发帖
雷达卡
“微笑挑战”最近火了：左边放上点名者照片，右边放上自己的微笑，再点十个人……这不就是趁机晒自拍嘛！
更有（洋葱）新闻犀利指出：【女生都会选比自己丑的朋友——点你是因为你没我好看哦……】还能不能好好做朋友啦！？
——别怕，科学青年来教你自拍了！
（Jia-Bin Huang）为什么有些人自拍出来的照片总是特别地好看？很明显，自拍时相机与脸之间的相对角度占了绝大部分的因素。打开网络搜寻，很快地就可以搜寻到非常多与摆姿势相关的技巧教程。然而，这些教程往往太过抽象而不容易简单地运用在日常生活中。我们心中不免疑惑，究竟要怎么样摆姿势才是最好看的呢？
不同于专家的意见，我们直接试着从数据中找出规律来。我们这里选了3位网络“正妹”来做分析：
从左到右依次为：Julie Chang（张齐郡）、张香香、Mika 黄杏蕙。
选择这3位有两个主要的原因：第一、她们在Facebook上都拥有高人气，表示大家都相当喜欢她们的状态更新；第二、我们需要大量的数据进行分析以免得到不可靠的数据，3位正妹在Facebook公开的上千张自拍照片即成了有用的资料。
数据处理
要分析正妹们自拍时如何摆POSE，我们得先从影像中估算脸与相机间的相对角度。大致上可以分为3个步骤：
首先用现成的软件批次下载正妹们在Facebook上公开的照片；
其次我们用Open CV中的人脸侦测软件来自动地标示每张照片里脸部的位置；
有了脸部的侦测，我们接着运用计算机视觉的技术来估算脸部3D的Pose。
在这里我们使用空气动力学中的俯仰（Pitch）、 扭转（Yaw）和横摆（Roll）来表示物体（正妹）与观测者（相机）间的相对角度。简单来说，在人脸的情况下，俯仰指的是鼻尖指向相机下方或是上方，扭转则是表示左脸或是右脸，横摆用来表示脸倾斜的角度。下图我们借用飞机来解释。
俯仰、扭转和横摆一维边际分布
有了照片中估算的角度，我们可以用Kernel Density Estimation 的方法来估计3位正妹各自的俯仰、扭转和横摆的一维机率分布为何。其中，Pitch、Yaw、Roll分别为俯仰、扭转、横摆的角度。结果请见下图左侧。
Julie Chang（张齐郡）
张香香
Mika黄杏蕙
从这些数据我们可以学到什么东西呢？
首先，我们可以看到3位正妹在俯仰度（蓝线）的选择上相当一致，绝大部分的自拍照都选择将脸朝下15°左右的姿势。这和一般人对于自拍的认知相符合，脸朝下自拍往往可以有瘦脸的效果。经由影像分析我们得到15°左右也许是最佳的结果。
第二，我们观察到扭转度（绿线）的选择上有蛮大的差异。例如说，Julie Chang（张齐郡）习惯性地会将她的右脸面向相机，而张香香则是较喜欢露出她的左脸。然而，不论是倾向左脸或右脸，横摆的角度大小通常为20°左右。也许在这样的角度底下，可以让自拍照片脸部特征更加立体。至于个人左右脸哪个比较具吸引力，可能需要自己看镜子练习一下才能得知了。
第三，3位正妹照相时横摆角度（红线）似乎没有太大的变化，绝大部分的照片都在0°左右。不过还是可以从比较中还是可以观察出些许不同。比如说Julie Chang（张齐郡）较偏爱在自拍中选择较大的横摆角度。
俯仰扭转联合分布
虽然上面的一维机率分布较为简单直觉，但是往往会过于简化而忽略了数据中各维度相互的影响。我们在上图右侧画出二维的分布。从中我们发现，Pitch－Yaw－Roll 角度之间并不是相互独立（Independent）或是无关（Uncorrelated）的。这驱使我们去更进一步了解正妹们究竟是如何摆姿势。 我们用了Mean-Shift 算法从一堆相片之中，找出机率分布中的模式。其中，Pitch、Yaw、Roll分别为俯仰、扭转、横摆的角度。以下是Mean-Shift做分类的结果。
Julie Chang（张齐郡）
张香香
Mika 黄杏蕙
从数据中找出代表性姿势
有了从Mean-shift 得到的聚类分析（Clustering），我们可以利用影像“平均”来可视化我们找到具有代表性的自拍姿势。下面我们对这3位正妹各选了12张代表性的自拍姿势。
Julie Chang（张齐郡）
张香香
Mika 黄杏蕙
人脸姿势的数据还可以做些甚么呢？这里有个简单的应用。我们使用估计出来的角度做排序，就可以产生下面沿着不同POSE而改变的影像。
当然，从3位正妹的自拍照片我们很难去做明确的结论，希望同样的技术可以运用在大量自拍高手的照片上，相信届时我们将能从中发掘每种脸型最适合的自拍姿势。
via：大数据文摘
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
