人臉風格演算法探索（二）

來自專欄放牛娃

一、這種方法建立於一個假設（認定）之下即人臉各部位的比例可以決定一張人臉的風格；我們手工地從每張人臉抽取11種特徵，即：

臉寬/臉長；

眼距/臉寬；

眼寬/臉寬；

眼高/臉長；

鼻長/臉長；

鼻寬/臉寬；

人中長/臉長；

唇峰/臉寬；

嘴高/嘴寬；

嘴寬/臉寬；

下巴長/臉長；

下顎寬/臉寬，

如下圖：

通過對上方樣本的統計，我們發現在一定數量對人群中，上述11種特徵均呈正態分布，說明其具有代表性，如下圖：

二、通過統計分析，我們將每個特徵劃分為三擋。

綜合這些特徵，我們得到了一個向量，用其來代表一個人臉的量化特徵。我們搜集了1000多張具有代表性的人臉，提取其特徵，訓練一個分類器，從而達到分類的目的。

三、上述特徵的計算依賴於face++的人臉特徵點檢測。在分類器的選擇上，我們嘗試了SVM（支持向量機）、xgboost，以及簡單的3層全連接神經網路。SVM和xgboost均使用Sklearn框架提供的開發包，神經網路則基於tensorflow實現。效果上，SVM優於xgboost，略優於全連接神經網路，我們選擇了SVM。