基于CNKI數據庫對面部特征研究的文獻計量學分析*

丁 瑤，鐘 鏵，孫 婷

(1.西藏大學醫學院人體解剖學教研室，西藏 拉薩 850000；2.成都中醫藥大學基礎醫學院人體解剖與組織胚胎學教研室，四川 成都 611137；3.長沙市口腔醫院，湖南 長沙 410005)

面部作為重要的美學載體，是影響一個人外表的重要因素之一，在人體認知、心理、人格、美學等方面具有至關重要的作用[1]。從目前整體形勢來看，近幾十年來，不少國內外學者對人體頭面部特征進行了大量測量及研究，建立了不同國家、民族、性別、地域、年齡等因素的相關人群頭面部測量指標的正常值范圍[2-5]。通過大量的數據研究，其目的在于更好地探索人體頭面部特征，為人類學、容貌美學、臨床醫學等發展提供理論支持，面部特征研究作為人類學的重要內容，現已被廣泛用于人臉識別、面部特征提取、整形醫學等多個領域。

文獻計量學主要是通過數學和統計學分析方法定量分析一切知識載體的交叉學科。1969年由英國情報學家阿倫·普理查德(Pritchard)正式提出，相對于其他國家，我國文獻計量學研究發展較國際上晚了10年左右，其產生與發展卻非常迅速，不管是在理論、方法方面，還是在實踐方面均呈現出較強的后發優勢。隨著科學的不斷發展，文獻計量學現已經突破對篇、冊、本為單位的文獻計量，主要通過量化指標反映文獻資源的數量特征與規律，揭示文獻信息的內在關聯，是完成科學評價量化分析的技術保障，并且深入至文獻內部知識單元和相關信息方面，大大豐富了基礎數據和檢索技術[6-8]。目前，有關面部特征研究也引起了國內學者的關注，利用文獻計量學分析對該領域的研究還較少見，本研究基于中國知網(CNKI)數據庫使用文獻計量學方法分析了解面部特征研究領域的現狀，現報道如下。

1 對象與方法

1.1研究對象 以篇名“面部特征”為檢索條件，檢出203篇文獻作為研究對象。

1.2方法 基于CNKI數據庫，以篇名為“面部特征”為檢索條件，以2000年1月1日至2021年12月31日作為檢索時間段，選擇以學術期刊論文、學位論文、會議論文等3個研究類型的中文文獻為檢索范圍，檢出文獻203篇，采用文獻計量分析法分析面部特征研究領域現狀。

1.3統計學處理 應用Excel2013軟件統計數據，以率或構成比、頻次表示，采用描述性統計分析。

2 結 果

2.1面部特征研究發文量 203篇文獻中2000年3篇，2001年3篇，2002年3篇，2003年2篇，2004年4篇，2005年3篇，2006年5篇，2007年11篇，2008年9篇，2009年13篇，2010年9篇，2011年5篇，2012年4篇，2013年17篇，2014年4篇，2015年16篇，2016年15篇，2017年10篇，2018年13篇，2019年16篇，2020年20篇，2021年18篇，見圖1。學術期刊論文125篇(61.58%)，學位論文71篇(34.98%)，會議論文7篇(3.45%)。

2.2面部特征研究引用頻數排名前10位的文獻 以篇名“面部特征”引用頻數排名前10位的文獻總被引用頻數為617次，分布于計算機、電子、軟件、臨床醫學等領域，主要以計算機、電子、軟件等領域為主。見表1。

表1 面部特征研究引用頻數排名前10位的文獻

2.3面部特征研究引用頻數排名前10位的學位論文 以篇名“面部特征”引用頻數排名前10位學位論文總被引用頻數為162次，發文時間為2003—2019年，學位授予單位為“985”“211”高校，以及普通高校等，以“985”“211”高校引用頻數居多。見表2。

2.4面部特征研究發文基金來源 203篇文獻中有基金支撐者66篇(32.51%)，基金類型包括國家級、省級、市級、高等學校專項基金等，以國家自然科學基金支持的發文量居首位，其次為省級科研基金。見表3。

表3 面部特征研究發文基金來源(n=203)

3 討 論

隨著時間推移，發文量及其所涉及學科在某種程度上反映了該學科學術研究的活躍程度，可大致揭示學科發展方向[9]。由圖1可見，2000—2006年相關面部特征研究的發文量較少，且長期居于穩定狀態，2007—2010年發文量較前有所增長，但總體趨勢變化不大，2011—2014年發文量處于波動狀態，2014年后發文量猛增，發文量較前具有明顯的增長優勢，進入快速增長階段，2020年達到了最高發文量，共20篇，此后長期維持在較高的發文量狀態；從3種類型文獻的發文量來看，主要以學術期刊論文、學位論文為主，共188篇[96.55%(196/203)]，作為面部特征研究發文量的主要貢獻者。早期相關面部特征研究熱度并不是很高，并且長期處于不穩定的發展趨勢，其可能原因是早期科研技術的不成熟，以及社會關注度不高等，隨著后期社會和科技的迅猛發展，科研技術能力得到不斷提升，加之近年來面部特征技術已發展得較為成熟，如三維攝影、人臉識別、人工智能等科研技術[10-11]被廣泛用于面部特征研究領域，引起了越來越多國內外學者的重視，大量科研人員及科研技術的投入大幅度提高了發文量。

總引用頻數是指自期刊創立以來所有論文在統計年度的被引用頻數，是評價學術期刊的常用指標，也是多數主流期刊采用的指標，主要衡量期刊自創刊以來的學術影響力及學術發展狀態[12-13]。面部特征研究引用頻數排名前10位的面部特征研究文獻總引用頻數為617次，主要以山世光發表的《基于紋理分布和變形模板的面部特征提取》被引用頻數最多，高達208次[33.71%(208/617)]，其次為周激流發表的《基于先驗模板的人臉面部特征提取的研究》，被引用頻數為92次[14.91%(92/617)]。由表1可見，面部特征研究引用頻數排名前10位的學術期刊以《軟件學報》被引用頻數居于首位，其次為《計算機輔助設計與圖形學學報》，由此表明，二者在篇名為“面部特征”文獻被引用頻數中處于優勢地位，此外，引用頻數排名前10位的學術期刊94.98%的引用頻數來自于核心期刊，是該學科的主要期刊，包含該學科的大部分專業情報信息，能較好地反映最新成果和前沿動態，為多數讀者所重視的期刊。面部特征研究引用頻數排名前10位的學位論文總引用頻數為162次，以江蘇大學羅敏的《基于膚色的人臉檢測和面部特征定位技術研究》被引用頻數最高，共24次[14.81%(24/162)]，哈爾濱工業大學的學位論文被引用頻數為27次[16.67%(27/162)]，在排名前10位的學位論文總引用頻數中引用頻數78.40%的學位論文來源于“985”“211”高校，表明“985”“211”高校在面部特征研究方面做出了重要努力。

有無基金資助對發文量具有重要影響，科研基金通過對科研項目和科研人員的支持，有力地推動了現代科學技術的發展，同時，基金資助數量與論文產出量呈正相關，適當地增加基金資助數量有利于提高科研論文產出量[14-15]。本研究結果顯示，203篇文獻中有基金支撐者66篇(32.51%)，由國家自然科學基金資助的發文量最多，高達35篇[17.24%(35/203)]，由國家高科技研究發展計劃資助的發文量6篇[2.96%(6/203)]，由廣東省自然科學基金資助的發文量3篇[1.48%(3/203)]，由其他高校基金項目等資助的發文量占12.81%(26/203)。由表3可見，在眾多科研基金項目資助中主要以國家級基金作為面部特征研究發文量的首要基金資助來源，再結合逐年面部特征研究發文量說明我國面部特征研究不僅在飛速發展，而且從側面反映我國對于相關面部特征研究領域也是大力支持的。

目前，相關面部特征研究主要用于交通、圖像處理、臨床醫學等領域，如通過提取面部疲勞特征參數判斷駕駛人員是否處于疲勞狀態[16]，避免疲勞駕駛，減少交通事故的發生；通過對不完整圖像面部特征的預測，使其修復后更加接近于真實的圖像[17]；通過機器算法與面部特征點進行人臉面部識別，進行身份的判定；此外，該技術在遺傳疾病診斷中擁有極高的準確率，能輔助診斷臨床遺傳性疾病，而作為重要的輔助技術手段用于臨床工作[18]。目前，這些技術主要依賴于人臉面部特征進行工作，在技術方面存在缺陷和安全性問題，如系統漏洞、算法缺陷、數據安全風險、人臉特征相似等會導致越權訪問，造成用戶信息泄露及財產損失，給用戶的生活帶來了潛在的風險[19]；在使用面部特征技術帶來便利的同時也要時刻警惕其安全性問題。

綜上所述，本研究基于CNKI數據庫使用文獻計量學方法探討了相關面部特征研究領域狀況，從較淺層面上回顧了近20多年來我國在該領域的一些研究進展，本研究也存在許多不足與局限性，在今后的研究中需要從更深的角度洞悉該領域的發展潛力，熟悉該領域的最新發展動態及發展方向。近年來相關面部特征研究備受關注，從逐年發文量、引用頻數、基金來源等方面來看也均有所增加，但因其也存在一定的風險性問題，所以，進一步加強對面部特征技術缺陷的探索，更好地完善技術缺陷也顯得尤為重要。相信隨著社會、科技的進步，在不久的將來聚焦于面部特征研究將會深入更多不同領域。