帮你偷懒的“老板探测器”，简直是机器学习年底最佳应用

在漫长的无心工作的“年底”里，你们大概需要动用深度学习技能来假装好好工作：当老板快要走到身后，让电脑自动隐藏“工作不宜”的窗口。

付出这么多努力就为了工作时开个小差？

好像是的……

AHOGRAMMER发布了这样一个名为“老板传感器”的制作教程：

定义任务

这个程序的任务就是当老板接近的时候，自动隐藏“工作不宜”窗口。

老板和我的座位距离约6-7米，如果我在看“工作不宜”的东西，当老板离开座位，有4-5秒的时间切换界面。

策略

1. 用深度学习训练一个模型，让电脑能认出老板的脸。
2. 在桌上安装一个摄像头，当摄像头捕捉到老板的脸，让电脑自动隐藏“工作不宜”窗口。

老板探测器的系统架构如下：

• Camera：一个实时捕捉图像的摄像头。
• Recognize：一个训练过的模型，能识别面部特征。
• Hide Screen：如果识别的结果是老板，隐藏“工作不宜”窗口。

因此，这个系统需要以下能力：

• 拍摄脸部照片
• 识别脸部照片
• 切换电脑窗口

我们来逐个解决。

拍摄脸部照片

我选择了BUFFALO BSW20KM11BK摄像头。

摄像头有自带的拍照程序，但是考虑到后续的处理，需要在拍照时自动切出脸部图片，因此我选择用了Python和OpenCV来拍照。

得到的脸部照片质量比我预想的要好。

识别老板的脸

接下来，我们用机器学习算法让计算机认出老板的脸。分为以下三步：

1. 收集图片
2. 处理图片
3. 建立机器学习模型

让我们一步一步来看。

收集图片

首先，我们需要收集大量照片供算法学习，我用下面的收集方法：

• Google图片搜索
• Facebook上的相册
• 拍视频

起初，我通过网络搜索和Facebook收集了图片，但是数量不够，于是我又拍摄了视频，然后转换成大量的图片。

处理图片

我们收集了大量包括人脸的图片，但是学习算法还不能直接用，因为图片里包含太多不是人脸的部分。因此，我们需要把脸部剪切出来。

我主要用ImageMagick来做脸部提取的工作，得到了下面这些脸部照片：

现在可以开始学习了。

建立机器学习模型

我们用Keras来建立卷积神经网络(CNN)，然后用TensorFlow来做它的后端。如果你只想识别人脸，可以用Computer Vision API等图像识别的Web API。但是这次我决定自己写一个实时的识别。

这个网络的架构如下：

现在，当老板出现在摄像头范围内，就能自动被识别出来了。

切换电脑窗口

现在，当训练过的模型识别出老板的脸，我们需要切换窗口来假装工作：作为一个程序员，我选择切换到这张图片：

我用PyQt来全屏展示这张图片。

试用效果

老板离开座位：

OpenCV探测到人脸，把图像放进训练过的模型：

窗口自动切换到假装工作的图片啦ヽ(‘ ∇‘ )ノ ﾜｰｲ

作者 | HIRONSAN @ AHOGRAMMER编译 | 夏乙 @ AI100 题图来自Unsplash