人脸吸引力是遗传心理学和认知心理学的一个重要命题,研究结果可以给人脸进化(以及人类进化)提供科学依据。结合计算机的人脸吸引力研究可以完善传统研究方法存在主观性强、数据少的不足。在人脸吸引力的研究中,确定人脸模板是首要任务。本文基于迁移学习,提出了一种新的人脸吸引力人脸模板,在人脸模板基础上提取了三种表征人脸吸引力的几何特征,实验结果表明了人脸吸引力人脸模板是合理可行的。具体研究内容如下:(1)在人脸特征点定位中,分析了AAM和ASM的特征点定位算法。针对AAM算法全局轮廓定位不准和ASM算法局部器官定位不准的问题,本文将AAM和ASM进行了结合,通过ASM定位人脸外围轮廓区域,AAM定位人脸内部区域,使人脸特征点定位获得了较好的效果。(2)提出了基于迁移学习的人脸吸引力人脸模板。从迁移学习的基本思想入手,利用AAM和ASM的结合算法,考虑额头、瞳孔和鼻翼的几何特征对人脸吸引力的影响,构建了81点人脸吸引力人脸模板。实验表明构建的81点人脸吸引力人脸模板在不同的数据集上具有良好的普适性。(3)基于所构建的81点人脸吸引力人脸模板,提取了21维几何特征、三角形面积特征和四个比率特征集,用于表征人脸吸引力。利用机器学习算法对提取的几何特征进行人脸吸引力预测性能评估。实验结果表明,组合的几何特征在表征人脸吸引力上效果较好。在SCUT-FBP库中Pearson相关系数比单一81点特征提高了12.2%;在自建数据集中Pearson相关系数比单一81点特征提高了11.4%,这进一步证明了本文构建的人脸吸引力人脸模板是可行的。