天天看點

我們分析了幾千人的面相,竟發現……

我們分析了幾千人的面相,竟發現……

玩笑歸玩笑,今天想跟大家聊聊:“命運”。

古人認為,一個人能否大富大貴,取決于“一命二運三風水”。“相面”是一種透過觀看一個人面部特征的方式來論命的方法,根據長相、氣質、音容笑貌來判斷和預知一個人的過去和未來。  

“相面”真的能論命嗎?大資料來檢測一下

說句題外話,買西瓜的時候看“瓜相”,學了20多年至今還沒學會。但為了寫這篇文章,我硬是治好了臉盲症。

“相面”真的能論命嗎?為了回答這個問題,我們從網上爬取了幾千張照片——一部分是代表成功人士的”兩院院士“照片(大概700多張),另一部分是代表普羅大衆的普通講師照片(大概1000多張)。我們想看看,如果上述兩個群體分别指代有富貴的群體和無富貴命的群體,基于資料分析比較,這兩個群體的照片在面相特征上究竟會不會有所不同?

傳統理論的精髓,看一個人的面相,主要看“三停”、“五官”、“十二宮”(如圖一所示)。

我們分析了幾千人的面相,竟發現……

圖一

其中,據說上停主管少年運程,執掌15-30歲之間的;中停主管中年運程,執掌31-50歲之間的運勢;下停主管晚年運程,執掌51歲以後的運勢。

五官是指耳、眉、眼、嘴、鼻,十二宮是指面部不同的宮位(如圖一中的命宮),這裡就不一一詳述了。

我們将人臉照片進行面部特征點檢測,通過算法模型自動标定面部68個特征點。再通過計算這些特征點之間的距離、由特征點組成的曲線的曲率和由特征點圍成的多邊形的面積,來度量面相特征,如,鼻子的長度、眼睛的大小,眉毛的彎曲程度等。所有的計算結果都以雙瞳間距為标準進行了無量綱化處理。

我們驚奇的發現,如果對上述兩個群體的面相進行分析,确實是有一些共性的差異。

圖二展示了兩個群體鼻子長度的分布,其中有富貴命的人用綠色顯示,沒有富貴命的人用紅色顯示。兩組人的鼻長分布有明顯的差別。有富貴命的人鼻子多偏長,而沒有富貴命的人鼻子多偏短。

我們分析了幾千人的面相,竟發現……

圖二

在相面理論中,看富在鼻,鼻子是财運的象征,豐大挺拔的鼻子被認為有亨通的财運。這與我們從兩組人的人臉照片裡分析得到的結論是一緻的。

再看中停。中停指的是由眉毛到鼻頭之間的部位。一般認為,中停豐隆端峻,壽命長久,事業有成;若短小偏塌,為人不義,且愚頑驽鈍,必定破敗。什麼是豐隆端峻呢?就是中間突出,兩邊内收的輪廓。

同時我們計算了面部輪廓上由中停部位的幾個點構成的曲線的曲率,曲率越小,代表着中停越扁平;曲率越大,代表着中停越豐隆。計算結果如圖三所示。命好的人,曲率偏小,中停扁平;而命一般的人,曲率偏大,中停反而豐隆。這倒是與經典相面理論有所相悖。盡管如此,兩組人在中停的輪廓上的差異性是确實存在的。

我們分析了幾千人的面相,竟發現……

圖三

再看眼睛。眼睛因為處于中停的最上部,據說看眼可以看出一個人30歲前後的運氣。相面理論認為,眼大的人性格外向、感情豐富;眼小的人做事謹慎、精明理智。

再通過計算了由眼睛上的特征點組成的多邊形的面積,結果如圖四所示。由圖可見,兩院院士照片中眼睛偏小的多一些,居然與相面理論有吻合之後。分析到這裡我覺得很難過,因為我的眼睛不小。(畫外音:但是你臉大呀,相比起來就算小眼了!)

我們分析了幾千人的面相,竟發現……

圖四

我們還分析了其他十幾個名額,就不在這裡一一列舉了。結論是,有富貴命的人和普通人在面相上缺失存在差異,其中一部分的差異和相面理論是吻合的。

等等。說好了受過的高等教育呢?怎麼寫完文章之後就成了算命大師了?!

其實不然。不同階層的人面相上的差異是有一定的科學道理的。一個生活不如意,經常皺眉的人,他的印堂會因為布滿皺紋而沒有光澤;一個年輕時生活貧困的人,其天庭會因為營養不良而不那麼飽滿。

為什麼越有地位的人越相信面相?

最後總結發現,越是社會地位高的人,越相信面相、風水這些玄學;而受過高等教育、每天拼死累活的中産階級往往覺得努力更重要。為什麼存在這種認知上的差異?

就像玩遊戲,一開始你沒練滿級的時候,比别人多練兩級就能吊打别人。剛畢業的大學生,經過幾年奮鬥後,收入水準可以從最初的月薪1萬翻幾番。于是有人說,能力和努力很重要。

然而任何階級都有天花闆。奮鬥幾年的職場精英漸漸發現,想突破天花闆,光靠努力就不夠了,反而是“時運”比較重要。就像遊戲中,你的等級滿了,再與别人pk,實力上相差無幾,勝負往往取決于運氣。

事業做的越大,不确定性越強,越向上,運氣的成分越多。而運氣這東西,看不見、摸不着,除了面相風水算命,沒有其他方法可以把握,是以那些社會地位高的人隻好指望這些玄學了。

換句話說,在任何領域是否能混到金字塔塔尖,都不是事先理性規劃就可以搞定的,多多少少有說不清道不明的偶然性。

原文釋出時間為:2017-05-01

本文來自雲栖社群合作夥伴“大資料文摘”,了解相關資訊可以關注“bigdatadigest”微信公衆号

繼續閱讀