个人美容识别

720529d5f8.jpg


«镜子,镜子!告诉
是的,报告到全部的真相:
我只有在所有的甜蜜,
轻武器 所有的红润和更白?“ I>

AS。普希金 B>

事情童话逐渐在目前的实际情况,通过采用新技术和科学发现的实现。目前实施的积极使用,如汤地毯(航空),七联赛靴(汽车),一盘(上网本上网)一个苹果,一个球,显示了道路(全球卫星定位系统导航器)和其他必要的事情。我们试图实现提到“死公主的故事和七骑士”系统采用人工智能和计算机视觉(据推测,笔者这里的意思用一个前置摄像头和一个自定义便携包一个片)的方法来评估一个人脸的美丽。



是什么使一个脸有魅力的人的问题是研究的心理学家,生物学家,哲学家,艺术史学家,专家,整形外科的主题很长一段时间。它现在被认为是一个既定的事实,人们,除了个人喜好,并影响生物激励的一般原则来评估健康[1-2]。在可能的候选生理学家的典型标志区分对称五官[3],一大组人[4]对应的脸“黄金分割”的比例的平均面部图像的面部的对比度图像[5]等。例如,在[4],一方面,对称功能符合不易发生突变的基因,因此,人们用这种特征对突变和疾病更耐,另 - 人更对称特征排名更高美容评估他们的图片专家< BR /> 近年来,出现了通过使用机器视觉[6-8]和训练的分类的专门表彰美的计算机系统有若干开创性论文。这些作品可以看作是企图赋予机器人系统的能力“看到美丽的。”在[6]用作设有面部比例,与手工分配的面的关键点。在[7]中,除了比例我们用于特征提取主分量的方法。 [8]承认美的问题,我们使用的深层神经网络
我们通过机器视觉库手段发达的美的评价的自动化系统,工作在脸上的关键点分配的基础上 OpenCV的和的neyronnoy网络,培养目标,这些专家评估,并进行了工作质量的实验评估。

培训
图像数据库 我们已编制了自己的图像数据库,包括青年妇女180个人照片,图像取自公共资源。他们被选中的人的照片在正面看法,在他的脸上无表情,不戴眼镜和珠宝。为了使样本代表性,我们试图在数据库实例既美丽又丑陋的人(图1),包括。

b1274bb692.jpg

图。 1.示例照片从基本图像

相反〜[7]收集数据库包括不同种族,肤色妇女的照片,以及他们的年龄从18岁到35岁之间。一旦图像已收集,专家组应邀表现出每张照片上规模的1到7共计标记照片分别上调8专家,4名男子和4个年龄在16〜63岁女性的主观评级的审美情趣,等级独立。根据实验条件,每个专家的分级之前被带到所有图片的主参考。检查样品的一致性,进行相关性分析,结果列于表。 1.

各种专家表1成对相关估计

ba97809eb4.jpg

样品的平均相关性为0,7,这使得对这些数据进行学习神经网络,并大致对应于其他研究者的结果[4,7]。

该算法
的总体方案
美容识别系统将一个包含人面部(图2)的正面图像的图像。

186512e32b.jpg

图。识别算法美者
2.方案
该算法开始前,我们假定该人的图像中已经被预先分配并占据了大部分的图像区域的。接下来,使用标准bustingovogo分类维奥拉 - 琼斯,计算机视觉的OpenCV的图书馆资源中的一员,凸显在脸上的地区,各自的权利和左眼,鼻子和嘴巴。
在这些坐标的基础上,计算基本面部的比例,然后将其用作神经网络的特征向量。神经网络先经过培训使用专家评价作为靶样品中,然后可使用新的,以前没有见过的数据网络中识别这些输入数据。

特征提取

我们将分配成两组我们的迹象:选择键点之间的距离的比率,发现人的大小的比率。
该组特征示于图1。 3,左:AB / CD,AC / BC,AD / BD,EC / ED,EC / AB,AC / AD,BC / BD。组标志2被显示在图3,右:L / R,分子量/ MH,NW / NH,分子量/ NW,MH /新罕布什尔州。最终的特征向量由两组的组合特征。服一个神经网络数据之前分别给予的范围[1,1]。

5a3ad30950.jpg

图。对于在脸上
选择的关键点3.计算特征向量
训练神经网络

作为训练的神经网络,我们使用标准的多层感知器[10,第219]与包含在隐藏层的神经元5的单个隐藏层。作为隐层的激励函数和输出神经元使用双曲正切函数。神经网络已经训练了扩展卡尔曼滤波[10,P。 219],[11],这是今天的教学二阶神经网络的最有效的方法之一。前的训练样本被分成两部分:学习(110实施例中,样品的60%)和考试(70例中,样品的40%)。学习结果列于表。 2.

神经网络学习的认识上的美丽
的问题表2的结果
6b318bf232.jpg

我们相信,为0.5对教学考试样非常好提供给神经网络作为特征量小的信息不使用相关性的结果。实际上,网络使得基于颅骨骨骼的结构的分析作出决定,忽略,考虑到在解决类似的问题的人的其他数据。
在未来,我们计划通过扩大图像​​数据库进行训练,提供在脸上创新点,提高了算法,其中包括皮肤光滑度的检测。

原创文章: Chernodub AN Pashchenko YA,KA Holovchenko神经网络系统用于确定一个人的脸// XV全俄科学技术会议“神经信息学2013”​​,莫斯科,到2013年1月21日至二十五号,C的吸引力。 254 - 259 I>

参考

科瓦奇,美//诺曼FJ哲学:俄克拉何马大学出版社。 1974年 格拉默K,特霍西尔R.人类(智人)的面部吸引力和性选择:对称性和平均化的作用。 ∥焦比较心理学,1994年五,108№3 P. 233-242。 罗德G.脸部美容// Annu的进化心理学。启示录心理学。五,2006年57 P. 199-226。 Sheib JE,Gangestad SW,特霍西尔R.面部吸引力,对称性和优良基因// PROC生物学科学线索。 1999年9月22日; 266(1431)。 R. 1913年至1917年 荷兰E.马夸特的披面膜:陷阱依托时装模特和黄金比例来形容美丽的容颜//美容整形外科,2008年五32,№2。 P. 200-208。 Aarabi,P.,休斯,D,Mohajer,K.,EMAMI,M的面部美容的系统// IEEE国际会议的自动测量,人和控制论,2001年710月,图森,美国。五,4. P. 2644年至2647年 Eisenthal Y.,德罗尔G.,鲁平E.相貌:美女与机//神经计算,2006年五,18№1等。P 。119-142。 甘J.,李属,翟Y.深自学学习面部美容预测//神经计算。 DOI:10.1016 / j.neucom.2014.05.028 灰色D.,俞光,徐W.,龚Y.预测脸部美容无地标//计算机视觉 - ECCV 2010年,讲座在计算机的注意事项科学,2010,V二千零一十分之六千三百一十六。 P. 434-447 S. Haykin的神经网络:全部课程。 M:威廉姆斯,2006年 Chernodub AN训练神经网络使用的扩展卡尔曼滤波分类:对比研究//光存储和神经网络,2014年卷。 23,第2期,第96-103页。 OL>

资料来源: habrahabr.ru/post/229549/

标签

另请参见

新&值得注意