|
布朗大学眼科学和视觉科学、认知及语言科学系教授Michael J. Tarr等人认为颜色信息能够有效地识别性别，还有助于提高可视物体的识别能力。他和本系研究生Adrian Nestor通过德国马普学会的数据库收集了约200张白种人的面部图像，其中男性和女性各100张。这些图像在相同光照条件且无任何化装的情况下用三维扫描装置拍摄而成，然后使用Matlab编程技术来分析图像中的红色和绿色色素。 此外，他们还研究了在相近条件下拍摄的其他面部照片。结果证实，如果一张脸的光谱分析末端越接近红色，它越有可能属于一个男人，相反地，越接近绿色则越有可能属于女人。为了进一步对该理论实行测试，Nestor和Tarr使用程序对先前200张图像进行随机处理，挑选其中看起来更接近中性气质的在上面加入“噪音像素”，使他们模糊不清。接着邀请来3位视觉正常的该校学生帮忙完成此项实验——将这些难以辨认的图像进行性别归类，每位观察者做了约20000次的猜测。当实验完成后，结果简直有点不可思议：图像分析，被归入“男性”的组别，图像中确实含有更多红色，而“女性”确实含有更多绿色。尽管差异也不是绝对的，一些女性的脸更红，而一些男性的脸更绿。但总而言之，当所看到的面部形状模糊或特征隐蔽时，观察者的确出现使用面部颜色来识别性别的倾向。 |
|
|
