基于感性工學(xué)的人臉印象評(píng)價(jià)方法研究

李梓鵬 歐陽(yáng)晉焱 徐婭男

摘? 要：基于感性工學(xué)的人臉印象評(píng)價(jià)方法研究針對(duì)虛擬人像，以人臉五官印象的感知為對(duì)象，基于感性工學(xué)，探索人臉印象評(píng)價(jià)的方法。首先構(gòu)建出虛擬人臉五官樣本類目表，設(shè)計(jì)出代表性虛擬人像樣本，同時(shí)確定虛擬人像印象的目標(biāo)情感意象。在調(diào)查虛擬人像代表性樣本的印象評(píng)分后，分析出在印象評(píng)分中起到最顯著作用的五官樣本。結(jié)合樣本類目表和回歸分析結(jié)果，組合出各個(gè)詞匯對(duì)評(píng)分最高的虛擬人像，以此為代表性虛擬人像樣本。調(diào)整代表性虛擬人像樣本中起到最顯著作用的五官位置，將調(diào)整前后的人像進(jìn)行對(duì)比并評(píng)分，依據(jù)評(píng)分結(jié)果，對(duì)人臉印象的變化進(jìn)行分析，實(shí)現(xiàn)人臉印象的評(píng)價(jià)。根據(jù)實(shí)驗(yàn)結(jié)果，驗(yàn)證人臉印象評(píng)價(jià)方法的可能性。

關(guān)鍵詞：感性工學(xué)；人臉印象；虛擬人像；回歸分析

角色設(shè)計(jì)通常在構(gòu)思階段需要大量的參考素材，期間也會(huì)存在許多不必要的重復(fù)勞動(dòng)，且要求設(shè)計(jì)師有一定的設(shè)計(jì)經(jīng)驗(yàn)，而相關(guān)市場(chǎng)需求正持續(xù)增長(zhǎng)。人工智能技術(shù)催生出的AI繪畫工具，已經(jīng)能夠幫助人們繪制各式各樣的藝術(shù)作品，但其本質(zhì)依然是機(jī)器學(xué)習(xí)模型的構(gòu)建和參數(shù)訓(xùn)練的結(jié)果，生成的作品經(jīng)常會(huì)缺少細(xì)節(jié)。

一、研究現(xiàn)狀

（一）人臉及人臉印象研究現(xiàn)狀

人臉在人類生活中是一類極其重要的認(rèn)知客體。由于人臉既具有比較一致的模式，又具有豐富的細(xì)節(jié)差異，因此人臉可以被有效地表征。有研究者提出，人們?cè)谧R(shí)別人臉時(shí)，會(huì)先辨認(rèn)出面孔的各種特性，再進(jìn)行整體的認(rèn)識(shí)。Macho發(fā)現(xiàn)，人臉部分特征間的不相似程度可以用人臉整體的不相似程度表示[1]。Sergent等的研究表明面孔處理過(guò)程中，特征對(duì)面孔處理的重要性[2]。Rhodes發(fā)現(xiàn)臉部特征的外觀和其位置、空間關(guān)系等結(jié)構(gòu)性特征共同影響了人臉的外觀[3]。

人臉的整體性分析可能需要較多的維度，但在人類的社會(huì)經(jīng)驗(yàn)中，通常會(huì)認(rèn)為人臉的各種信息是一體的，局部的變化會(huì)改變整體的信息。與特征相比，結(jié)構(gòu)更容易解釋人臉的整體性，而與整體觀相比，結(jié)構(gòu)又不忽視特征的作用。以上理論支持了本研究的可能性：通過(guò)組合人臉五官特征，得到虛擬人像，隨后對(duì)其整體印象進(jìn)行評(píng)價(jià)，再通過(guò)改變五官特征間的結(jié)構(gòu)性信息，得到整體印象的改變。

在人臉研究史上，采用線條人臉對(duì)人臉的認(rèn)知過(guò)程進(jìn)行的研究不乏實(shí)例。這些線條可讓被試辨別出圖形是否為人臉，甚至還可讓被試認(rèn)出人臉是誰(shuí)?？梢?jiàn)線條人臉向被試提供了識(shí)別人臉的最基本的信息。此外，RBC（Recognition-by-components，成分識(shí)別）理論的研究發(fā)現(xiàn)人通過(guò)對(duì)構(gòu)成客體的幾何離子以及幾何離子間的關(guān)系的識(shí)別而達(dá)到對(duì)客體的識(shí)別[4]。王波通過(guò)使用虛擬人像（草圖人臉）進(jìn)行了實(shí)驗(yàn)，該研究將人臉的結(jié)構(gòu)信息分解為內(nèi)部結(jié)構(gòu)和外部結(jié)構(gòu)：內(nèi)部結(jié)構(gòu)指五官之間的關(guān)系；外部結(jié)構(gòu)指五官與輪廓之間的關(guān)系。實(shí)驗(yàn)證明人臉的內(nèi)部結(jié)構(gòu)比外部結(jié)構(gòu)在人臉認(rèn)知中的作用更大，且人在認(rèn)知物體時(shí)具有強(qiáng)烈的整體性趨向[5]。

陳霖等的研究提出，人在對(duì)視覺(jué)圖像的早期知覺(jué)中，對(duì)大范圍的拓?fù)湫再|(zhì)非常敏感，這種敏感性超過(guò)了對(duì)圖形的其他幾何性質(zhì)的敏感性[6]。拓?fù)湫再|(zhì)是在拓?fù)渥儞Q下圖形保持不變的性質(zhì)和關(guān)系。拓?fù)湫再|(zhì)中有一種叫連通性，連通性將一個(gè)對(duì)象連成為一個(gè)整體。在簡(jiǎn)單生物的知覺(jué)實(shí)驗(yàn)中得到了有力的拓?fù)湫再|(zhì)檢測(cè)的優(yōu)先性的證據(jù)，同時(shí)在人的圖像早期知覺(jué)中也存在著拓?fù)涞淖饔谩?/p>

盡管人們可以從各種途徑得知他人的信息，并以此基礎(chǔ)得出對(duì)他人的印象[7]，但是更多的研究主要圍繞著觀察、直接互動(dòng)以及二手信息這三種方式，這也是我們從社會(huì)中進(jìn)行學(xué)習(xí)，獲取信息的主要方式[8]。借助視覺(jué)觀察對(duì)他人作出判斷和評(píng)價(jià)，即通過(guò)觀察他人的行為、身體特征、人臉等形成印象，或許是最為優(yōu)先和高效的印象形成方式。人臉構(gòu)成了一類特殊的社會(huì)刺激，對(duì)動(dòng)物和人類正常被試者和腦損傷患者的研究表明大腦具有專門化的腦模塊對(duì)人臉進(jìn)行加工[9]。人臉不僅指示了人的本體，還包含著人的性別、年齡、種族、心境與情緒以及人格特征等[10]。

（二）感性工學(xué)研究現(xiàn)狀

感性工學(xué)在產(chǎn)品設(shè)計(jì)領(lǐng)域的應(yīng)用十分廣泛，除產(chǎn)品設(shè)計(jì)外，也延伸到其他類型的設(shè)計(jì)工作：Hadiana等將感性工學(xué)方法應(yīng)用于網(wǎng)頁(yè)交互界面設(shè)計(jì)，以提高用戶對(duì)網(wǎng)頁(yè)界面的滿意度[11]；Guo等以求職網(wǎng)頁(yè)界面為例，提出了一個(gè)基于感性工學(xué)的優(yōu)化網(wǎng)頁(yè)界面的設(shè)計(jì)方法[12]；Nakai等研究體感游戲，從可用性的角度評(píng)估了游戲的控制活動(dòng)[13]；Carreira等以乘客乘坐公共汽車的體驗(yàn)為例，將感性工學(xué)用于產(chǎn)品——服務(wù)系統(tǒng)。鑒于感性工學(xué)方法的廣泛應(yīng)用，其原理方法同樣可以靈活用于虛擬人像的印象評(píng)價(jià)，通過(guò)獲取虛擬人像的感性意象評(píng)價(jià)，可以將感性意象與五官元素進(jìn)行聯(lián)系[14]。

二、樣本繪制

對(duì)人臉各部分形態(tài)特征進(jìn)行樣本繪制，樣本按數(shù)字進(jìn)行編碼。本次試驗(yàn)初步只針對(duì)男性虛擬人像樣本，暫不考慮性別差異。本試驗(yàn)參考孟利的研究對(duì)眼睛、耳朵、眉毛形態(tài)樣本進(jìn)行繪制[15]。對(duì)眉毛的認(rèn)知偏好會(huì)受諸多因素的影響，因此在對(duì)眉毛形狀進(jìn)行選取和分類時(shí)，會(huì)綜合考慮該形狀是否更偏向男性化，以此為依據(jù)繪制出眉毛樣本。由于鼻子和嘴唇的分類較為復(fù)雜，同一形態(tài)也存在不同的叫法，故選取的鼻子和嘴唇樣本將直接進(jìn)行編碼。繪制出男性五官樣本類目表如表1所示。經(jīng)組內(nèi)專家共同討論，綜合考慮各樣本的識(shí)別差異和形態(tài)差異，對(duì)五官樣本進(jìn)行篩選并選用兩種形態(tài)具有明顯區(qū)別的發(fā)型和臉型。篩選出男性五官樣本類目表如表2所示。

改變五官位置需要對(duì)人臉初始五官位置制定一個(gè)標(biāo)準(zhǔn)，因此將采用“平均臉”的概念。所謂平均臉，就是提取一群人的面部特征，求得平均值，由計(jì)算機(jī)重新合成得到的人臉圖像。本研究的印象評(píng)價(jià)是以我國(guó)的文化環(huán)境為基礎(chǔ)的，因此采用東亞類型的平均臉作為初始標(biāo)準(zhǔn)（如圖1）。劃分出平均臉樣本的五官范圍，該范圍確定了五官所在的位置、大小、比例等信息（如圖2）。

（圖片來(lái)源：http：//humanphenotypes.net/basic/Sinid.html）

（圖片來(lái)源：http：//humanphenotypes.net/basic/Sinid.html）

為了保證樣本對(duì)形態(tài)要素的均勻覆蓋并減少用戶的認(rèn)知負(fù)擔(dān)，利用正交試驗(yàn)設(shè)計(jì)對(duì)樣本的形態(tài)特征組合進(jìn)行重構(gòu)。正交試驗(yàn)選擇的水平組合列成表格，稱為正交表。本實(shí)驗(yàn)選擇的正交表如表3所示。由于發(fā)型和臉型只有兩種樣本，與其他樣本數(shù)不同，因此在正交表的設(shè)計(jì)上需要用到擬水平設(shè)計(jì)。將水平數(shù)較少的因子形式地“虛擬”成與正交表水平數(shù)相同的因子。以此方法，將擬水平前的正交表3中，因子6、7的3、4水平虛擬為1、2，修改后如表4所示。

三、虛擬人像印象測(cè)量

人們似乎很早就意識(shí)到人臉與人格特質(zhì)之間存在著關(guān)系，中西方民間都流傳著相面術(shù)，甚至一度用作甄選人事的工具，研究發(fā)現(xiàn)人們能根據(jù)面部特征對(duì)他人的攻擊性和搏斗能力做出有效的評(píng)價(jià)[16]，對(duì)親社會(huì)人格品質(zhì)，如可信任性也作出了準(zhǔn)確的判斷[17]。

本研究從網(wǎng)絡(luò)和字典等渠道收集了60個(gè)與人臉風(fēng)格評(píng)價(jià)相關(guān)的情感意象詞匯（如表4），隨后提取出11對(duì)情感意象詞匯對(duì)（如表5）。經(jīng)組內(nèi)專家篩選后確定了4對(duì)代表性目標(biāo)意象詞匯對(duì)，即幼稚的—成熟的、婉約的—英氣的、慈祥的—嚴(yán)厲的、圓潤(rùn)的—銳利的。篩選原則是去掉表達(dá)模糊的、罕見(jiàn)的和具有重復(fù)的或相似含義的詞匯。

本研究采用的是Likert量表法，采用問(wèn)卷的形式，對(duì)目標(biāo)樣本的印象進(jìn)行評(píng)分。調(diào)查采用網(wǎng)絡(luò)問(wèn)卷的形式，要求被試?yán)妹總€(gè)樣本下提供的4個(gè)意向詞匯對(duì)，對(duì)32個(gè)男性虛擬人像展現(xiàn)出的印象做評(píng)分。每道題的評(píng)分從左到右依次為-2、-1、0、1、2，評(píng)分越低，則說(shuō)明被試對(duì)該樣本的印象更偏向詞匯對(duì)左側(cè)意向詞的描述，評(píng)分越高則反之。問(wèn)卷在全國(guó)隨機(jī)發(fā)放，本試驗(yàn)不考慮被試的年齡性別等因素，故問(wèn)卷中不做收集。

問(wèn)卷共收集112份，通過(guò)對(duì)分?jǐn)?shù)進(jìn)行相加后得到的綜合評(píng)分結(jié)果如表6所示，對(duì)問(wèn)卷結(jié)果進(jìn)行信度分析結(jié)果如表7所示，本次問(wèn)卷調(diào)查的Cronbach α系數(shù)均在0.8以上，說(shuō)明信度良好，問(wèn)卷結(jié)果可靠。

在改變虛擬人像的印象評(píng)分之前，需要選出對(duì)虛擬人像印象評(píng)分有顯著影響的五官元素。因此，利用SPSS軟件中的逐步回歸法得到分析結(jié)果，回歸結(jié)果如表8至表11?；貧w結(jié)果中，綜合評(píng)分表1指的是問(wèn)卷中所提供的第一對(duì)意向詞匯對(duì)“幼稚的—成熟的”評(píng)分結(jié)果，以此類推。在回歸分析中，顯著性越接近0，說(shuō)明其顯著性越好，意味著自變量對(duì)因變量有顯著性影響關(guān)系。在表8至表11中的結(jié)果顯示，眉毛在四項(xiàng)評(píng)分中的顯著性均小于0.05。

通常標(biāo)準(zhǔn)化回歸系數(shù)的絕對(duì)值越大，可認(rèn)為它對(duì)因變量的影響就越大。通過(guò)逐步回歸分析得出標(biāo)準(zhǔn)化系數(shù)β，由β值判斷自變量對(duì)于因變量的影響程度，β值正向越大，即表示該元素對(duì)印象評(píng)分分值正向影響越大；負(fù)值越大，則表示該元素對(duì)印象評(píng)分分值的負(fù)向影響越大。變量的顯著性小于0.05，數(shù)值越小則顯著性越強(qiáng)。在后續(xù)的實(shí)驗(yàn)中，以此為選取五官元素的依據(jù)。

在表2中，樣本的形態(tài)與編號(hào)的大小不存在數(shù)量關(guān)系，在實(shí)驗(yàn)進(jìn)行到此處時(shí)，根據(jù)回歸分析的結(jié)果選擇顯著樣本缺少數(shù)量關(guān)系的支撐。同時(shí)代表性虛擬人像樣本已經(jīng)完成了打分。因此，需要改變五官類目表中樣本的排列，以及對(duì)應(yīng)的正交設(shè)計(jì)表中的編號(hào)，使樣本的編號(hào)與樣本的形態(tài)具有正相關(guān)的數(shù)量關(guān)系，即數(shù)字編號(hào)越大的樣本，其形態(tài)總是比數(shù)字編號(hào)小的樣本更大（體現(xiàn)在其寬度或高度），修改后的五官類目表如表12所示，修改后的正交設(shè)計(jì)表如表13所示。

從表8至表11中可以看到，眉毛的顯著性評(píng)分分別為0.047、0.017、0.013和0.005，一般認(rèn)為顯著性得分小于0.05即為顯著.鑒于眉毛元素良好的顯著性，故選擇眉毛作為后續(xù)實(shí)驗(yàn)中需要被改變的樣本。在其他五官類型的選擇上，之前提到過(guò)樣本的編號(hào)與樣本的形態(tài)具有正相關(guān)的數(shù)量關(guān)系，故以非標(biāo)準(zhǔn)化系數(shù)分值為正則選擇編號(hào)數(shù)最大的4號(hào)樣本、分值為負(fù)則選擇編號(hào)數(shù)最小的1號(hào)樣本的原則來(lái)進(jìn)行。如表3.3中，眼睛的非標(biāo)準(zhǔn)化系數(shù)為0.021，是正數(shù)，即選擇類目表12中的4號(hào)眼睛樣本；耳朵的非標(biāo)準(zhǔn)化系數(shù)-0.026，為負(fù)數(shù)，即選擇類目表12中的1號(hào)耳朵樣本。最終得到四種評(píng)分的代表性樣本如圖4所示，從左到右依次為成熟的、銳利的、嚴(yán)厲的、英氣的。

本次研究認(rèn)為五官位置的變化可能會(huì)對(duì)人臉的整體印象產(chǎn)生影響。改變了局部的五官位置，勢(shì)必會(huì)改變?nèi)四樥w的結(jié)構(gòu)信息，進(jìn)而影響到人臉整體的印象評(píng)價(jià)，這種改變將體現(xiàn)在虛擬人像印象的評(píng)分上。為了研究這種變化，本節(jié)將使用專家問(wèn)卷進(jìn)行調(diào)查。

首先將對(duì)四個(gè)代表性樣本的眉毛位置進(jìn)行改變。本試驗(yàn)不改變眉毛尺寸的大小，且在樣本繪制的初期階段，由于為繪制五官的尺寸制訂標(biāo)準(zhǔn)較為困難，并沒(méi)有將樣本的尺寸信息納入考慮范圍內(nèi)。眉毛位置的變化，將以保證被試能快速、有效地識(shí)別出區(qū)別，且位置盡量保持在五官正常范圍內(nèi)為標(biāo)準(zhǔn)，做向上、向下、向外和向內(nèi)四個(gè)方向的平移，樣本改變?nèi)鐖D5至圖8所示。隨后將調(diào)整后的虛擬人像樣本與調(diào)整前做同一印象的對(duì)比評(píng)價(jià)：每對(duì)樣本設(shè)置一道量表評(píng)分題，每道題的評(píng)分從左到右依次為-2、-1、0、1、2，評(píng)分越低，則說(shuō)明被試認(rèn)為改變后人像的印象較改變前人像的印象更偏向詞匯對(duì)左側(cè)意向詞的描述，評(píng)分越高則反之。如問(wèn)卷第一題中，將右圖與左圖做“幼稚的—成熟的”這一印象的對(duì)比評(píng)分，即右圖（改變后）與左圖（改變前）相比，其印象變得更為幼稚或更為成熟。

本次調(diào)查共邀請(qǐng)了25位專家，統(tǒng)計(jì)得分結(jié)果如表14所示，眉毛向下平移，對(duì)應(yīng)第2、6、10、14題，四類不同印象的代表性樣本評(píng)分都大部分集中在2分，即分值“2”的打分比例均大于40%。說(shuō)明眉毛位置越低，其印象評(píng)價(jià)更成熟、英氣、嚴(yán)厲或銳利。結(jié)合實(shí)際生活經(jīng)驗(yàn)，人在生氣時(shí)，通常會(huì)表現(xiàn)出眉頭緊鎖的表情，使得眉毛與眼睛之間的距離變短，眉毛在視覺(jué)上會(huì)有向下的傾向，因此，天生眉眼間距的人往往會(huì)給人以不怒自威的印象。這一結(jié)果符合實(shí)際生活中的大部分經(jīng)驗(yàn)。

四、結(jié)語(yǔ)

本研究以人臉五官印象的感知為研究對(duì)象，利用感性工學(xué)的研究方法，通過(guò)控制變量，探索了針對(duì)虛擬人像印象的評(píng)價(jià)方法，以指導(dǎo)人類藝術(shù)家和設(shè)計(jì)師，或輔助人工智能機(jī)器模型進(jìn)行角色設(shè)計(jì)的部分工作。在對(duì)五官位置進(jìn)行調(diào)節(jié)后，發(fā)現(xiàn)五官位置的改變會(huì)對(duì)人臉印象的結(jié)果發(fā)生改變。通過(guò)改變前后樣本的對(duì)比分析，結(jié)合人臉印象識(shí)別的實(shí)際經(jīng)驗(yàn)，驗(yàn)證了本文人臉印象評(píng)價(jià)的方法的可靠性。

本研究存在的問(wèn)題有：人臉的印象評(píng)價(jià)實(shí)際上也是一種審美評(píng)價(jià)，本研究中為了盡可能減少人臉評(píng)價(jià)的差異性，采用了平均臉的概念，但差異性仍然存在，且研究起來(lái)十分復(fù)雜。另外，在平均臉的概念下，五官的尺寸大小較為固定，因此本研究并沒(méi)有對(duì)五官尺寸的改變帶來(lái)的影響做探索，但這也是人臉評(píng)價(jià)中較為重要的影響因素。

人臉的認(rèn)知和識(shí)別問(wèn)題往往錯(cuò)綜復(fù)雜，在同樣五官形態(tài)特征和結(jié)構(gòu)特征的情況下，本研究中所剔除的諸如人臉皮膚可能會(huì)對(duì)研究結(jié)果產(chǎn)生不同的影響。其次，利用黑白線條繪制的虛擬人像對(duì)于部分被試來(lái)說(shuō)可能存在識(shí)別障礙，對(duì)實(shí)驗(yàn)結(jié)果產(chǎn)生影響。最后，由于五官特征分類始終沒(méi)有一個(gè)統(tǒng)一明確的標(biāo)準(zhǔn)，五官樣本的繪制可能并不全面，盡管后續(xù)實(shí)驗(yàn)也對(duì)所用樣本進(jìn)行了篩選，但仍有可能會(huì)產(chǎn)生影響。

在組合出各個(gè)詞匯所對(duì)應(yīng)評(píng)分最高的虛擬人像的過(guò)程中，所涉及到的五官類型均為最高分的，這就可能出現(xiàn)即使所有元素的評(píng)分都是最高的，組合出的結(jié)果也不一定是所有方案中最高評(píng)分的問(wèn)題。

實(shí)驗(yàn)中的平移沒(méi)有以具體的距離參數(shù)作為標(biāo)準(zhǔn)，這是因?yàn)橥瑯拥囊苿?dòng)距離，向不同方向移動(dòng)的結(jié)果可能并不明顯，但是這樣做的嚴(yán)謹(jǐn)性可能會(huì)存在問(wèn)題。其次，在對(duì)五官進(jìn)行平移時(shí)，采用的是間斷移動(dòng)，或者說(shuō)是移動(dòng)前和移動(dòng)后的區(qū)別，但并不能無(wú)視如果采用連續(xù)移動(dòng)可能會(huì)帶來(lái)不同結(jié)果的可能性，即在五官移動(dòng)途中被試對(duì)虛擬人像印象的改變，實(shí)驗(yàn)難度和要求也會(huì)更高。

參考文獻(xiàn)：

[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(jié)構(gòu)信息在人臉認(rèn)知中的粘合作用[D].杭州：浙江大學(xué)，2005.

[6]陳霖.拓?fù)湫再|(zhì)檢測(cè)——計(jì)算理論的一朵可能的烏云[M]//錢學(xué)森.關(guān)于思維科學(xué).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.中國(guó)人三維人臉圖像臉型及五官特征的分類研究[D].北京：中國(guó)人民公安大學(xué)，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.

作者簡(jiǎn)介：

李梓鵬，蘭州理工大學(xué)設(shè)計(jì)藝術(shù)學(xué)院設(shè)計(jì)學(xué)專業(yè)碩士研究生。

歐陽(yáng)晉焱，蘭州理工大學(xué)設(shè)計(jì)藝術(shù)學(xué)院副教授。

徐婭男，蘭州理工大學(xué)設(shè)計(jì)藝術(shù)學(xué)院藝術(shù)設(shè)計(jì)專業(yè)碩士研究生。