最近大热的女团选秀节目《创造101》，你们有在看吗？处座又入坑啦。
从《中国有嘻哈》、《这就是街舞》到《偶像练习生》，近年选秀节目百花齐放，让每个一开始说不想看的人，看完节目都pick了好几个小哥哥。而《创造101》的开始，让广（kuai）大（le）群（fei）众（zhai）也可以pick漂亮小姐姐了。
虽然娱乐综艺只是消遣，但严格的处座，还是非常关注这些热门小姐姐的实力如何。虽然唱歌可以后期修音，但是，舞蹈不能修吧…为了避免个人喜好和个人情绪，我们是不是可以另辟蹊径，让人工智能成为我们的眼睛，客观的评价小姐姐们的舞蹈实力呢？
所以这一次，处座要让AI坐上评委席，为小姐姐的舞技打打分。为了客观，我们选择《创造101》每个选手都跳过的主题曲舞蹈为样本，只需以下三个步骤就能得到小姐姐们的评分啦。
第一步：基于人体姿态图像，获取关节点
处座采用2017年CMU的开源工程openpose，基于小姐姐的舞姿，获得关节点位置信息。
现有的一些深度学习算法主要采用两个步骤，person-detect和single-person pose estimation，这些top-down的方法很依赖上述两个部分的准确性，一旦出现人数众多或出现重叠时，就会产生较大的误差。
作者另辟蹊径，用一种新的深度学习模型，来解决姿态估计准确性问题以及多人同时出现的实时性问题。该模型将分别预测两个部分，分别是人体每个关节点位置，以及关节间相似度的向量场，流程图如下：
输入图像，利用VGG16提取图像特征，最后同时预测出confidence map和affinity fields。每个分支都是一个迭代预测结构，一共有t个stage，每个stage都加入了中间监督。模型算法示意图如下。
根据模型预测出来的confidence map和affinity fields，借助非极大值抑制算法，将关节点位置回归问题转换为一个简单的优化问题，即可将我们预测出来的关节点一一联系起来，分割出不同的人和不同的关节点。
处座选择长期排名第一的孟美岐在主题曲中的舞蹈动作作为样本，根据以上算法，即可获得最终的效果，并且达到实时预测的目的。通过前述算法，我们得到了孟美岐的关节点。
（图片说明：孟美岐舞蹈关节点动态示意图）
第二步：计算关节夹角，准确定位动作
虽然每个人由于身高等因素关节到关节的位置长度会有所不同，但定位舞蹈中动作是否标准，使用关节的夹角即可判断动作是否到位。我们选择了5个关节夹角，请看灵魂画手示意图：
其中，角度1和角度3表示左右手臂与身体的夹角；角度2和角度4表示左右大臂与左右小臂的夹角；角度5表示左右大腿的夹角。
由于舞蹈是时间段内连续的动作，所以孟美岐的主题曲舞蹈，就转换成了5段夹角的波形图：
第三步：对比波形图差异，根据规则计分
重复上述同样的方法，我们得到了选手们的关节点定位信息。在这里，处座就选择四位热门选手作为代表来展示：
（图片说明：突破大众对女团审美的王菊）
以下是分析上述四人动作产生的关节夹角波形图——
评分规则：以孟美岐的波形图为评判标准，考虑不同时刻下，各个组员的每个关节角度相较于标准的误差值。这样，主题曲一整段3分钟视频共5400帧，误差值可以充分表达动作的完成度以及节奏感。
采用标准为100分，依据上述规则打分，接下来让我们来看看结果：
王菊得分76.98：不愧是老江湖，还是有实力啊！
高秋梓得分67.37：虽然微胖，还是非常灵活滴。
杨超越得分43.35：已经很努力了，但还有很大空间！
朱天天得分36.78：是因为用力过猛吗？
这可是经过AI分析的客观评价哟！虽然似乎和她们现在的排名不尽相同，不知道是否符合你心中的预期？
《创造101》的口号是“逆风翻盘，向阳而生”，在不长的几期节目中确实有小姐姐帅气的逆风翻盘，这里面不乏实力与运气，一定也有热爱。跳舞实力不能说明全部问题，偶像的娱乐精神非常重要。本周六《创造101》也要进行总决选了，还是同样的配方，熟悉的套路，对于人人都在渴望的C位出道，节目组设置了两条路，一条靠能力，需要才华出众；而另一条就是“越努力越幸运”了。
选秀节目以后还有更多，但是能长久的留在大家视线的人总是很少。在更长的日子里，愿小姐姐们不断成长，继续带给粉丝们惊喜哦！
作者/拾荒者
