基于感性工学的人脸印象评价方法研究

李梓鹏 欧阳晋焱 徐娅男

摘  要：基于感性工学的人脸印象评价方法研究针对虚拟人像，以人脸五官印象的感知为对象，基于感性工学，探索人脸印象评价的方法。首先构建出虚拟人脸五官样本类目表，设计出代表性虚拟人像样本，同时确定虚拟人像印象的目标情感意象。在调查虚拟人像代表性样本的印象评分后，分析出在印象评分中起到最显著作用的五官样本。结合样本类目表和回归分析结果，组合出各个词汇对评分最高的虚拟人像，以此为代表性虚拟人像样本。调整代表性虚拟人像样本中起到最显著作用的五官位置，将调整前后的人像进行对比并评分，依据评分结果，对人脸印象的变化进行分析，实现人脸印象的评价。根据实验结果，验证人脸印象评价方法的可能性。

关键词：感性工学；人脸印象；虚拟人像；回归分析

角色设计通常在构思阶段需要大量的参考素材，期间也会存在许多不必要的重复劳动，且要求设计师有一定的设计经验，而相关市场需求正持续增长。人工智能技术催生出的AI绘画工具，已经能够帮助人们绘制各式各样的艺术作品，但其本质依然是机器学习模型的构建和参数训练的结果，生成的作品经常会缺少细节。

一、研究现状

（一）人脸及人脸印象研究现状

人脸在人类生活中是一类极其重要的认知客体。由于人脸既具有比较一致的模式，又具有丰富的细节差异，因此人脸可以被有效地表征。有研究者提出，人们在识别人脸时，会先辨认出面孔的各种特性，再进行整体的认识。Macho发现，人脸部分特征间的不相似程度可以用人脸整体的不相似程度表示[1]。Sergent等的研究表明面孔处理过程中，特征对面孔处理的重要性[2]。Rhodes发现脸部特征的外观和其位置、空间关系等结构性特征共同影响了人脸的外观[3]。

人脸的整体性分析可能需要较多的维度，但在人类的社会经验中，通常会认为人脸的各种信息是一体的，局部的变化会改变整体的信息。与特征相比，结构更容易解释人脸的整体性，而与整体观相比，结构又不忽视特征的作用。以上理论支持了本研究的可能性：通过组合人脸五官特征，得到虚拟人像，随后对其整体印象进行评价，再通过改变五官特征间的结构性信息，得到整体印象的改变。

在人脸研究史上，采用线条人脸对人脸的认知过程进行的研究不乏实例。这些线条可让被试辨别出图形是否为人脸，甚至还可让被试认出人脸是谁。可见线条人脸向被试提供了识别人脸的最基本的信息。此外，RBC（Recognition-by-components，成分识别）理论的研究发现人通过对构成客体的几何离子以及几何离子间的关系的识别而达到对客体的识别[4]。王波通过使用虚拟人像（草图人脸）进行了实验，该研究将人脸的结构信息分解为内部结构和外部结构：内部结构指五官之间的关系；外部结构指五官与轮廓之间的关系。实验证明人脸的内部结构比外部结构在人脸认知中的作用更大，且人在认知物体时具有强烈的整体性趋向[5]。

陈霖等的研究提出，人在對视觉图像的早期知觉中，对大范围的拓扑性质非常敏感，这种敏感性超过了对图形的其他几何性质的敏感性[6]。拓扑性质是在拓扑变换下图形保持不变的性质和关系。拓扑性质中有一种叫连通性，连通性将一个对象连成为一个整体。在简单生物的知觉实验中得到了有力的拓扑性质检测的优先性的证据，同时在人的图像早期知觉中也存在着拓扑的作用。

尽管人们可以从各种途径得知他人的信息，并以此基础得出对他人的印象[7]，但是更多的研究主要围绕着观察、直接互动以及二手信息这三种方式，这也是我们从社会中进行学习，获取信息的主要方式[8]。借助视觉观察对他人作出判断和评价，即通过观察他人的行为、身体特征、人脸等形成印象，或许是最为优先和高效的印象形成方式。人脸构成了一类特殊的社会刺激，对动物和人类正常被试者和脑损伤患者的研究表明大脑具有专门化的脑模块对人脸进行加工[9]。人脸不仅指示了人的本体，还包含着人的性别、年龄、种族、心境与情绪以及人格特征等[10]。

（二）感性工学研究现状

感性工学在产品设计领域的应用十分广泛，除产品设计外，也延伸到其他类型的设计工作：Hadiana等将感性工学方法应用于网页交互界面设计，以提高用户对网页界面的满意度[11]；Guo等以求职网页界面为例，提出了一个基于感性工学的优化网页界面的设计方法[12]；Nakai等研究体感游戏，从可用性的角度评估了游戏的控制活动[13]；Carreira等以乘客乘坐公共汽车的体验为例，将感性工学用于产品——服务系统。鉴于感性工学方法的广泛应用，其原理方法同样可以灵活用于虚拟人像的印象评价，通过获取虚拟人像的感性意象评价，可以将感性意象与五官元素进行联系[14]。

二、样本绘制

对人脸各部分形态特征进行样本绘制，样本按数字进行编码。本次试验初步只针对男性虚拟人像样本，暂不考虑性别差异。本试验参考孟利的研究对眼睛、耳朵、眉毛形态样本进行绘制[15]。对眉毛的认知偏好会受诸多因素的影响，因此在对眉毛形状进行选取和分类时，会综合考虑该形状是否更偏向男性化，以此为依据绘制出眉毛样本。由于鼻子和嘴唇的分类较为复杂，同一形态也存在不同的叫法，故选取的鼻子和嘴唇样本将直接进行编码。绘制出男性五官样本类目表如表1所示。经组内专家共同讨论，综合考虑各样本的识别差异和形态差异，对五官样本进行筛选并选用两种形态具有明显区别的发型和脸型。筛选出男性五官样本类目表如表2所示。

改变五官位置需要对人脸初始五官位置制定一个标准，因此将采用“平均脸”的概念。所谓平均脸，就是提取一群人的面部特征，求得平均值，由计算机重新合成得到的人脸图像。本研究的印象评价是以我国的文化环境为基础的，因此采用东亚类型的平均脸作为初始标准（如图1）。划分出平均脸样本的五官范围，该范围确定了五官所在的位置、大小、比例等信息（如图2）。

（图片来源：http：//humanphenotypes.net/basic/Sinid.html）

（图片来源：http：//humanphenotypes.net/basic/Sinid.html）

为了保证样本对形态要素的均匀覆盖并减少用户的认知负担，利用正交试验设计对样本的形态特征组合进行重构。正交试验选择的水平组合列成表格，称为正交表。本实验选择的正交表如表3所示。由于发型和脸型只有两种样本，与其他样本数不同，因此在正交表的设计上需要用到拟水平设计。将水平数较少的因子形式地“虚拟”成与正交表水平数相同的因子。以此方法，将拟水平前的正交表3中，因子6、7的3、4水平虚拟为1、2，修改后如表4所示。

三、虚拟人像印象测量

人们似乎很早就意识到人脸与人格特质之间存在着关系，中西方民间都流传着相面术，甚至一度用作甄选人事的工具，研究发现人们能根据面部特征对他人的攻击性和搏斗能力做出有效的评价[16]，对亲社会人格品质，如可信任性也作出了准确的判断[17]。

本研究从网络和字典等渠道收集了60个与人脸风格评价相关的情感意象词汇（如表4），随后提取出11对情感意象词汇对（如表5）。经组内专家筛选后确定了4对代表性目标意象词汇对，即幼稚的—成熟的、婉约的—英气的、慈祥的—严厉的、圆润的—锐利的。筛选原则是去掉表达模糊的、罕见的和具有重复的或相似含义的词汇。

本研究采用的是Likert量表法，采用问卷的形式，对目标样本的印象进行评分。调查采用网络问卷的形式，要求被试利用每个样本下提供的4个意向词汇对，对32个男性虚拟人像展现出的印象做评分。每道题的评分从左到右依次为-2、-1、0、1、2，评分越低，则说明被试对该样本的印象更偏向词汇对左侧意向词的描述，评分越高则反之。问卷在全国随机发放，本试验不考虑被试的年龄性别等因素，故问卷中不做收集。

问卷共收集112份，通过对分数进行相加后得到的综合评分结果如表6所示，对问卷结果进行信度分析结果如表7所示，本次问卷调查的Cronbach α系数均在0.8以上，说明信度良好，问卷结果可靠。

在改变虚拟人像的印象评分之前，需要选出对虚拟人像印象评分有显著影响的五官元素。因此，利用SPSS软件中的逐步回归法得到分析结果，回归结果如表8至表11。回归结果中，综合评分表1指的是问卷中所提供的第一对意向词汇对“幼稚的—成熟的”评分结果，以此类推。在回归分析中，显著性越接近0，说明其显著性越好，意味着自变量对因变量有显著性影响关系。在表8至表11中的结果显示，眉毛在四项评分中的显著性均小于0.05。

通常标准化回归系数的绝对值越大，可认为它对因变量的影响就越大。通过逐步回归分析得出标准化系数β，由β值判断自变量对于因变量的影响程度，β值正向越大，即表示该元素对印象评分分值正向影响越大；负值越大，则表示该元素对印象评分分值的负向影响越大。变量的显著性小于0.05，数值越小则显著性越强。在后续的实验中，以此为选取五官元素的依据。

在表2中，样本的形态与编号的大小不存在数量关系，在实验进行到此处时，根据回归分析的结果选择显著样本缺少数量关系的支撑。同时代表性虚拟人像样本已经完成了打分。因此，需要改变五官类目表中样本的排列，以及对应的正交设计表中的编号，使样本的编号与样本的形态具有正相关的数量关系，即数字编号越大的样本，其形态总是比数字编号小的样本更大（体现在其宽度或高度），修改后的五官类目表如表12所示，修改后的正交设计表如表13所示。

从表8至表11中可以看到，眉毛的显著性评分分别为0.047、0.017、0.013和0.005，一般认为显著性得分小于0.05即为显著.鉴于眉毛元素良好的显著性，故选择眉毛作为后续实验中需要被改变的样本。在其他五官类型的选择上，之前提到过样本的编号与样本的形态具有正相关的数量关系，故以非标准化系数分值为正则选择编号数最大的4號样本、分值为负则选择编号数最小的1号样本的原则来进行。如表3.3中，眼睛的非标准化系数为0.021，是正数，即选择类目表12中的4号眼睛样本；耳朵的非标准化系数-0.026，为负数，即选择类目表12中的1号耳朵样本。最终得到四种评分的代表性样本如图4所示，从左到右依次为成熟的、锐利的、严厉的、英气的。

本次研究认为五官位置的变化可能会对人脸的整体印象产生影响。改变了局部的五官位置，势必会改变人脸整体的结构信息，进而影响到人脸整体的印象评价，这种改变将体现在虚拟人像印象的评分上。为了研究这种变化，本节将使用专家问卷进行调查。

首先将对四个代表性样本的眉毛位置进行改变。本试验不改变眉毛尺寸的大小，且在样本绘制的初期阶段，由于为绘制五官的尺寸制订标准较为困难，并没有将样本的尺寸信息纳入考虑范围内。眉毛位置的变化，将以保证被试能快速、有效地识别出区别，且位置尽量保持在五官正常范围内为标准，做向上、向下、向外和向内四个方向的平移，样本改变如图5至图8所示。随后将调整后的虚拟人像样本与调整前做同一印象的对比评价：每对样本设置一道量表评分题，每道题的评分从左到右依次为-2、-1、0、1、2，评分越低，则说明被试认为改变后人像的印象较改变前人像的印象更偏向词汇对左侧意向词的描述，评分越高则反之。如问卷第一题中，将右图与左图做“幼稚的—成熟的”这一印象的对比评分，即右图（改变后）与左图（改变前）相比，其印象变得更为幼稚或更为成熟。

本次调查共邀请了25位专家，统计得分结果如表14所示，眉毛向下平移，对应第2、6、10、14题，四类不同印象的代表性样本评分都大部分集中在2分，即分值“2”的打分比例均大于40%。说明眉毛位置越低，其印象评价更成熟、英气、严厉或锐利。结合实际生活经验，人在生气时，通常会表现出眉头紧锁的表情，使得眉毛与眼睛之间的距离变短，眉毛在视觉上会有向下的倾向，因此，天生眉眼间距的人往往会给人以不怒自威的印象。这一结果符合实际生活中的大部分经验。

四、结语

本研究以人脸五官印象的感知为研究对象，利用感性工学的研究方法，通过控制变量，探索了针对虚拟人像印象的评价方法，以指导人类艺术家和设计师，或辅助人工智能机器模型进行角色设计的部分工作。在对五官位置进行调节后，发现五官位置的改变会对人脸印象的结果发生改变。通过改变前后样本的对比分析，结合人脸印象识别的实际经验，验证了本文人脸印象评价的方法的可靠性。

本研究存在的问题有：人脸的印象评价实际上也是一种审美评价，本研究中为了尽可能减少人脸评价的差异性，采用了平均脸的概念，但差异性仍然存在，且研究起来十分复杂。另外，在平均脸的概念下，五官的尺寸大小较为固定，因此本研究并没有对五官尺寸的改变带来的影响做探索，但这也是人脸评价中较为重要的影响因素。

人脸的认知和识别问题往往错综复杂，在同样五官形态特征和结构特征的情况下，本研究中所剔除的诸如人脸皮肤可能会对研究结果产生不同的影响。其次，利用黑白线条绘制的虚拟人像对于部分被试来说可能存在识别障碍，对实验结果产生影响。最后，由于五官特征分类始终没有一个统一明确的标准，五官样本的绘制可能并不全面，尽管后续实验也对所用样本进行了筛选，但仍有可能会产生影响。

在组合出各个词汇所对应评分最高的虚拟人像的过程中，所涉及到的五官类型均为最高分的，这就可能出现即使所有元素的评分都是最高的，组合出的结果也不一定是所有方案中最高评分的问题。

实验中的平移没有以具体的距离参数作为标准，这是因为同样的移动距离，向不同方向移动的结果可能并不明显，但是这样做的严谨性可能会存在问题。其次，在对五官进行平移时，采用的是间断移动，或者说是移动前和移动后的区别，但并不能无视如果采用连续移动可能会带来不同结果的可能性，即在五官移动途中被试对虚拟人像印象的改变，实验难度和要求也会更高。

参考文献：

[1]Macho S.，Leder H..Your eyes only？ A test of interactive influence in the processing of facial features[J].Journal of Experimental Psychology：Human Perception and Performance，1998（5）：1486-1500.

[2]Sergent J..An investigation into component and configural processes underlying face perception[J].British Journal of Psychology，1984（2）：221-242.

[3]Rhodes G..Looking at faces：First-order and second-order features as determinants of facial appearance[J].Perception，1988（1）：43-63.

[4]Biederman I..Recognition-by-components：a theory of human image understanding[J].Psychological Review，1987（2）：115-147.

[5]王波.結构信息在人脸认知中的粘合作用[D].杭州：浙江大学，2005.

[6]陈霖.拓扑性质检测——计算理论的一朵可能的乌云[M]//钱学森.关于思维科学.上海：上海人民出版社，1986（1）：250-301.

[7]Contents T. O.，Ambady N.，Skowronski J.J..First impressions[M].New York：Guilford Press，2008.

[8]Bandura A.，Walters R.H..Social learning theory[M].Prentice Hall：Englewood cliffs，1977.

[9]Kadosh K.C.，Johnson M.H..Developing a cortex specialized for face perception[J].Trends in Cognitive Sciences，2007（9）：367-369.

[10]Todorov A.，Said C.P.，Engell A.D.，et al.Understanding evaluation of faces on social dimensions[J].Trends in Cognitive Sciences，2008（12）：455-460.

[11]Hadiana A.，Dauni P.，Lokman A.M..Kansei Engineering Implementation in Designing User Interface for Web Based Academic Information System[J].International Journal of Basic and Applied Science，2016（3）：42-50.

[12]Guo F.，Liu W. L.，Cao Y.，et al.Optimization design of a webpage based on Kansei engineering[J].Human Factors and Ergonomics in Manufacturing & Service Industries，2016（1）：110-126.

[13]Nakai A.，Pyae A.，Luimula M.，et al.Investigating the effects of motion-based Kinect game system on user cognition[J].Journal on Multimodal User Interfaces，2015（1）：403-411.

[14]Carreira R.，Patrício L.，Jorge R. N.，et al.Development of an extended Kansei engineering method to incorporate experience requirements in product-service system design[J].Journal of Engineering Design，2013（10）：738-764.

[15]孟利.中国人三维人脸图像脸型及五官特征的分类研究[D].北京：中国人民公安大学，2018.

[16]Carré J. M.，Mccormick C. M.，Mondloch C. J..Facial Structure Is a Reliable Cue of Aggressive Behavior[J].Psychological Science，2009（10）：1194-1198.

[17]Stirrat M.，Perrett D. I..Valid facial cues to cooperation and trust：Male facial width and trustworthiness[J].Psychological science，2010（3）：349-354.

作者简介：

李梓鹏，兰州理工大学设计艺术学院设计学专业硕士研究生。

欧阳晋焱，兰州理工大学设计艺术学院副教授。

徐娅男，兰州理工大学设计艺术学院艺术设计专业硕士研究生。