幫你偷懶的「老闆探測器」，簡直是機器學習年末最佳應用

在漫長的無意工做的「年末」裏，大家大概須要動用深度學習技能來僞裝好好工做：當老闆快要走到身後，讓電腦自動隱藏「工做不宜」的窗口。

付出這麼多努力就爲了工做時開個小差？

好像是的……

AHOGRAMMER發佈了這樣一個名爲「老闆傳感器」的製做教程：

定義任務

這個程序的任務就是當老闆接近的時候，自動隱藏「工做不宜」窗口。

老闆和個人座位距離約6-7米，若是我在看「工做不宜」的東西，當老闆離開座位，有4-5秒的時間切換界面。

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「工做不宜」窗口。

老闆探測器的系統架構以下：

• Camera：一個實時捕捉圖像的攝像頭。
  

• Recognize：一個訓練過的模型，能識別面部特徵。
  

• Hide Screen：若是識別的結果是老闆，隱藏「工做不宜」窗口。
  

所以，這個系統須要如下能力：

• 拍攝臉部照片
  
• 識別臉部照片
  

• 切換電腦窗口
  

咱們來逐個解決。

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序，可是考慮到後續的處理，須要在拍照時自動切出臉部圖片，所以我選擇用了Python和OpenCV來拍照。

獲得的臉部照片質量比我預想的要好。

識別老闆的臉

接下來，咱們用機器學習算法讓計算機認出老闆的臉。分爲如下三步：

1. 收集圖片
   
2. 處理圖片
   
3. 創建機器學習模型
   

讓咱們一步一步來看。

收集圖片

首先，咱們須要收集大量照片供算法學習，我用下面的收集方法：

• Google圖片搜索
  
• Facebook上的相冊
  
• 拍視頻
  

起初，我經過網絡搜索和Facebook收集了圖片，可是數量不夠，因而我又拍攝了視頻，而後轉換成大量的圖片。

處理圖片

咱們收集了大量包括人臉的圖片，可是學習算法還不能直接用，由於圖片裏包含太多不是人臉的部分。所以，咱們須要把臉部剪切出來。

我主要用ImageMagick來作臉部提取的工做，獲得了下面這些臉部照片：

如今能夠開始學習了。

創建機器學習模型

咱們用Keras來創建卷積神經網絡(CNN)，而後用TensorFlow來作它的後端。若是你只想識別人臉，能夠用Computer Vision API等圖像識別的Web API。可是此次我決定本身寫一個實時的識別。

這個網絡的架構以下：

如今，當老闆出如今攝像頭範圍內，就能自動被識別出來了。

切換電腦窗口

如今，當訓練過的模型識別出老闆的臉，咱們須要切換窗口來僞裝工做：做爲一個程序員，我選擇切換到這張圖片：

我用PyQt來全屏展現這張圖片。

試用效果

老闆離開座位：

OpenCV探測到人臉，把圖像放進訓練過的模型：

窗口自動切換到僞裝工做的圖片啦ヽ(‘ ∇‘ )ノ ﾜｰｲ

做者 | HIRONSAN @ AHOGRAMMER編譯 | 夏乙 @ AI100 題圖來自Unsplash