大神教你利用数据分析成为狼人杀高手

作为一个表里如一的“狼人杀”小白，却一直被身边的好友同事力邀参与各种“狼局”。无奈情商不支，演技基本为零，每次都被骂“猪队友”，好气呀。一个大数据科学家，难道就这样认输？no！no！no！想到自己最近正在潜心研究的“微表情”项目，或许相关技术能帮处座找到逆袭的方法呢，赶紧来钻研一下。首先简单介绍一下，狼人杀是一款以语言描述推动的策略游戏。游戏中分为狼人、村民、神职阵营，如果狼人把村民杀完则狼人获胜，如果狼人被全部指认（主要通过投票找出狼人）则村民获胜（当然村民、神职也能被投票而死）。处座参加的狼人杀，玩家们还会选出警长，警长有两票的权利。由于游戏开始时一般村民和神职玩家人数大于狼人数量，所以狼人需要把自己伪装成好人，也可能会竞选警长。

学习热门IT技术（大数据、人工智能、机器学习），有两千个IT人才这里：587737871，学习和交流最新的IT技术。

处座选择了计算机视觉中，描述人脸表情动作单元的编码——Action Unit(AU)为依据来研究玩家在进行狼人杀游戏时表情的变化，得到了一些有趣的发现。

学习“狼人杀”游戏，有一个很好的方法，就是看厉害玩家的视频。 给我印象最深的片段就是《Lying Man》 第三季第四集，啦啦啦主播说出名言“大哥我给你跪下了”这段。作为全场最支持警长，并且发言也没有狼面的啦啦啦，在刚发完言不久就被警长归票而死。啦啦啦作为好人觉得自己比窦娥还冤。

在短短12秒的“遗言”片段中，代表失望的表情组合AU01（内眉上抬）与AU04（眉毛降低）一共出现了五次，分别出现了0.4秒、0.76秒、0.12秒、0.36秒与1.04秒。代表不相信的表情组合AU15（嘴角下降）与AU17（下巴抬起）出现了两次。可见啦啦啦对于警长的判断极其失望，而且都不敢相信警长会做出这样的判断 。并且AU04、AU05（上眼睑抬起）、AU07（眼睑收紧）与AU23（嘴唇绷紧）——代表愤怒的组合出现了一次，AU09（皱鼻）与 AU10（上嘴唇抬起）——代表非常厌恶的组合出现四次，甚至连AU01与AU15——代表悲伤的组合都出现了三次，估计啦啦啦从此产生了和这位警长玩家一起玩狼人杀的心理阴影。

如上图，在2.48秒到3.2秒之间，同时出现AU15与AU17。AU17强度先迅速升高，之后两个AU 强度一起增加，之后虽然AU15强度回落，但AU17仍保持高强度。(箭头方向是依时间顺序发生)

我们再来比较一下啦啦啦在另一局中，只是因为局势混乱而作为好人被投死的反应。

在15秒的“遗言”片段里， 组合AU01与AU04一共只出现了两次，分别是0.2秒和0.16秒，而且组合AU15与AU17出现时间非常短。看来啦啦啦远没有之前的那种失望与不相信。并且愤怒、非常厌恶和悲伤这三种表情组合都没有出现。啦啦啦只是把这次的“冤死”视作正常范畴里好人们的失误，而之前的“冤死”可能真的动摇了啦啦啦的狼人杀世界观。

如上图，在这15秒中，AU15与AU17出现的情况基本可以从9.6秒到10.8秒之间的情况概括。AU15与AU17几乎没有同时出现过高强度，并且一个AU强度增高一般伴随另一个AU强度下降，即使两个AU同时增强时，强度值也都不高。

分析完了啦啦啦作为好人时的“冤死”，再来看看他作为狼人时欺骗好人的表情。

当啦啦啦作为狼人竞选警长时，在这7秒多的时间里，AU01与AU04出现1.6秒，看来啦啦啦还是想假装出其他人假冒他预言家时的失望。AU05与 AU07同时出现（代表轻微恐惧）一次，说明啦啦啦心理还是怕没有发好言而被认出是狼人。

如上图，在5.6秒到7.2秒之间，AU01增加的同时，AU04也在增加。这个表情组合迅速出现，然后缓慢减弱。

这时，处座就在想，既然玩家的心理能在表情上呈现的如此清楚，能不能直接通过表情来区分玩家是不是狼人呢？因为笔者平时在玩的时候就发现，如果不是考虑完备的情况， 其他玩家的分析用正逻辑，反逻辑去想都行，结论并不是这些分析能一定得出的。（好吧，其实是因为处座依然小白，想找个轻松的方法。）

因此，处座选取了《Lying Man》第三季第1集，第3集，第7集，啦啦啦主播当狼人和不当狼人时的部分视频片段，以此来分析一下他分别作为两方阵营发言时表情的区别。

笔者用出现某种表情动作单元组合的时间占说话时间的比例作为区别的标准，筛选后发现内眉抬起与眼睑收紧同时出现、上眼睑抬起与眼睑收紧同时出现、皱鼻与眼睑收紧同时出现、脸颊不抬起且嘴唇绷紧出现，这几种表情动作单元的组合出现时间（占比），在啦啦啦主播当与不当狼人时差别很大。

处座做了一个定量分析，运用到的是一个不限定分布的检测两个独立样本值差异的检测方法，名叫Wilcoxon rank-sum检测。对上述四种表情组合做检测后，在95%的置信度下，都能认为当啦啦啦作为狼人与作为好人时，这几种表情组合出现时间占比是有区别的。

毕竟自己构造的能通过肉眼区别的特征比较局限，并且一直盯着其他玩家的脸看也很奇怪。于是处座就想，如果不考虑解释性，直接用机器判断的话是否能得到更好的结果。笔者使用了t-SNE（一种流形学习的方法）把不重复随机抽取的1000多帧的多种表情动作单元在空间上降维到2维，可以从图中看出，啦啦啦主播在是否当狼人时，在空间上是有非常大区别的。（绿色代表不当狼人时，红色代表当狼人时）因此，训练出好的分类器是很有希望的。

图4

不过，每个人玩狼人杀的时候，表情的区别都可能是不一样的，所以读者要是有想分析的玩家，可以征求别人同意后，录下视频，回去分析便知。

而朋友们听我吧啦吧啦说了上面这些，竟都默默走开，最近一直没人拉处座参加狼人杀……你们谁攒个局，一定记得叫处座来录像，呃不对，来参战。

以上内容收集自互联网，如果侵犯了您的权益，请联系我们授权或删除！

来这里聊聊IT求职的那些事儿（58315669），为自己找到一份好工作！