在當(dāng)下網(wǎng)絡(luò)發(fā)達(dá)的時代，我們很難抵擋信息的沖擊，上班時間總想偷偷刷個微博、看個新聞啥的，才能走在潮流前線嘛！然而此時此刻，最怕老板悄咪咪出現(xiàn)在身后，恐怖指數(shù)可以和門外突然出現(xiàn)的班主任相比。

一身冷汗之后，手忙腳亂馬上切換屏幕！假裝努力工作！但是一切都太晚了，你的小動作都被老板看在眼里、記在心中……

所以，為了躲避老板的監(jiān)控，日本一程序員自制了一款系統(tǒng)，能識別逐漸朝你走來的老板，并且自動隱藏正在瀏覽的屏幕。

具體來說，系統(tǒng)使用了基于Keras的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)辨認(rèn)人臉，網(wǎng)絡(luò)攝像頭用于判斷目標(biāo)對象是否靠近，并基于判斷切換屏幕。以下是論智對這一項目的編譯。

任務(wù)概述

這一任務(wù)的目標(biāo)是當(dāng)老板靠近我的時候，屏幕可以自動切換到與工作有關(guān)的內(nèi)容。我和老板的位置大致如下：

從他的座位到我的座位大約有6~7米的距離，這之間只需要4~5秒的時間。所以我必須讓系統(tǒng)在幾秒內(nèi)完成一系列動作。

制定策略

首先，讓電腦通過深度學(xué)習(xí)掌握老板的臉。然后，在我的工位上設(shè)置一個攝像頭，當(dāng)捕捉到老板的臉時，屏幕可以自動切換。我將這套系統(tǒng)稱為“老板感應(yīng)器（Boss Sensor）”，簡直完美！

系統(tǒng)架構(gòu)

“老板感應(yīng)器”的簡單結(jié)構(gòu)如下：

攝像頭能實(shí)時拍攝圖像

經(jīng)過學(xué)習(xí)的模型從拍攝圖像中檢測并認(rèn)出老板的臉

確認(rèn)之后切換屏幕

簡單地說就是拍照、辨認(rèn)、轉(zhuǎn)換屏幕。讓我們一步一步的解釋。

拍攝人臉照片

在這里，我用的是BUFFALO BSW20KM11BK作為拍攝工具。

你也可以用相機(jī)自帶的軟件進(jìn)行拍攝，但是考慮到后期的處理，用自制的程序拍攝會更好。同樣，因為接下來會處理人臉識別，所以需要把畫面切割成只有人臉的部分。所以我用Python和OpenCV捕捉人臉圖像。代碼在這里：github.com/Hironsan/BossSensor/blob/master/camera_reader.py

結(jié)果我得到了比我想象中更清晰的照片。

認(rèn)出老板的臉

接下來，我們用機(jī)器學(xué)習(xí)分三步識別出老板的面容：

收集照片

對照片進(jìn)行預(yù)處理

建立機(jī)器學(xué)習(xí)模型

收集照片

首先，我需要收集大量老板的照片用作學(xué)習(xí)，其中收集方法有三種：

谷歌搜索

從Facebook搜索

拍視頻

前面兩種方法能找到的照片很少，所以我用拍攝視頻的方法，再將視頻分解成許多照片。

預(yù)處理照片

雖然我得到了大量面部圖片，但是學(xué)習(xí)模型并不能達(dá)到預(yù)期效果。這是因為照片中還有和面部無關(guān)的內(nèi)容，所以我們要裁剪掉無關(guān)內(nèi)容，只留下面部。這里我用到的是ImageMagick（www.imagemagick.org/script/index.php）。

最終收集到的面部照片如下：

現(xiàn)在要開始讓模型學(xué)習(xí)了！

建立機(jī)器學(xué)習(xí)模型

Keras用來建立卷積神經(jīng)網(wǎng)絡(luò)（CNN），TensorFlow用作Keras的后端。如果只用來識別面部，你可以請求類似Computer Vision API的網(wǎng)絡(luò)API進(jìn)行圖片識別，但是這次我決定自己DIY。

網(wǎng)絡(luò)的框架如下所示。Keras非常方便，因為它能非常容易地輸出這一結(jié)構(gòu)：

____________________________________________________________________________________________________

Layer (type) Output Shape Param # Connected to

====================================================================================================

convolution2d_1 (Convolution2D) (None, 32, 64, 64) 896 convolution2d_input_1[0][0]

____________________________________________________________________________________________________

activation_1 (Activation) (None, 32, 64, 64) 0 convolution2d_1[0][0]

____________________________________________________________________________________________________

convolution2d_2 (Convolution2D) (None, 32, 62, 62) 9248 activation_1[0][0]

____________________________________________________________________________________________________

activation_2 (Activation) (None, 32, 62, 62) 0 convolution2d_2[0][0]

____________________________________________________________________________________________________

maxpooling2d_1 (MaxPooling2D) (None, 32, 31, 31) 0 activation_2[0][0]

____________________________________________________________________________________________________

dropout_1 (Dropout) (None, 32, 31, 31) 0 maxpooling2d_1[0][0]

____________________________________________________________________________________________________

convolution2d_3 (Convolution2D) (None, 64, 31, 31) 18496 dropout_1[0][0]

____________________________________________________________________________________________________

activation_3 (Activation) (None, 64, 31, 31) 0 convolution2d_3[0][0]

____________________________________________________________________________________________________

convolution2d_4 (Convolution2D) (None, 64, 29, 29) 36928 activation_3[0][0]

____________________________________________________________________________________________________

activation_4 (Activation) (None, 64, 29, 29) 0 convolution2d_4[0][0]

____________________________________________________________________________________________________

maxpooling2d_2 (MaxPooling2D) (None, 64, 14, 14) 0 activation_4[0][0]

____________________________________________________________________________________________________

dropout_2 (Dropout) (None, 64, 14, 14) 0 maxpooling2d_2[0][0]

____________________________________________________________________________________________________

flatten_1 (Flatten) (None, 12544) 0 dropout_2[0][0]

____________________________________________________________________________________________________

dense_1 (Dense) (None, 512) 6423040 flatten_1[0][0]

____________________________________________________________________________________________________

activation_5 (Activation) (None, 512) 0 dense_1[0][0]

____________________________________________________________________________________________________

dropout_3 (Dropout) (None, 512) 0 activation_5[0][0]

____________________________________________________________________________________________________

dense_2 (Dense) (None, 2) 1026 dropout_3[0][0]

____________________________________________________________________________________________________

activation_6 (Activation) (None, 2) 0 dense_2[0][0]

====================================================================================================

Total params: 6489634

代碼在這里：github.com/Hironsan/BossSensor/blob/master/boss_train.py

目前為止，只要老板出現(xiàn)在攝像機(jī)鏡頭下，系統(tǒng)就能認(rèn)出他。

切換屏幕

現(xiàn)在，學(xué)習(xí)過的模型可以認(rèn)出老板的臉了，下一步就是切換屏幕。首先放一張假裝在工作時候的照片，因為我是程序員，所以以下是我的工作常態(tài)：

如果想全屏顯示這張圖片，可以用PyQt，代碼在這里：github.com/Hironsan/BossSensor/blob/master/image_show.py

OK，一切準(zhǔn)備就緒。

成品展示

把上面的技術(shù)結(jié)合在一起，我們的工作就完成了。接下來讓我們試驗一下。

老板離開了他的座位并向我走來

OpenCV檢測到了他的臉然后向模型中輸入了圖片

屏幕切換成功！

結(jié)論

目前我用OpenCV進(jìn)行面部識別，但是由于OpenCV的準(zhǔn)確性不高，我打算嘗試一下Dlib提高準(zhǔn)確度。我還想試一下自己訓(xùn)練的人臉檢測模型。另外，由于攝像頭捕捉到的畫面也并不準(zhǔn)確，我會對此加以改進(jìn)。

后記

目前知乎上有人已經(jīng)做出了該項目的Demo，加以改進(jìn)后可以直接把老板來了的信息發(fā)送到手機(jī)上。