本文轉(zhuǎn)載至知乎ID：Charles（白露未晞）知乎個(gè)人專欄

下載W3Cschool手機(jī)App，0基礎(chǔ)隨時(shí)隨地學(xué)編程>>戳此了解

利用Python對照片中人臉進(jìn)行顏值預(yù)測?。。?/p>

至于結(jié)果的可靠性.......

本人概不負(fù)責(zé)?。?！

對結(jié)果不滿意或者因?yàn)榻Y(jié)果分?jǐn)?shù)過低而想不開者，請自行聯(lián)系xxxPh.D.。也就是此顏值預(yù)測算法的提出者?。?！本人只是部分復(fù)現(xiàn)了他的算法?。?！

以上和以下內(nèi)容純屬玩笑，如有雷同，不甚榮幸。

相關(guān)文件

網(wǎng)盤下載鏈接: https://pan.baidu.com/s/1E_fc7PNaBHfMXNz3xLb12A

密碼: 7nhm

所需工具

Python版本：3.5.4(64bit)

相關(guān)模塊：

opencv_python模塊、sklearn模塊、numpy模塊、dlib模塊以及一些Python自帶的模塊。

環(huán)境搭建

（1）安裝相應(yīng)版本的Python并添加到環(huán)境變量中；

（2）pip安裝相關(guān)模塊中提到的模塊。

例如：

若pip安裝報(bào)錯(cuò)，請自行到：

http://www.lfd.uci.edu/~gohlke/pythonlibs/

下載pip安裝報(bào)錯(cuò)模塊的whl文件，并使用：

pip install whl文件路徑+whl文件名安裝。

例如：

（本人已在相關(guān)文件中提供了編譯好的用于dlib庫安裝的whl文件——>因?yàn)檫@個(gè)庫最不好裝）

參考文獻(xiàn)鏈接

【1】xxxPh.D.的博客

http://www.learnopencv.com/computer-vision-for-predicting-facial-attractiveness/

【2】華南理工大學(xué)某實(shí)驗(yàn)室

http://www.hcii-lab.net/data/SCUT-FBP/EN/introduce.html

主要思路

（1）模型訓(xùn)練

用了PCA算法對特征進(jìn)行了壓縮降維；

然后用隨機(jī)森林訓(xùn)練模型。

數(shù)據(jù)源于網(wǎng)絡(luò)，據(jù)說數(shù)據(jù)“發(fā)源地”就是華南理工大學(xué)某實(shí)驗(yàn)室，因此我在參考文獻(xiàn)上才加上了這個(gè)實(shí)驗(yàn)室的鏈接。

（2）提取人臉關(guān)鍵點(diǎn)

主要使用了dlib庫。

使用官方提供的模型構(gòu)建特征提取器。

（3）特征生成

完全參考了xxxPh.D.的博客。

（4）顏值預(yù)測

利用之前的數(shù)據(jù)和模型進(jìn)行顏值預(yù)測。

使用方式

有特殊疾病者請慎重嘗試預(yù)測自己的顏值，本人不對顏值預(yù)測的結(jié)果和帶來的所有負(fù)面影響負(fù)責(zé)?。。?/p>

言歸正傳。

環(huán)境搭建完成后，解壓相關(guān)文件中的Face_Value.rar文件，cmd窗口切換到解壓后的*.py文件所在目錄。

例如：

打開test_img文件夾，將需要預(yù)測顏值的照片放入并重命名為test.jpg。

例如：

若嫌麻煩或者有其他需求，請自行修改：

getLandmarks.py文件中第13行。

最后依次運(yùn)行：

train_model.py(想直接用我模型的請忽略此步)

getLandmarks.py

getFeatures.py

Predict.py

使用演示