颜值评分不知道大家有没有玩过，今天我们就来自己写一个玩玩。

环境搭建

所需工具

**Python版本：**3.5.4(64bit)

相关模块：

opencv_python模块、sklearn模块、numpy模块、dlib模块以及一些Python自带的模块。

实现思路

（1）模型训练

（2）提取人脸关键点

（3）特征生成

（4）颜值预测

使用方式

有特殊疾病者请慎重尝试预测自己的颜值，本人不对颜值预测的结果和带来的所有负面影响负责！！！（总之你肯定比肖战帅！！）

言归正传。

环境搭建完成后，解压相关文件中的Face_Value.rar文件，cmd窗口切换到解压后的*.py文件所在目录。

例如：

打开test_img文件夹，将需要预测颜值的照片放入并重命名为test.jpg。

例如：

最后依次运行：

# 人脸关键点提取脚本
import cv2
import dlib
import numpy


# 模型路径
PREDICTOR_PATH = ./model/shape_predictor_68_face_landmarks.dat
# 使用dlib自带的frontal_face_detector作为人脸提取器
detector = dlib.get_frontal_face_detector()
# 使用官方提供的模型构建特征提取器
predictor = dlib.shape_predictor(PREDICTOR_PATH)
face_img = cv2.imread("test_img/test.jpg")
# 使用detector进行人脸检测，rects为返回的结果
rects = detector(face_img, 1)
# 如果检测到人脸
if len(rects) >= 1:
	print("{} faces detected".format(len(rects)))
else:
	print(No faces detected)
	exit()
with open(./results/landmarks.txt, w) as f:
	f.truncate()
	for faces in range(len(rects)):
		# 使用predictor进行人脸关键点识别
		landmarks = numpy.matrix([[p.x, p.y] for p in predictor(face_img, rects[faces]).parts()])
		face_img = face_img.copy()
		# 使用enumerate函数遍历序列中的元素以及它们的下标
		for idx, point in enumerate(landmarks):
			pos = (point[0, 0], point[0, 1])
			f.write(str(point[0, 0]))
			f.write(,)
			f.write(str(point[0, 1]))
			f.write(,)
		f.write(
)
	f.close()
# 成功后提示
print(Get landmarks successfully)

# 颜值预测脚本
from sklearn.externals import joblib
import numpy as np
from sklearn import decomposition


pre_model = joblib.load(./model/face_rating.pkl)
features = np.loadtxt(./data/features_ALL.txt, delimiter=,)
my_features = np.loadtxt(./results/my_features.txt, delimiter=,)
pca = decomposition.PCA(n_components=20)
pca.fit(features)
predictions = []
if len(my_features.shape) > 1:
	for i in range(len(my_features)):
		feature = my_features[i, :]
		feature_transfer = pca.transform(feature.reshape(1, -1))
		predictions.append(pre_model.predict(feature_transfer))
	print(照片中的人颜值得分依次为(满分为5分)：)
	k = 1
	for pre in predictions:
		print(第%d个人： % k, end=)
		print(str(pre)+分)
		k += 1
else:
	feature = my_features
	feature_transfer = pca.transform(feature.reshape(1, -1))
	predictions.append(pre_model.predict(feature_transfer))
	print(照片中的人颜值得分为(满分为5分)：)
	k = 1
	for pre in predictions:
		print(str(pre)+分)
		k += 1

你是Python小白吗？是的话就进我的学习圈吧