七夕节教你怎么选男朋友/女朋友~基于PaddleHub的身材打分系统

一、项目背景

各位小哥哥小姐姐们是不是很烦恼该怎么选女朋友/男朋友呢?

为了帮助各位解决长久以来的烦恼！

本文特地基于 PaddleHub 研制了一个身材打分系统，为您的选择提供充分的依据！！！

AI studio 项目地址：
https://aistudio.baidu.com/aistudio/projectdetail/755096

PaddleHub 介绍

现在 AI 的各种算法日新月异，一般人只知道这东西很厉害，但是能做什么，怎么做基本都是一头雾水。即使对于很多从事该领域研究的人来说，不同类别的算法之间的差别也是犹如隔山，所以一个人想要精通所有算法基本是不可能的，学习速度可赶不上新算法出来的速度。

那我们有没有什么捷径去尝试这些新时代的产物，或者有没有办法把这些前沿的算法直接拿来用做应用和创意呢？

传统的做法下，即使原来的作者来源了算法的代码，你会复现你还是需要非常强的技术功底才有机会去做应用：

• 首先你要会 Python 吧
• 然后你需要在本地搭建算法学习环境吧
• 当然还有个前提是你有一台能跑得起来模型训练的电脑
• 然后你还需要能理解模型的各个层面，从数据读取处理，到算法框架，到结果展示，因为每个环境都可能由于本地环境的不同而出问题
• 所以即使有开源，普通人也用不了最前沿的这些东西

然而现在我们有了 PaddleHub，飞桨平台为了方便用户使用各种机器学习的前沿模型，于是把这些模型进行了打包封装，真正做到了可以拿来直接用的程度，比如本文中所涉及的模型 human_pose_estimation_resnet50_mpii，仅仅需要 2 行代码即可调用执行！！！

PaddleHub 可以让开发者便捷地获取 PaddlePaddle 生态下的预训练模型，完成模型的管理和一键预测。配合使用Fine-tune API，可以基于大规模预训练模型快速完成迁移学习，让预训练模型能更好地服务于用户特定场景的应用。

目前 PaddleHub 中有 3 个大类模型，包含：文本，图像，和视频。

图像类别下有：图像分类，关键点检测，文字识别，目标检测，图像生成，人脸检测，图像分割。包含了几十个常用的前沿模型，而且还在不断增加中～，大家跟兴趣的可以上官网去看看：

https://www.paddlepaddle.org.cn/hub

二、效果展示

得分一目了然，一键解决你的选择恐惧症！ !

三、实现思路

说到人的身材比例，其实会看几个方面，比如：几头身，头肩比，腰臀比等，而要很好的测量这种类型的比例数据，人体关键点检测就是最好的工具！

所以本次使用了 PaddleHub 的 human_pose_estimation_resnet50_mpiiv 来进行实验。

根据检测出来的不同点位，测算人体整体的比例特征，然后进行打分和对比！

四、具体步骤

1. 安装 PaddleHub 到最新版本

pip install paddlehub --upgrade -i https://mirror.baidu.com/pypi/simple

2. 新建目录

• img 为待评价的图片
• results 内存放关键点检测的结果图片
• 确保程序运行前 results 文件夹内为空
• 图片需要 .jpg 格式，如果不是的话，需要在下面的程序做对应修改

3. 完成关键点检测

import cv2
import paddlehub as hub
from glob import glob
import os

pose_estimation = hub.Module(name="human_pose_estimation_resnet50_mpii")
img_list = glob(os.path.join('img','*.jpg'))
img_list.sort()
print(img_list)
result = pose_estimation.keypoint_detection(paths=img_list,output_dir='results',visualization=True)

4. 比例测算及打分

def body(head,neck,l_ankle,r_ankle):
    head_size = (head[0]-neck[0])**2 + (head[1]-neck[1])**2 
    body_size_1 = (neck[0]-l_ankle[0])**2 + (neck[1]-l_ankle[1])**2
    body_size_2 = (neck[0]-r_ankle[0])**2 + (neck[1]-r_ankle[1])**2
    if body_size_1 > body_size_2:
        body_size = body_size_1
    else:
        body_size = body_size_2
    baseline = 6
    score = (body_size/head_size)**0.5/baseline*100
    return score
 
scores = []
for i in range(len(result)):
    score = body(
        result[i]['data']['head_top'],
        result[i]['data']['upper_neck'],
        result[i]['data']['left_ankle'],
        result[i]['data']['right_ankle'])
    scores.append(score)
print(scores)

5. 结果展示

# 显示图片
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
%matplotlib inline

def show_image_grid(results_dir, scores):
    plt.figure(num='排行榜',figsize=(10.0,10.0),dpi=100,frameon=False)
    img_list = glob(os.path.join(results_dir,'*.jpg'))
    img_list.sort()
    num = len(img_list)
    for i, image in enumerate(img_list):
        #print(num)
        if scores[i]==max(scores):
            plt.subplot(1,num,i+1).set(title='Winner',xlabel=('Score:%d'%scores[i]))
        else:
            plt.subplot(1,num,i+1).set(xlabel=('Score:%d'%scores[i]))
        
        plt.imshow(mpimg.imread(image))    
    plt.show()

show_image_grid(results_dir='results', scores=scores)

五、总结与展望

本文纯属娱乐，请勿当真，旨在让读者感受 PaddleHub 的无限可能性！

后续版本会考虑加入更多维度的测试指标，让测试更完整，选择更坚定！！！

来AI Studio互粉吧: https://aistudio.baidu.com/aistudio/personalcenter/thirdview/204753

欢迎大家fork喜欢评论三连，感兴趣的朋友也可互相关注一下啊~