作者 | 拾荒者
題圖 | 網絡
本文轉自朝陽35處（ID：fintech_credoo）
最近大熱的女團選秀節目《創造101》，你們有在看嗎？處座又入坑啦。
從《中國有嘻哈》、《這就是街舞》到《偶像練習生》，近年選秀節目百花齊放，讓每個一開始說不想看的人，看完節目都pick了好幾個小哥哥。而《創造101》的開始，讓廣（kuai）大（le）群（fei）眾（zhai）也可以pick漂亮小姐姐了。
雖然娛樂綜藝只是消遣，但嚴格的處座，還是非常關注這些熱門小姐姐的實力如何。雖然唱歌可以後期修音，但是，舞蹈不能修吧…為了避免個人喜好和個人情緒，我們是不是可以另闢蹊徑，讓人工智能成為我們的眼睛，客觀的評價小姐姐們的舞蹈實力呢？
所以這一次，處座要讓AI坐上評委席，為小姐姐的舞技打打分。為了客觀，我們選擇《創造101》每個選手都跳過的主題曲舞蹈為樣本，只需以下三個步驟就能得到小姐姐們的評分啦。
▍第一步：基於人體姿態圖像，獲取關節點
處座採用2017年CMU的開源工程openpose，基於小姐姐的舞姿，獲得關節點位置信息。
現有的一些深度學習算法主要採用兩個步驟，person-detect和single-person pose estimation，這些top-down的方法很依賴上述兩個部分的準確性，一旦出現人數眾多或出現重疊時，就會產生較大的誤差。
作者另闢蹊徑，用一種新的深度學習模型，來解決姿態估計準確性問題以及多人同時出現的實時性問題。該模型將分別預測兩個部分，分別是人體每個關節點位置，以及關節間相似度的向量場，流程圖如下：
輸入圖像，利用VGG16提取圖像特徵，最後同時預測出confidence map和affinity fields。每個分支都是一個迭代預測結構，一共有t個stage，每個stage都加入了中間監督。模型算法示意圖如下。
根據模型預測出來的confidence map和affinity fields，藉助非極大值抑制算法，將關節點位置迴歸問題轉換為一個簡單的優化問題，即可將我們預測出來的關節點一一聯繫起來，分割出不同的人和不同的關節點。
處座選擇長期排名第一的孟美岐在主題曲中的舞蹈動作作為樣本，根據以上算法，即可獲得最終的效果，並且達到實時預測的目的。通過前述算法，我們得到了孟美岐的關節點。
（圖片說明：孟美岐舞蹈關節點動態示意圖）
▍第二步：計算關節夾角，準確定位動作
雖然每個人由於身高等因素關節到關節的位置長度會有所不同，但定位舞蹈中動作是否標準，使用關節的夾角即可判斷動作是否到位。我們選擇了5個關節夾角，請看靈魂畫手示意圖：
其中，角度1和角度3表示左右手臂與身體的夾角；角度2和角度4表示左右大臂與左右小臂的夾角；角度5表示左右大腿的夾角。
由於舞蹈是時間段內連續的動作，所以孟美岐的主題曲舞蹈，就轉換成了5段夾角的波形圖：
▍第三步：對比波形圖差異，根據規則計分
重複上述同樣的方法，我們得到了選手們的關節點定位信息。在這裡，處座就選擇四位熱門選手作為代表來展示：
（圖片說明：突破大眾對女團審美的王菊）
（圖片說明：“綜藝擔”高秋梓）
（圖片說明：排名靠前但屢受質疑的楊超越）
（圖片說明：因為愛哭引起關注的朱天天）
以下是分析上述四人動作產生的關節夾角波形圖——
評分規則：以孟美岐的波形圖為評判標準，考慮不同時刻下，各個組員的每個關節角度相較於標準的誤差值。這樣，主題曲一整段3分鐘視頻共5400幀，誤差值可以充分表達動作的完成度以及節奏感。
採用標準為100分，依據上述規則打分，接下來讓我們來看看結果：
王菊得分76.98：不愧是老江湖，還是有實力啊！
高秋梓得分67.37：雖然微胖，還是非常靈活滴。
楊超越得分43.35：已經很努力了，但還有很大空間！
朱天天得分36.78：是因為用力過猛嗎？
這可是經過AI分析的客觀評價喲！雖然似乎和她們現在的排名不盡相同，不知道是否符合你心中的預期？
《創造101》的口號是“逆風翻盤，向陽而生”，在不長的幾期節目中確實有小姐姐帥氣的逆風翻盤，這裡面不乏實力與運氣，一定也有熱愛。跳舞實力不能說明全部問題，偶像的娛樂精神非常重要。本週六《創造101》也要進行總決選了，還是同樣的配方，熟悉的套路，對於人人都在渴望的C位出道，節目組設置了兩條路，一條靠能力，需要才華出眾；而另一條就是“越努力越幸運”了。
選秀節目以後還有更多，但是能長久的留在大家視線的人總是很少。在更長的日子裡，願小姐姐們不斷成長，繼續帶給粉絲們驚喜哦！
注：內容僅為作者觀點，不代表DT財經立場。
期待更多數據俠乾貨分享、話題討論、福利發放？在公眾號DT數據俠（ID：DTdatahero）後臺回覆“數據社群”，可申請加入DT數據社群。
▍數據俠門派
本文數據俠拾荒者，GammaLab成員，遊手好閒的算法工程師。
▍加入數據俠
“數據俠計劃”是由第一財經旗下DT財經發起的數據社群，包含數據俠專欄、數據俠實驗室系列活動和數據俠聯盟，旨在聚集大數據領域精英，共同挖掘數據價值。瞭解數據俠計劃詳情請回復“數據俠計劃”，投稿、合作請聯繫[email protected]。
閱讀更多 DT財經 的文章
