在遗传心理学和认知心理学领域,人脸吸引力一直是个重要研究课题,与其相关的研究结果可以作为人脸进化以及人类进化的重要科学依据,具有着重要的科学意义。使用计算机大数据辅助分析的人脸吸引力属于信息与心理学科的交叉研究,可以解决传统研究方法存在的人工评分主观性强、数据不足的问题。在与人脸吸引力相关的研究中,几何特征是影响人脸吸引力的重要因素。本文为更全面地衡量几何特征与人脸吸引力间的联系,结合五官形状面积与面部距离比例等提取更为详细的几何特征用于预测人脸吸引力,来提高计算机预测人脸吸引力分数时的性能。具体研究内容如下:(1)针对五官的形状面积特征,提出了眉毛与眼睛几何模型的构建方法,得到眉毛的长度、面积、平均宽度、弯曲程度与眼睛瞳孔的大小、瞳孔所占比等形状几何特征。利用STASM模型标记人脸轮廓的77个特征点,得到人脸宽度与长度的横纵比例。(2)对几何特征参数进行统计分析,分析在不同吸引力分数区间上眉毛和眼睛的形状匹配,并结合人脸面部比例与眉毛几何特征来分析脸型与眉毛形状之间的关系,实验结果表明眉毛眼睛的形状特征与面部比例在不同的人脸吸引力等级区间内存在着紧密的联系。(3)结合五官形状与面部距离比例等几何特征,分别提取了人脸的77特征点、21维距离特征、三角形面积特征与比例特征集用于人脸吸引力的预测研究。分别在自采数据集、SCUT-FBP数据集下对比了各项几何特征在四种机器学习算法下的人脸吸引力预测性能。实验结果表明,本文提出用于表征人脸吸引力的几何特征都是合理且行之有效的,并且经过组合之后的特征集表现的预测性能更好,在SCUT-FBP数据集下,组合特征的Pearson系数最高达到了0.904。