分析2000余张马蜂窝游记照片，只为找到泰国芭提雅最美“小姐姐”

分析2000余张马蜂窝游记照片，只为找到泰国芭提雅最美“小姐姐”

 

 

相信去过泰国旅游的小伙伴，无论是泰国的美食还是美景都让大家流连忘返。另一深刻印象便是泰国人妖啦，据老司机透露，泰国人妖秀场主要分布在芭提雅、普吉岛、曼谷、清迈等地。

 

而这其中尤其又以芭提雅的蒂芬妮人妖秀最为出名，每年的泰国人妖选美大赛,选出的冠亚季军,就在芭提雅的蒂芬妮人妖秀剧场里。本文主要基于蒂芬妮人妖秀的游记图片进行分析，寻找出蒂芬妮人妖秀最美人妖。

 

 

 

1

准备工作

 

本文涉及知识点较多，主要包括：爬虫、人脸识别、图像处理等。

 

编程环境为：anaconda。需要安装的依赖库有：

• selenium

• baidu-aip

• opencv-python。

 

本次使用的浏览器为Chrome浏览器，由于Selenium中没有自带Chrome驱动，需要单独下载Chromedriver.exe最新版本，下载地址为：http://npm.taobao.org/mirrors/chromedriver/。

 

 

2

 

 

数据获取，本次数据获取主要基于马蜂窝旅游网，进行图像数据获取。

 

1).利用selenium进行爬取

目前只有极少数网站会对Selenium中的WebDriver进行识别反爬，本文采用Selenium控制浏览器来访问网页，这种方式虽然速度较慢，却能够自动解析网页中的JavaScript代码，其访问行为与人类无异，难以被反爬虫程序识别。页面解析不作过多介绍，程序如下：

 

 

在保证网络稳定的情况下，整个下载过程还是相对顺畅的。至此，除去异常图片，共下载图片2004张（这种方法的确很耗时）。

 

 

3

颜值打分

 

 

1).人脸检测并对颜值打分

纯手工打造一款人脸检测及颜值打分系统是一个庞大的工程，还好现在市面上已经有了一些免费的产品。优点当然是方便，绕过了算法，一个函数搞定。缺点也比较明显，无法搞清楚其对颜值的评判算法。不过颜值这个东西也是仁者见仁智者见智啦。

 

登录百度AI开放平台（http://ai.baidu.com/），进入控制台—人脸识别栏目，创建相关应用，最终获得APP_ID、API_KEY、SECRET_KEY三个数据。

 

 

 

2).调用百度api

获取每张图片的颜值评分。通过循环读取每张图片，首先判断图片是否含有人脸（不含人脸的图片过滤掉）；然后判断每张图片的人脸颜值得分；再将“图片地址、图片颜值得分”存入数据框；得到含有“imagePath、beautyScore”数据框；最后再按颜值得分由高到底排序，得到颜值最高人妖图片。

 

程序运行结果如下：

 

从结果来看，含有人脸的图片共969张：

最高得分为93.1分（这也是唯一一位得分90分以上的人妖）；

80分以上25张（占比2.58%）；

60分以上300张（占比30.96%）

 

 

4

图像分类处理

 

 

调用OpenCV图像处理库，将得分在80分以上的人妖图片单独存在一个文件夹。

 

 

下面让我们来看一看得分在80分以上的人妖都长啥样。

 

不知道有多少小伙伴去过泰国旅游，泰国还有很多不错的景点，尤其是旅游热门城市普吉岛。最后弱弱的问一下，有看过人妖表演的请在留言区吱一声。

 

另外：本文的爬虫内容仅供个人学习使用，纯属练习Python提高技术。

 

上次的Python版本投票 还在火热进行中，目前有近650参与，欢迎参与！