如果说这个初夏什么最火，应该就是选秀节目《创造101》了。

作为一个两耳不闻娱乐圈，一心只爱Github的程序员，数读菌依然没能躲过办公室同事对节目的疯狂讨论。

社交压力之下，为了不在聊天时全程傻眼，数读菌去看了节目补课，第一个直观的感受不是选手们有多漂亮，多会跳舞，而是“脸盲”。

曾几何时，数读菌看到韩国女明星总觉得都是一个人，如今依然脸盲的自己想到能不能从数据分析的角度，通过人工智能中【人脸识别】的方法数字化解读《创造101》，来看看这101位选手的脸部特征，有什么相似又有什么不同。

为了保证人脸数据的清晰易用，并最大程度降低无关因素的干扰，数读菌利用网络爬虫，在《创造101》的官方点赞通道获取了101张公开的选手头像图片，并以对应姓名标注。

画幅规格均为300px*300px，背景色为#ffe8f4，位置基本居中，非常适合作为人脸分析的原始数据。

原始数据（部分）

然后，数读菌选择了百度AI开放平台提供的API接口作为人脸分析工具，向API服务地址使用POST发送请求。受到网传格式的限制，数读菌用Python编写了Base64转码器，将原始PNG图片转码存储为字符串数据。设置好请求参数后连同转码数据一同封装上传至服务地址，得到原始返回结果。分别请求调用了101次后，将所得的数据统一保存为csv格式文件至本地。

通过对这份原始数据的分析，数读菌得到了一些有趣的结果，从多个角度梳理了11强榜单，仅供娱乐。

101的颜值怎么样

每个人的审美不同，对谁最漂亮这件事也很难达成完全的统一。那么在基于大批量数据训练学习的人工智能眼中，101名选手的颜值分别处在什么水平呢？

通过人工智能的颜值打分功能，可以得到这样一份Top11榜单：满分是100分的情况下，101人中得分最低的是杨芸晴，依然出于中等水平之上，而得分最高的是陈意涵。

AI颜值前后11名榜

群体颜值数据

有趣的是，在颜值的前11和后11排行中，后者产生了更多的22强选手，并且22强的平均颜值低于101人全员的平均颜值。另一方面，22强又垄断了AI眼中的最高颜值和最低颜值，可见大众的审美还是差别非常大的。

Top22选手颜值排名

看脸，也不看脸

节目最开始的时候，也有很多和数读菌一样脸盲的观众，还有人直呼选手都是“整容脸”。那么这些选手真的都是千篇一律的整容脸吗？经过数据对比后，数读菌得到了如下结果：

脸型统计

一般来说，整容脸普遍下巴偏尖，又时常被称为“蛇精脸”。但是101选手的脸型主要有三类，心形、鹅卵形和圆形的比列为1:2:0.6，而top22选手中这一比例为1:1:0.75。各种脸型近乎均摊的方式呈现给观众，结合颜值数据，整齐划一“整容脸”的说法不攻自破。

特征点分布（部分）

针对每一张图片，人脸识别的处理结果会产生72+4个共计76个特征点，而101张图片即产生了7676个特征点数据。其中有4*101共404个感官点，其余为面部轮廓点。

数读菌使用左右眼的感官点求得瞳距，使用轮廓点求得面部宽度，由于照片数据无法对实际大小标准衡量，故使用“瞳距/面部宽度”的方式来量化人们对人脸“眼宽”的描述。

“眼宽”前后11名榜

Top22选手“眼宽”排名

后11人排名中，Top22占据了半壁江山，瞳距占面部宽度较小者可能更受女团创始人青睐。以最小的比值39.1350%为例，瞳距外占比约等于1-0.39=0.61，近似符合黄金比例。而且在22强排名中，占比较小者为13位，比“眼宽”选手多4位。由此可见大众票选的审美趋势倾向于黄金比。

101人脸感官特征点分布图（红色：左眼中心；绿色：右眼中心；黄色：鼻中心；蓝色：嘴中心）

101人脸轮廓72特征点分布图

上图为101*72共7272个特征点的分布图，由《创造101》的101位参赛选手的脸部数据得到。乍看之下，仿佛像一个苹果，我们将每份人脸数据的特征点以间隔距离为条件连接线段后，得到下图：

101人脸轮廓72特征点分布图（含连接线）

嗯，拍拍自己的脸，看看和一个丰满圆润的苹果还差多少？

鉴于人们总是习惯于寻找一个参照标尺，数读菌通过图像融合，将101份人脸数据平均叠加得到了一份合成图像。这也就是本季《创造101》的“代表人脸”。

平均数据

图像融合过程示意

图像融合结果

23岁最美好

数读菌根据维基百科提供的参赛选手真实年龄，和人脸识别眼中的视觉年龄做了一个对照。结果发现，不论是是全员101人还是Top22，直观的视觉年龄平均在22.6岁上下浮动。

年龄对比数据

另一方面，票选出的22强年龄更接近，跨度相较于全员有所收缩。而且有趣的是，AI眼中的年龄判断普遍比真实年龄微大，也许和定妆照的妆容有一定的关系。