李寶軍，董 穎，趙德棟，王 博

（1.大連理工大學(xué) 汽車工程學(xué)院，遼寧，大連 116024；2.工業(yè)裝備結(jié)構(gòu)分析國家重點(diǎn)實(shí)驗(yàn)室，遼寧，大連 116024）

目前，產(chǎn)品的外觀造型與設(shè)計(jì)越來越得到企業(yè)的重視，正如RAVASI等[1]在設(shè)計(jì)管理理念中提到的，產(chǎn)品的設(shè)計(jì)或者造型不僅體現(xiàn)在功能和外觀上，同時(shí)也是表達(dá)并強(qiáng)化品牌獨(dú)特內(nèi)涵的一個(gè)強(qiáng)有力的、具有象征意義的媒介。PERSON等[2]指出，在商業(yè)環(huán)境中，品牌間激烈的競爭導(dǎo)致了品牌間造型的差異化和品牌內(nèi)造型的統(tǒng)一性，目的是使品牌具有強(qiáng)烈的辨識(shí)度，從而保證市場中的品牌家族化對(duì)消費(fèi)群體的影響。因此，產(chǎn)品的外觀設(shè)計(jì)對(duì)于保持市場競爭力非常重要，尤其是獨(dú)特的、家族化的造型設(shè)計(jì)。對(duì)于汽車行業(yè)來說，汽車廠家，尤其是國內(nèi)自主品牌廠家，建立識(shí)別度高的家族化造型對(duì)提升品牌影響力具有重要意義。國內(nèi)外已有大量針對(duì)汽車造型、品牌認(rèn)知以及家族化設(shè)計(jì)等的研究工作。MCCORMACK等[3]以如何發(fā)展并維持品牌形象為出發(fā)點(diǎn)，以別克前臉造型為例，提出利用形狀語法來分析品牌造型核心特征的方法。BLUNTZER等[4]利用造型線框等特征從汽車造型與國家文化關(guān)系的角度分析了法國車系的造型設(shè)計(jì)特點(diǎn)。HYUN等[5]基于層級(jí)聚類的方式分析車身側(cè)面造型相似度，并可以預(yù)測設(shè)計(jì)趨勢。BURNAP等[6]提出汽車前臉設(shè)計(jì)中對(duì)自由設(shè)計(jì)與保持品牌識(shí)別進(jìn)行權(quán)衡，能夠?yàn)槠髽I(yè)造型設(shè)計(jì)決策提供幫助，反映了品牌家族化對(duì)于汽車前臉設(shè)計(jì)的重要性。

對(duì)于品牌的家族化造型，研究者通常采用分析特征線等造型基因的方式展開研究，如奧迪品牌的造型基因研究[7-8]，劉澳[9]通過描繪前臉特征線分析了多個(gè)品牌前臉的家族化造型基因。

這些基于造型特征線的品牌基因分析方法雖然可行，但人工介入工作繁瑣，需要根據(jù)人的主觀感受對(duì)造型基因進(jìn)行提取。同時(shí)，需要開展大量調(diào)研工作，調(diào)查消費(fèi)者與設(shè)計(jì)師對(duì)汽車造型的認(rèn)知。為了更好地解決這些問題，提出對(duì)前臉造型特征的計(jì)算化分析方法，即利用模式識(shí)別算法對(duì)汽車品牌造型特征進(jìn)行分析與分類。該方法無需人工選擇造型特征，而是用計(jì)算機(jī)視覺技術(shù)自動(dòng)提取特征并進(jìn)行分析。該分析方法能夠提取品牌的核心基因，完整呈現(xiàn)家族化的前臉造型，并且將品牌造型相似分布可視化等。本研究為汽車前臉造型的家族化分析研究工作提供了新的思路。

1 基于前臉的汽車品牌細(xì)粒度分類

采用基于計(jì)算機(jī)視覺的汽車品牌分類方法進(jìn)行汽車家族化造型分析有兩方面原因：一方面，人工智能的興起使基于計(jì)算機(jī)視覺的圖像處理、機(jī)器學(xué)習(xí)等技術(shù)飛速發(fā)展，汽車品牌的分類識(shí)別問題得到了廣泛的研究；另一方面，中國龐大的汽車市場為汽車的識(shí)別、造型分析等提供了大規(guī)模數(shù)據(jù)，為計(jì)算機(jī)視覺方法對(duì)汽車造型大數(shù)據(jù)進(jìn)行分析和挖掘提供了基礎(chǔ)。

在當(dāng)今的汽車造型設(shè)計(jì)領(lǐng)域，造型家族化成為汽車企業(yè)關(guān)注的重點(diǎn)，也是品牌發(fā)展的重要戰(zhàn)略之一。很多汽車品牌的造型設(shè)計(jì)已具有家族化特征，如奧迪、寶馬、奔馳、大眾、起亞等。因此，可以試圖尋找品牌下所有車型共有的、家族化的造型模式，進(jìn)行品牌家族化造型的識(shí)別與分析。由此提出了利用圖像處理、深度學(xué)習(xí)等計(jì)算機(jī)視覺技術(shù)，對(duì)汽車前臉造型大數(shù)據(jù)進(jìn)行精確分類，進(jìn)而展開對(duì)品牌家族化造型的分析。

1.1 汽車前臉造型

選取汽車前臉造型作為汽車品牌家族化設(shè)計(jì)的研究對(duì)象，一方面在于汽車前臉造型對(duì)品牌家族化的體現(xiàn)、品牌認(rèn)知等影響較大[3,6]，比如RANSCOMBE等[10]采用造型分解法分析了汽車造型中審美特征對(duì)消費(fèi)者認(rèn)知汽車品牌的影響，結(jié)果表明，相對(duì)汽車側(cè)視圖和后視圖，汽車前視圖對(duì)消費(fèi)者認(rèn)知品牌的影響最大，說明汽車前臉造型是品牌家族化表達(dá)的重要媒介。

另一方面，在汽車品牌與型號(hào)的細(xì)粒度分類任務(wù)中，通常選取汽車前臉作為特征提取的對(duì)象。例如，PEARCE[11]比較了幾個(gè)基于前臉造型的汽車品牌與型號(hào)識(shí)別方案，并提出了LNHS的特征表示方法。GAO等[12]基于汽車前臉造型提出了改進(jìn)后的卷積神經(jīng)網(wǎng)絡(luò)LTCNN，實(shí)現(xiàn)了汽車品牌的細(xì)粒度分類。這些研究證明汽車前臉造型包含了能夠區(qū)分汽車品牌或型號(hào)的特征，即家族化特征，而且可通過計(jì)算機(jī)視覺技術(shù)提取這些特征并用來分類。

綜上所述，本研究選取汽車前臉作為研究對(duì)象，對(duì)汽車品牌家族化造型進(jìn)行分析，并建立基于中國市場的大規(guī)模汽車前臉圖像訓(xùn)練庫，訓(xùn)練庫的具體信息將在數(shù)值試驗(yàn)部分詳細(xì)介紹。

1.2 汽車品牌細(xì)粒度分類

當(dāng)前的汽車品牌分類方法通常包含兩大技術(shù)組成部分：特征表示方法與分類器。傳統(tǒng)的特征表示方法，如HOG等，具有特征信息少等缺點(diǎn)，而基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法，如卷積神經(jīng)網(wǎng)絡(luò)等，雖然特征信息豐富，但大量的參數(shù)調(diào)節(jié)以及多層的網(wǎng)絡(luò)結(jié)構(gòu)對(duì)計(jì)算性能要求較高。因此，選取CHAN等[13]提出的簡單深度學(xué)習(xí)網(wǎng)絡(luò)PCANet作為特征表示方法，同時(shí)選取FAN等[14]基于SVM開發(fā)的Liblinear工具包作為分類器，用于訓(xùn)練分類模型。PCANet所具備的層級(jí)結(jié)構(gòu)能夠提取到多級(jí)的特征表示，從而保證豐富的特征信息。同時(shí)，PCANet特征提取過程的計(jì)算成本較小，因此能夠快速提取到充足的特征信息。而SVM是一種監(jiān)督的學(xué)習(xí)模型，對(duì)高維度特征信息的分類具有一定優(yōu)勢。基于SVM開發(fā)的Liblinear工具包對(duì)具有高維度信息的大量樣本線性分類效果好、速度快。

LI等[15]具體研究了基于PCANet與SVM的汽車品牌識(shí)別問題，在數(shù)據(jù)集的交叉驗(yàn)證測試中，達(dá)到了95%以上的正確率，驗(yàn)證了該方法的有效性。汽車品牌分類流程如圖1所示。

圖1 汽車品牌分類流程圖

2 汽車品牌前臉造型的計(jì)算分析

確定了汽車前臉造型訓(xùn)練庫和汽車品牌的細(xì)粒度分類方法后，首先用分類方法對(duì)汽車前臉造型訓(xùn)練庫進(jìn)行分類訓(xùn)練，得到分類模型；然后對(duì)汽車前臉造型訓(xùn)練庫進(jìn)行留一法交叉驗(yàn)證測試(leave-oneout cross validation)。基于分類模型以及交叉驗(yàn)證測試結(jié)果，可以做以下分析：（1）獲得品牌造型核心基因表示。（2）獲得品牌“家族化臉譜”。（3）實(shí)現(xiàn)品牌間前臉造型相似度分析與評(píng)估?；镜姆治隽鞒倘鐖D2所示。

圖2 汽車品牌前臉造型分析流程圖

2.1 品牌造型核心基因

對(duì)汽車前臉造型訓(xùn)練庫按品牌進(jìn)行分類訓(xùn)練，將得到汽車品牌分類模型。利用SVM實(shí)現(xiàn)圖像分類（one-vs-the rest）時(shí)，對(duì)應(yīng)訓(xùn)練數(shù)據(jù)庫的每個(gè)類別，分類模型中包含一個(gè)權(quán)值向量。通過這些權(quán)值向量與測試樣本特征向量的乘積運(yùn)算，將得到對(duì)應(yīng)類別的分類識(shí)別判斷值。找到其中的最大值，則認(rèn)為對(duì)應(yīng)最大值的權(quán)值向量的類別為識(shí)別的結(jié)果。

線性SVM的分類原理是尋找一個(gè)最優(yōu)超平面，使某個(gè)類別的樣本能夠在最大程度上與其它類別得以區(qū)分。訓(xùn)練得到的權(quán)值向量則代表了每個(gè)類別的超平面信息，它們反映了每個(gè)類別中樣本的共同特征，并且能用于區(qū)分其它類別的特征。

由于這些權(quán)值向量是在對(duì)汽車前臉造型特征的品牌分類訓(xùn)練中得到的，所以每個(gè)權(quán)值向量能夠反映對(duì)應(yīng)品牌下所有車型共有的造型特征和區(qū)別于其它品牌的造型特征。為此，在汽車品牌分類模型中，將這些權(quán)值向量稱為品牌的造型核心基因。

基于品牌造型核心基因，一方面可以根據(jù)新一代車型的前臉造型判斷該車型的品牌，評(píng)估其是否具備家族化的造型特征；另一方面，可以進(jìn)一步比較和分析不同品牌的造型核心基因，進(jìn)行品牌造型家族化的特征判定和品牌間家族特征的差異化分析。

2.2 家族化臉譜

在汽車品牌分類識(shí)別中，同一品牌內(nèi)識(shí)別正確的汽車造型圖片所對(duì)應(yīng)的判斷值大小并不相同，這些判斷值的大小可認(rèn)為是與品牌家族化造型設(shè)計(jì)的符合程度或相似度。某品牌一款車型的造型樣本的判斷值大，說明該車型的造型風(fēng)格與該品牌的家族化風(fēng)格符合程度大；而一款車型的造型樣本的判斷值小，則說明該車型的造型風(fēng)格與該品牌的家族化風(fēng)格符合程度較小。所以，將某品牌內(nèi)的汽車前臉造型圖片的判斷值按降序排序，可得到代表家族化造型設(shè)計(jì)的車型排名?？蛇x取前十個(gè)值對(duì)應(yīng)的車型，并認(rèn)為這十款車型的造型設(shè)計(jì)為該品牌前臉造型的家族化設(shè)計(jì)代表。為了更加明確地、唯一地和直觀地表示出家族化造型設(shè)計(jì)，下一步可利用這十款車型構(gòu)造出品牌的家族化前臉造型，即“家族化臉譜”。

2.3 品牌間前臉造型交叉分析

隨著汽車品牌分類與識(shí)別技術(shù)的發(fā)展，品牌或車型的識(shí)別率不斷提升。排除圖片質(zhì)量等原因?qū)ζ放谱R(shí)別帶來的問題，可以認(rèn)為分類識(shí)別“錯(cuò)誤”的情況是由于品牌間車型造型較高的相似度[16]所造成的。因此，可以利用品牌分類識(shí)別錯(cuò)誤的結(jié)果，分析品牌間家族化造型的相似性。

得到分類識(shí)別結(jié)果后，對(duì)某品牌識(shí)別成其它品牌以及其它品牌識(shí)別成該品牌的兩組結(jié)果進(jìn)行可視化處理，得到品牌間前臉造型交叉圖（圖3）。由圖可知，粗線框圍起的A-G區(qū)域分別代表識(shí)別為A-G不同汽車品牌的車型分布，其中，虛線圍起的BA區(qū)域代表B品牌識(shí)別為A品牌的結(jié)果，AB區(qū)域則代表A品牌識(shí)別為B品牌的結(jié)果，其它同理。這樣的品牌造型交叉融合圖可以直觀分析多個(gè)品牌間的造型相似情況。

圖3 品牌間造型交叉示意圖

3 數(shù)值試驗(yàn)

在此將結(jié)合建立的汽車前臉造型訓(xùn)練庫，以及開發(fā)的汽車品牌前臉造型家族化分析系統(tǒng)（AutoMorpher/iBrandGene）進(jìn)行實(shí)例分析。

3.1 汽車前臉造型訓(xùn)練庫

圖4 轎車前臉造型訓(xùn)練庫奧迪品牌部分圖片

圖5 轎車前臉造型訓(xùn)練庫大眾品牌部分圖片

建立汽車前臉造型訓(xùn)練庫后，對(duì)數(shù)據(jù)庫中所有車型年代信息的統(tǒng)計(jì)情況如圖6所示。該年份統(tǒng)計(jì)整體上符合當(dāng)前國內(nèi)道路上的車輛年份分布。

與針對(duì)汽車細(xì)粒度分類任務(wù)所建的汽車數(shù)據(jù)庫[17]不同，本文數(shù)據(jù)庫包含只保留主要造型區(qū)域且去除背景后的汽車前臉正視圖，不僅可以實(shí)現(xiàn)汽車品牌的細(xì)粒度分類問題，還能夠根據(jù)分類結(jié)果對(duì)汽車前臉造型加以分析。

3.2 汽車品牌造型分析系統(tǒng)

根據(jù)本文采用的汽車品牌細(xì)粒度分類方法和創(chuàng)建的汽車前臉造型訓(xùn)練庫，基于Matlab軟件平臺(tái)，開發(fā)了汽車品牌造型分析軟件——AutoMorpher/iBrandGene，主界面如圖7所示。該軟件通過選取分類方法，對(duì)訓(xùn)練庫進(jìn)行分類訓(xùn)練以及留一法交叉驗(yàn)證后，便可直接對(duì)汽車品牌的造型基因、家族化造型臉譜以及品牌間造型的交叉融合進(jìn)行分析。

圖6 汽車前臉造型訓(xùn)練庫年份統(tǒng)計(jì)

圖7 汽車品牌造型分析軟件界面

目前，基于PCANet與SVM的汽車品牌精確分類方法在轎車和SUV數(shù)據(jù)集中的交叉驗(yàn)證均達(dá)到95%以上的準(zhǔn)確率[15]，這在當(dāng)前的汽車品牌分類與識(shí)別領(lǐng)域達(dá)到了較高甚至領(lǐng)先的水平。由此認(rèn)為交叉驗(yàn)證中識(shí)別“錯(cuò)誤”的結(jié)果，是由不同品牌間車型造型相似所導(dǎo)致的。因此，該方法具有較強(qiáng)的提取家族化造型特征，并進(jìn)行特征分析、分類的能力，從而認(rèn)為基于該方法所進(jìn)行的品牌造型分析，包括核心基因分析、家族化臉譜分析及造型相似度分析是合理且有效的。

3.3 汽車品牌造型分析

首先利用分類方法對(duì)汽車前臉造型訓(xùn)練庫進(jìn)行分類訓(xùn)練，得到分類模型，然后基于汽車前臉造型訓(xùn)練庫進(jìn)行留一法交叉驗(yàn)證測試。最終得到的轎車品牌的綜合識(shí)別率達(dá)到96.08%，其中各品牌識(shí)別率統(tǒng)計(jì)情況如圖8所示。

通過圖8可以初步判斷德系、法系等歐洲汽車品牌，如奧迪、大眾、沃爾沃等的品牌識(shí)別率較高，這與造型領(lǐng)域相關(guān)專家、研究者及社會(huì)消費(fèi)者等對(duì)這些品牌前臉造型家族化程度較高的認(rèn)知相符合。而日系、韓系，以及國產(chǎn)品牌等，它們的品牌識(shí)別率相對(duì)較低，反映出品牌前臉造型的家族化程度較低。這些結(jié)果可以由不同汽車品牌有不同的設(shè)計(jì)策略或市場策略[5]來解釋。但另一方面，汽車造型向著家族化方向發(fā)展的潮流，反映出部分品牌仍然可以加強(qiáng)家族化造型的設(shè)計(jì)。本研究可為品牌家族化造型分析與設(shè)計(jì)提供依據(jù)與參考。根據(jù)分類模型和分類識(shí)別結(jié)果，下面進(jìn)行具體的造型分析。

圖8 轎車前臉造型訓(xùn)練庫識(shí)別結(jié)果統(tǒng)計(jì)

3.3.1 品牌造型核心基因

以80例2型糖尿病合并胃潰瘍患者作為該次研究對(duì)象，選擇電腦分配方式作為分組原則，分為兩組（觀察組40例與對(duì)照組40例）。

以轎車品牌A、B為例，獲得轎車前臉造型訓(xùn)練庫的分類模型后，便可得到A、B兩個(gè)品牌的造型核心基因，即用于分類的權(quán)重向量。由于PCANet所提取的造型特征參數(shù)的維度較高，所以SVM訓(xùn)練得到的品牌造型核心基因維度較高。為了直觀反映這些品牌造型基因的特點(diǎn)與差異，進(jìn)行簡單的可視化處理，得到品牌造型核心基因表達(dá)圖，如圖9所示。根據(jù)不同品牌的造型核心基因的不同分布，分析不同品牌家族化造型之間的差異。例如，兩個(gè)品牌造型基因表達(dá)圖中紅色矩形框區(qū)域呈現(xiàn)不同的分布，可根據(jù)這些信息對(duì)不同品牌的造型特征進(jìn)行分析，尋找品牌家族造型的顯著性特征。由于PCANet特征提取過程的復(fù)雜性，導(dǎo)致基因參數(shù)不能直接還原到造型圖像中，所以將在下一步工作中具體研究品牌造型核心基因。此外，根據(jù)SVM分類識(shí)別的原理，品牌造型的核心基因可以用來判斷與評(píng)估車型造型的家族歸屬和家族化程度。因此，可利用品牌造型核心基因?yàn)槠放萍易寤煨驮O(shè)計(jì)提供參考。

圖9 轎車造型核心基因圖

3.3.2 家族化臉譜

以國內(nèi)某汽車品牌為例，根據(jù)車型造型圖片識(shí)別判斷值的車型圖片排序如下。該品牌前十款代表車型造型圖片見表1。根據(jù)表1中的10張車型圖片，利用計(jì)算攝影學(xué)中的“平均臉”技術(shù)，可初步生成該品牌的家族化造型圖像，稱為品牌“平均車臉”，如圖10所示。初步生成的家族化造型圖像是模糊的，并不能清晰表達(dá)家族化造型特征信息。因此，得到代表家族化造型特征的圖像后，請(qǐng)專業(yè)造型設(shè)計(jì)師從中提取特征，渲染后可得到家族化前臉造型圖像，稱為“家族化臉譜”，如圖11所示。

表1 某品牌前十款代表車型圖片

圖10 某品牌“平均車臉”

圖11 某品牌“家族化臉譜”

3.3.3 品牌間造型交叉分析

在留一法交叉驗(yàn)證的分類識(shí)別結(jié)果中存在“錯(cuò)誤”識(shí)別的樣本。而出現(xiàn)“錯(cuò)誤”識(shí)別的原因主要有兩方面：一方面，不同品牌間的車型造型存在相似情況；另一方面，由于數(shù)據(jù)庫中車型的年份跨度較大，存在造型改變較大導(dǎo)致品牌造型核心基因變化的情況，此時(shí)可能會(huì)被識(shí)別為其它品牌的造型。

因此，為了更加直觀地顯示這些“錯(cuò)誤”識(shí)別的車型，更加方便地分析品牌間的造型相似性，提出品牌間造型交叉分析，即得到分類結(jié)果后，對(duì)某品牌識(shí)別為其它品牌的樣本分布，以及其它品牌識(shí)別為該品牌的樣本分布進(jìn)行可視化處理，得到某品牌與其它多個(gè)品牌的造型交叉融合圖，如圖12所示。通過圖12可以整體上觀察某品牌與其它品牌之間車型的造型相似情況，軟件中還可以通過點(diǎn)擊圖中樣本點(diǎn)來查看具體相似的車型。與量化分析汽車品牌間造型的相似度方法[5]不同，基于汽車品牌識(shí)別的品牌間造型交叉圖并沒有從數(shù)值計(jì)算的角度衡量品牌造型間的相似度大小，而是對(duì)品牌間造型相似情況進(jìn)行直觀呈現(xiàn)，以此輔助造型設(shè)計(jì)師進(jìn)行分析。更重要的是，根據(jù)年份信息，可以分析每年品牌的核心基因、家族化臉譜和品牌間的造型相似性，以便對(duì)各品牌造型的演變趨勢進(jìn)行分析，預(yù)測下一代車型的造型設(shè)計(jì)。

圖12 品牌造型交叉效果圖

4 結(jié)論

明分使群：提出了基于汽車品牌細(xì)粒度分類的汽車品牌前臉造型計(jì)算分析方法，創(chuàng)建了汽車前臉造型訓(xùn)練庫，并開發(fā)了汽車品牌造型分析軟件。利用汽車品牌細(xì)粒度分類方法對(duì)訓(xùn)練庫進(jìn)行分類訓(xùn)練，得到分類模型；基于數(shù)據(jù)庫對(duì)汽車品牌精確分類方法進(jìn)行留一法交叉驗(yàn)證，得到分類識(shí)別結(jié)果。分類模型記錄了能夠區(qū)分品牌種群的造型模式，而分類識(shí)別結(jié)果則具體對(duì)品牌中每個(gè)個(gè)體進(jìn)行歸類。

和而不同：根據(jù)分類模型和分類識(shí)別結(jié)果，提出了品牌家族化造型的分析方案：（1）提取分類模型中品牌造型核心基因。（2）基于品牌內(nèi)正確的分類識(shí)別結(jié)果，利用排序后的識(shí)別判斷值選出家族化造型代表車型，進(jìn)而生成“家族化臉譜”。（3）將品牌間“錯(cuò)誤”的分類識(shí)別結(jié)果可視化，直觀顯示品牌間造型的相似性分布。由上述分析內(nèi)容可知，（1）和（2）著重品牌的家族化造型，即品牌內(nèi)車型共有的特征，稱為“和”；（3）所呈現(xiàn)“錯(cuò)誤”識(shí)別的造型，可以從品牌內(nèi)造型設(shè)計(jì)創(chuàng)新的角度去分析，即“不同”。

與傳統(tǒng)的分析品牌造型特征線等造型特征方法不同，基于汽車品牌細(xì)粒度分類的品牌家族化造型的計(jì)算分析方法，為汽車品牌的家族化造型分析提供了新思路。該方法能夠根據(jù)汽車品牌前臉造型數(shù)據(jù)庫，自動(dòng)分析各品牌不同的造型特征，尋找品牌家族化的造型模式?；谠摲椒?，提出了一系列具體分析方案，這些方案既可以將汽車品牌的家族化造型可視化，幫助造型設(shè)計(jì)師分析家族化造型特征；又可以幫助設(shè)計(jì)師分析當(dāng)前的造型趨勢，在設(shè)計(jì)新一代汽車前臉造型時(shí)為設(shè)計(jì)師提供參考。然而，該方法的局限性在于未能對(duì)造型元素定量化進(jìn)行分析，從而為實(shí)現(xiàn)造型設(shè)計(jì)提供客觀可能性，這將在未來的工作中加以探究。

此外，文中還有其它問題未予考慮，例如，車型銷量對(duì)家族化造型設(shè)計(jì)的影響，基于造型特征線的造型基因分析等。