幫你偷懶的“老闆探測器”，簡直是機器學習年底最佳應用

在漫長的無心工作的“年底”裡，你們大概需要動用深度學習技能來假裝好好工作：當老闆快要走到身後，讓電腦自動隱藏“工作不宜”的視窗。

付出這麼多努力就為了工作時開個小差？

好像是的……

AHOGRAMMER釋出了這樣一個名為“老闆感測器”的製作教程：

定義任務

這個程式的任務就是當老闆接近的時候，自動隱藏“工作不宜”視窗。

老闆和我的座位距離約6-7米，如果我在看“工作不宜”的東西，當老闆離開座位，有4-5秒的時間切換介面。

策略

1.用深度學習訓練一個模型，讓電腦能認出老闆的臉。

2.在桌上安裝一個攝像頭，當攝像頭捕捉到老闆的臉，讓電腦自動隱藏“工作不宜”視窗。

老闆探測器的系統架構如下：

• Camera：一個實時捕捉影像的攝像頭。
  

• Recognize：一個訓練過的模型，能識別面部特徵。
  

• Hide Screen：如果識別的結果是老闆，隱藏“工作不宜”視窗。
  

因此，這個系統需要以下能力：

• 拍攝臉部照片
  
• 識別臉部照片
  

• 切換電腦視窗
  

我們來逐個解決。

拍攝臉部照片

我選擇了BUFFALO BSW20KM11BK攝像頭。

攝像頭有自帶的拍照程式，但是考慮到後續的處理，需要在拍照時自動切出臉部圖片，因此我選擇用了Python和OpenCV來拍照。

得到的臉部照片質量比我預想的要好。

識別老闆的臉

接下來，我們用機器學習演算法讓計算機認出老闆的臉。分為以下三步：

1. 收集圖片
   
2. 處理圖片
   
3. 建立機器學習模型
   

讓我們一步一步來看。

收集圖片

首先，我們需要收集大量照片供演算法學習，我用下面的收集方法：

• Google圖片搜尋
  
• Facebook上的相簿
  
• 拍視訊
  

起初，我通過網路搜尋和Facebook收集了圖片，但是數量不夠，於是我又拍攝了視訊，然後轉換成大量的圖片。

處理圖片

我們收集了大量包括人臉的圖片，但是學習演算法還不能直接用，因為圖片裡包含太多不是人臉的部分。因此，我們需要把臉部剪下出來。

我主要用ImageMagick來做臉部提取的工作，得到了下面這些臉部照片：

現在可以開始學習了。

建立機器學習模型

我們用Keras來建立卷積神經網路(CNN)，然後用TensorFlow來做它的後端。如果你只想識別人臉，可以用Computer Vision API等影像識別的Web API。但是這次我決定自己寫一個實時的識別。

這個網路的架構如下：

現在，當老闆出現在攝像頭範圍內，就能自動被識別出來了。

切換電腦視窗

現在，當訓練過的模型識別出老闆的臉，我們需要切換視窗來假裝工作：作為一個程式設計師，我選擇切換到這張圖片：

我用PyQt來全屏展示這張圖片。

試用效果

老闆離開座位：

OpenCV探測到人臉，把影像放進訓練過的模型：

視窗自動切換到假裝工作的圖片啦ヽ(‘ ∇‘ )ノ ﾜｰｲ

作者 | HIRONSAN @ AHOGRAMMER編譯 | 夏乙 @ AI100


題圖來自Unsplash