三种面部性别识别算法的比较

首先介绍了FASTA-ELM、多尺度融合决策和多量化局部二进制模式三种算法在面部性别识别领域的应用。然后选取了FERET和PAL两个人脸数据集,其中PAL中的人脸图像由于角度和光照的影响,有很大的识别难度。接着将三种算法在这两个数据集上分别进行测试,发现FASTA-ELM能在不使用SVD的情况下计算输出权重的最小范数,并且可以推广到隐藏层矩阵较大的情况中去;而多尺度融合决策由于融合了多个尺度的信息,可以改善识别效果;多量化局部二进制模式则具有更好的泛化能力和处理噪声的能力。三种算法都达到了90%以上的识别正确率。

面孔性别,注视方向和面部表情对面部可信度判断的影响

人们经常会依据他人的外在特征如面孔来判断对方的一些内在特质,例如,是否值得信任。面孔–特质推论是否会受到面部特征的影响一直是很多研究者感兴趣的问题。本研究考察了注视方向,面孔性别和面部表情是否影响面孔可信度判断。结果显示,注视方向,面部性别和面部表情各自都会影响面孔可信度判断。更重要的是,这些因素之间存在交互作用。注视方向和面孔性别分别调节了面部表情效应。男性被试仅在评判女性面部时会依赖于面孔的注视方向做判断,而女性被试在评判女性和男性面孔时是没有差异的。结果表明,面孔可信度的判断受到多个面部特征的交互影响。