基于多特征融合的人脸颜值预测

随着计算机技术的迅速发展以及人脸识别技术的成熟,人脸颜值受到越来越多的关注和研究。针对单一的人脸特征无法表征完整的人脸信息,提出一种几何特征、表观特征相融合的人脸特征,该特征综合考虑了人脸的关键特征点、几何距离及关键部位面积和全局特征对人脸颜值的影响。数据信息来源于LFW数据库和互联网的1500张非限制性东西方女性人脸图像数据进行建模,对源于社交网络的100张女性人脸图像在KNN和BP神经网络两种分类器下进行实验。实验结果表明融合特征在不同分类器模型下一致性更好,Pearson相关系数提升了2.3%,平均绝对误差下降了2.7%,均方误差下降了2.9%。因此本文提出的融合特征与单一特征相比,人脸颜值的预测性能有所提高。