[发明专利]一种采用计算机进行女性图像的人脸美丽分类方法

说明书

技术领域

本发明属于利用计算机图像处理进行人脸美丽评价领域，特别是涉及一种采用计算机进行女性图像的人脸美丽分类方法。

技术背景

计算机及信息处理科学利用计算机图像处理、机器学习等方法来进行较客观的人脸美丽评价的研究报道最近几年来已经开始受到一些学者的重视，现有的研究成果主要如下：

1、Parham et al建立了一个人脸美丽自动打分系统，对美丽的评判分为3级，提取脸上的8个距离比例作为8维特征矢量，使用K邻近算法的变体，根据特征矢量与人工美丽评级对40幅人脸图像进行训练，测试集为另外的40幅图像，分类准确率为91％；

2、H.Irem Turkmen et al提出的女性人脸评估方法以150幅女性人脸图像作为实验数据，分为美丽与否两个等级，对原始人脸进行PCA变化后，用SVM进行训练和分类，对170幅人脸美丽评价的最高准确率分别为89％；

3、Y.Eisenthal et al对人脸提取比例及纹理特征，采用92幅图像作训练集，另外92幅图像作测试集，分类器采用标准KNN和SVM，KNN的正确分类率为86％，SVM的正确分类率相对略低，为84％；

4、Hatice Junes，Massimo等人提出了基于监督学习的人脸美丽评价方法，该方法使用黄金比例等11维特征来描述人脸美丽程度，训练C4.5分类器来进行人脸美丽分类，取得了较好的分类精度，实验数据为215幅人脸图像(是目前该领域已发表的文献报道中规模最大的数据)，平均分类误差为9.2％(分类精度达到90.8％)。

上述利用图像处理及模式识别、机器学习的方法来研究对人脸美丽进行分类，在不同的数据集上已经取得了初步的成功，但仍然存在如下不足：

(1)作为实验数据的人脸图像数量不够充分；

(2)人脸美丽程度分布不够广泛，这些因素对分类器的鲁棒性和可靠性直接产生了影响；

(3)采用的比例特征如黄金比例等的有效性不够理想；

(4)上述研究均是针对西方人脸的美丽评价，这些方法对东方人特别是中国女性的美丽评价是否有效值得验证。

目前还没有发现利用机器学习方法对中国人脸美丽进行自动分类的相关研究报道。

利用计算机图形处理技术，可将人脸美丽的评价问题视为一个监督学习的分类问题，因此对人脸美丽的评价可以看成是一个典型的模式分类问题，其中人脸图像是待识别模式，其相对应的美丽评级为类标号。

而计算机的决策树方法的是一种应用很广泛的归纳推理机器学习方法，对噪声数据有很好的建造性且能学习析取表达式。典型的决策树算法包括ID3算法及C4.5算法等，后者能处理连续属性(通过离散化取值空间来完成)，将分类范围从分类的属性扩展到数字属性。

故而可采用C4.5算法来构造决策树分类器以进行人脸美丽的归纳学习及分类。

发明内容

本发明的目的在于克服现有技术的不足，提供一种有效的针对计算机图像进行人脸美丽分类，特别是针对中国女性图像进行分类。

为了实现上述发明目的，采用的技术方案如下：

一种采用计算机进行女性图像的人脸美丽分类方法，使用C4.5决策树学习方法来构建分类器，并采用17维特征量作为人脸美丽程度的表征量，来对女性图形进行人脸美丽分类，所述17维特征量具体如下表所示：