有估算数据是长人中，但手工分类的时候划分为中等人中的数据（见图5、表5），这一组都为负相关。相关系数直方图见图6。