毕业答辩-基于人脸检测的性格分析.pptx

基于人脸检测的性格分析,CharacterAnalysisBasedonFacialDetection,答辩：导师：,CONTENT,研究概述ResearchOverview,核心算法TheAlgorithm,研究过程ResearchProcedure,问题探讨ProblemExploration,实验结果ResearchResult,ResearchOverview,研究概述,选题背景-Background,容貌给人的感觉,在生活中，经常有这样的经验，看到不同的人会有明显不同的感觉。这是为什么？,自发地读取面孔的额外信息。求助于面相学。,面孔的额外信息,科学or迷信？,面相学：褒贬不一尝试科学地探索,价值意义-Value,检验部分面相学,实现对照片中正脸人物的初步性格信息分析,尝试提出面相分析算法,将面相学部分信息参数化,TheAlgorithm,核心算法,核心算法,01Stasm算法,02面相分析算法,本文尝试提出面相分析算法，该算法训练一个规则模型，并在测试中不断完善。,Stasm算法是人脸检测算法，可以将人脸面部特征点标记出来。本文借助stasm库，获取面部特征点位置信息，用以后续的面相分析算法。,面相分析算法,收集样本的照片与性格信息分组,利用stasm算法获得人脸特征点,对每一个面部特征信息,根据面相学选择需要的面部特征,根据该面部特征可能的性格方向，将样本归类,根据每一类数据的加权平均值，选取阈值,将新样本分类,判定成功,修改阈值,判定失败,处于阈值内,处于阈值边缘外,偏离阈值,ResearchProcedure,研究过程,预先准备-Preparation,01,TEXT,03,TEXT,02,TEXT,2.位置感觉参数化,就是将人们对于面部特征的感觉，转化为面部特征点之间的位置关系。例如，“人中长”这一位置感觉。,1.性格信息收集,采取双向调查问卷形式。分为：他人评价与自我评价,所需变量-Variable,1,3,2,4,性格信息条目xi,个人性格信息向量Mn,Si对应性格信息变量Msi,面部特征Si,根据面相学得到需要的性格信息条目，其值取决于问卷中的选项，为-1，0，1。,每个面部特征都存在多个性格方向，以值-1，0，1表示。,Mn=（x1,x2,xi）相当于一个人的全部所需性格信息条目集合。n为对应的样本编号。,Msi=（x1,x2,xi）对于所有人，Msi都是确定的值，它代表着该特征的一个性格方向所匹配的性格信息条目。,实施步骤-Procedure,01,02,03,04,05,在每一类中，以F为权值，特征位置为参数，加权平均求得阈值，从而得到初始规则模型,收集25个样本，随机分为两组，训练组15人，测试组10人。.,对于每一特征，样本分类方式为计算匹配值F=Mn*F0:Si=1;F=0:Si=0;F0:Si=-1;,通过测试组，对阈值进行更新，并判断是否保留该特征，最终形成面相分析规则。,系统应用流程,获得用户照片,利用stasm算法获得人脸特征点,根据面相分析算法得到的规则进行分类,由各个类别中的性格信息条目汇总形成性格分析,ProblemExploration,问题探讨,主要问题-Problems,01,TEXT,03,TEXT,02,TEXT,2.面相学归纳问题,在本文中，对于人脸特征与性格信息的匹配和选择，是从面相学中归纳得出，作者水平有限，归纳的准确性可能存在问题。,1.训练样本