【合成平均脸】高能派|北服“颜值担当”
随着人工智能、虚拟现实（VR）技术的迅猛发展，虚拟人技术也日渐形成潮流。日本著名广告公司博报堂曾依据近500名年轻员工的照片形象，电脑合成男女员工的样貌得到公司平均脸。他们还对这张“平均脸”委以重任，让它成为了公司的形象代言人。
超现实的公司“平均脸”
如果我们利用北服学子的图像信息计算平均脸，制作能够代表北服的平均脸会得到什么结果呢？服装艺术与工程学院派研究中心和北服信息中心合作，合作研发了北服学生平均脸技术，可以用于北服虚拟人的研究之中。
不过在揭晓北服“平均脸”之前，我们此处先卖个关子，谈谈什么是平均脸技术。
有趣的“平均脸”
仔细看下面的照片，你觉得她美吗？有什么有趣的特征吗？
照片中的女性同时拥有白人血统、西班牙人血统、亚洲人血统以及印度人血统。她皮肤光彩无暇，眼神扑朔迷离，似乎美得不真实。其实，她并不真实存在，但她也并非完全虚构。创造她的正是今天要介绍的一项黑科技：“平均脸”。
想必大家也曾看到过很多合成的“平均脸”图片。如下图就是一些按国家、民族合成的“平均脸”：
“平均脸”的历史
其实平均脸的历史相当悠久。“平均脸”源于达尔文的堂兄弗朗西斯·高尔顿（Francis Galton）在1878年提出的一种新的摄影技术——通过对准眼睛来合成人脸。弗朗西斯·高尔顿爵士是英国维多利亚时代的博学家、人类学家、优生学家、热带探险家、地理学家、发明家、气象学家、统计学家、心理学家和遗传学家。
他认为，通过生成罪犯的平均脸，人们就可以根据面部特征来预测一个人是否是罪犯。很显然，他的假设是错误的——你不能通过照片来预测一个人是否是罪犯。虽然高尔顿爵士的初衷没有达到，但合成平均脸的方法却保留了下来。
这一方法是通过将许多人的照片合成为一张照片完成的。当时具体的做法是：照片叠加——给多个人，比如20个人，照相，将每个人照片所需的曝光时间缩短为1/20，通过20次曝光得到一张“平均”照片。
人们意外的发现，这样合成的人脸看起来比大部分人的脸都要好看！按常理说，平均脸应该是一张平庸的“大众脸”，为什么“平均脸”反而更加吸引人？
根据进化假说，有性繁殖的动物会寻找长着平均脸的伴侣，因为偏离平均值可能产生不利的突变。平均脸也是对称的，因为脸的左边和右边的变化是平均的。
2002年研究者们生成了22名入围当年德国小姐评选决赛的选手的平均脸，并让吃瓜群众打分。结果显示人们认为平均脸比22位选手的脸更有吸引力，包括赢得比赛的柏林小姐。紧接着人们发现，柏林小姐的长相和这张平均脸非常接近。
如何制作平均脸
随着信息技术发展，数码时代允许我们利用程序设计进行以前不敢想的事情，利用计算机算法的平均脸生成技术已经成熟。
平均脸，指用一定数量的普通人脸提取面部特征，根据测量数据求平均值，再利用计算机技术得到一张合成脸。
制作“平均脸”的过程大概有以下几个步骤：
首先提取需要得出平均脸群体的一定数量照片；
再次将每张照片的五官（耳朵除外）轮廓提取出来，然后将它平均，例如一个大眼睛加一个小眼睛就是一个中等大小的眼睛；
然后将第一步得到的平均轮廓，用对应位置的平均肤色将之填充，只要拥有足够数量的样本，就可以给该群体一张比较精确的“平均脸”了。
后面我们会给出实现的大致方法。
北服平均脸
激动人心的时刻来了！
北服信息中心拥有北服强大的数据资源，服装艺术与工程学院派研究中心与信息中心紧密合作，根据平均脸技术，开发了北京服装学院2019级学生的平均脸，男生和女生各一个。其中女生采集到了1203幅图像，男生采集到了311幅图像。为了保护隐私，我们不提供实际的人脸数据融合过程，只提供结果。
下图是所有参与平均脸生成的女生马赛克图：
以下是311幅男生的头像马赛克图：
根据以上头像产生了北服男女2019级学生的平均脸，请看如下大图：
是不是颜值非常高呢？
我们再看一下北京航天航空大学2019年的男女新生的平均脸图像，是不是更有理工范儿呢？
算法+程序的力量
上面的过程看着还挺复杂是不是？想到编程大伙儿都会感到头大。其实，如果使用python程序设计语言，加上opencv + dlib的第三方插件，“平均脸”技术只需要百十行代码就能搞定！
01
面部特征检测
首先，使用dlib库在每张面部图像上建立68个面部基准点。
02
图像坐标转换
图像的尺寸很可能是不一样的，同时面部也很可能处于图像的不同位置，所以我们需要标准化面部特征，并把它们放到同一参考坐标系下。
为了实现这一点，确保两只眼睛的点都在一个水平线上，面部中心大约在离顶端三分之一高度的位置。所以我将眼角位置设为（0.3*宽，高/3）和（0.7*宽，高/3）。
03
人脸对齐
现在所有图像都是相同大小，并且眼睛的两角都分别对齐。似乎对这些图像每个像素的值进行平均我们就能得到平均脸啦。但如果你真这么做了，会得到下图这样的结果。当然眼睛肯定是对齐的，但是其他面部特征都没对齐。
不要紧！在获得了68个面部基准点之后，我们结合人脸所在的矩形的四个顶点和每条边的中心点，将人脸所在的矩形分割成如下图所示的三角形的组合，称为平均基准点的Delaunay三角剖分。
至此，我们计算出了人脸基准点的平均位置，并用这些位置计算出Delaunay三角剖分，将图像分成若干三角形。如上图所示，左图是变换后输入图像的Delaunay三角剖分，中图是平均关键点的三角剖分。用这一变换将左图三角形1中的所有像素变换到中图的三角形1中去。对左图每个三角形重复该过程，就可以得到右图的结果。右图只是将左图按规则扭曲到了平均脸上。
04
人脸平均
经过了上述处理之后，我们就可以对这些照片的像素取平均值，得到神奇的平均脸了。
来源：网络