三分钟训练眼球追踪术，AI就知道你在盯着哪个妹子 | TensorFlow.js代码

量子位

发布于 2018-09-29 10:52:10

5.1K1

发布于 2018-09-29 10:52:10

文章被收录于专栏：量子位

圆栗子编译整理量子位出品 | 公众号 QbitAI

啊，老板的眼神飞过来了，还不快切回工作界面？

从前，我们几乎无从躲避来自身后的目光，但现在不一定了。

如果有个眼球追踪AI，加上人脸识别，或许就能在被老板盯上的瞬间，进入奋力工作模式。

戏是有点多。不过眼球追踪这件事，只要有电脑的前置摄像头，再有个浏览器，真的可以做到。

来自慕尼黑的程序猿Max Schumacher，就用TensorFlow.js做了一个模型，你看向屏幕的某一点，它就知道你在看的是哪一点了。

我来训练一把

这个模型叫Lookie Lookie，不用服务器，打开摄像头就可以在浏览器上训练，不出三分钟就能养成一只小AI。

在下试了一试。

摄像头拍到的画面就显示在屏幕左上角，脸上是绿色的轮廓，眼睛被一个红色方框框住。

收集数据的方式很简单，只要四处移动鼠标，眼睛跟着鼠标走，然后随时按下空格键，每按一次就采集一个数据点。

第一波，只要按20次空格，系统就提示，可以点击训练按钮了。

训练好之后，屏幕上出现一个绿圈圈。这时候，我的眼睛看哪里，绿圈圈都应该跟着我走的。

可它似乎有些犹豫。系统又提示：现在数据不太够，可能还没训练好，再取一些数据吧。

那好，再取个二三十张图，训练第二波。

果然，这次绿圈圈跑得自信了一些，左看右看它都驰骋 (比较) 如风。

相比之下，对于上下移动的目光，AI的反应似乎没有那么敏锐。大概是因为，电脑屏幕上下距离不够宽，眼球转动不充分吧。

不过，在训练数据如此贫乏的前提下，神经网络也算是茁壮成长了。

需要注意的是，收集数据的时候，脸不要离屏幕太远 (也不要倒立?) 。

DIY全攻略 (上) ：架子搭起来

作为一个不需要任何服务器就能训练的模型，如果要处理整幅整幅的视频截图，负担可能有些重。

所以，还是先检测人脸，再框出眼睛所在的部分。只把这个区域 (上图右一) 交给神经网络的话，任务就轻松了。

德国少年选择了clmtrackr人脸检测模型，它的优点也是跑起来轻快。

那么，先把它下下来：

https://raw.githubusercontent.com/auduno/clmtrackr/dev/build/clmtrackr.js

然后，打开一个空的html文件，导入jQuery, TensorFlow.js，clmtrackr.js，以及main.js。代码如下：

1<!doctype html>
2<html>
3<body>
4    <script src="https://code.jquery.com/jquery-3.3.1.min.js"></script>
5    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@0.12.0"></script>
6    <script src="clmtrackr.js"></script>
7    <script src="main.js"></script>
8</body>
9</html>

这样，准备活动就做好了。下面正式开始。

导出视频流

第一步，要经过你 (用户) 的同意，才能打开摄像头，渲染视频流，把画面显示在页面上。

先写这行代码 (此处默认用的是最新版本的Chrome) ：

1<video id="webcam" width="400" height="300" autoplay></video>

然后从main.js开始：

1$(document).ready(function() {
2  const video = $('#webcam')[0];
3
4  function onStreaming(stream) {
5    video.srcObject = stream;
6  }
7
8  navigator.mediaDevices.getUserMedia({ video: true }).then(onStreaming);
9});

到这里，浏览器就该问你“要不要打开摄像头”了。

找到你的脸

上文提到的clmtrackr.js人脸追踪器，这里就出场。

先在const video=…下面，初始化追踪器：

1const ctrack = new clm.tracker();
2ctrack.init();

然后，在onStreaming() 里面，加下面这句话，就能让追踪器检测视频里的人脸了：

1ctrack.start(video);

写好这几行，它应该已经能看出你的脸。不相信的话，就让它描出来。

这里需要一个绘图工具。用html里面的<canvas>标签，在视频上面重叠一张画布。

在<video>下面，写上这一串代码：

1<canvas id="overlay" width="400" height="300"></canvas>
2<style>
3    #webcam, #overlay {
4        position: absolute;
5        top: 0;
6        left: 0;
7    }
8</style>

这样，就有了跟视频尺寸一样的画布。CSS能保证画布和视频的位置完全吻合。

浏览器每做一次渲染，我们就要在画布上画点什么了。画之前，要先把之前画过的内容擦掉。

代码长这样，写在ctrack.init() 下面：

 1const overlay = $('#overlay')[0];
 2const overlayCC = overlay.getContext('2d');
 3
 4function trackingLoop() {
 5  // Check if a face is detected, and if so, track it.
 6  requestAnimationFrame(trackingLoop);
 7
 8  let currentPosition = ctrack.getCurrentPosition();
 9  overlayCC.clearRect(0, 0, 400, 300);
10
11  if (currentPosition) {
12    ctrack.draw(overlay);
13  }
14}

现在，在onStreaming() 的ctrack.starg() 后面，调用trackingLoop() 。每一帧里，它都会重新运行。

这个时候，刷新一下浏览器，你的脸上应该有一个绿色又诡异的轮廓了。

眼睛截下来

这一步，是要在眼睛周围画个矩形框。

cmltrackr很善良，除了画个轮廓之外，还有70个面部特征，我们可以选择自己需要的部分。

这里，选23、28、24、26就够了，在每个方向上，往外扩大5个像素。

然后，矩形框应该足够覆盖重要面部信息了 (不离太远、不倒立) 。

现在，再拿另外一张画布，来捕捉这个截下来的矩形。这张画布50 x 25像素即可，只要把矩形框的尺寸调一下，就能放进去：

1<canvas id="eyes" width="50" height="25"></canvas>
2<style>
3    #eyes {
4        position: absolute;
5        top: 0;
6        right: 0;
7    }
8</style>

下面这个函数，会返回 (x,y) 坐标，以及矩形的长宽。给它输入的是clmtrackr里面的位置阵列 (Position Array) ：

 1function getEyesRectangle(positions) {
 2  const minX = positions[23][0] - 5;
 3  const maxX = positions[28][0] + 5;
 4  const minY = positions[24][1] - 5;
 5  const maxY = positions[26][1] + 5;
 6
 7  const width = maxX - minX;
 8  const height = maxY - minY;
 9
10  return [minX, minY, width, height];
11}

接下来，要把矩形框提取出来。具体方法是，在第一张画布上把它描成红色，再复制到第二张画布上。

替换trackingLoop() 里面的if块：

 1if (currentPosition) {
 2  // Draw facial mask on overlay canvas:
 3  ctrack.draw(overlay);
 4
 5  // Get the eyes rectangle and draw it in red:
 6  const eyesRect = getEyesRectangle(currentPosition);
 7  overlayCC.strokeStyle = 'red';
 8  overlayCC.strokeRect(eyesRect[0], eyesRect[1], eyesRect[2], eyesRect[3]);
 9
10  // The video might internally have a different size, so we need these
11  // factors to rescale the eyes rectangle before cropping:
12  const resizeFactorX = video.videoWidth / video.width;
13  const resizeFactorY = video.videoHeight / video.height;
14
15  // Crop the eyes from the video and paste them in the eyes canvas:
16  const eyesCanvas = $('#eyes')[0];
17  const eyesCC = eyesCanvas.getContext('2d');
18
19  eyesCC.drawImage(
20    video,
21    eyesRect[0] * resizeFactorX, eyesRect[1] * resizeFactorY,
22    eyesRect[2] * resizeFactorX, eyesRect[3] * resizeFactorY,
23    0, 0, eyesCanvas.width, eyesCanvas.height
24  );
25}

现在，应该看得到眼睛周围的红色矩形框了。

DIY全攻略 (下) ：训练与测试

收集数据

眼球追踪，收集数据的方法其实有很多种。不过，让眼睛跟着鼠标走，是最简单的，随时按下空格都可以捕获一幅图像。

1 追踪鼠标

想知道鼠标每时每刻都在什么位置，就给document.onmousemove加上一个EventListener。

这样做还可以把坐标归一化 (转化到 [-1, 1] 的范围里) ：

 1// Track mouse movement:
 2const mouse = {
 3  x: 0,
 4  y: 0,
 5
 6  handleMouseMove: function(event) {
 7    // Get the mouse position and normalize it to [-1, 1]
 8    mouse.x = (event.clientX / $(window).width()) * 2 - 1;
 9    mouse.y = (event.clientY / $(window).height()) * 2 - 1;
10  },
11}
12
13document.onmousemove = mouse.handleMouseMove;

2 捕捉图像

这里要做的是，按下空格键之后的任务：从画布上捕捉图像，储存为张量。

TensorFlow.js提供了一个助手函数，叫tf.fromPixels() ，只要用它来储存第二张画布里走出的图像，然后归一化：

 1function getImage() {
 2  // Capture the current image in the eyes canvas as a tensor.
 3  return tf.tidy(function() {
 4    const image = tf.fromPixels($('#eyes')[0]);
 5    // Add a batch dimension:
 6    const batchedImage = image.expandDims(0);
 7    // Normalize and return it:
 8    return batchedImage.toFloat().div(tf.scalar(127)).sub(tf.scalar(1));
 9  });
10}

注意注意，虽然把所有数据做成一个大训练集也是可以的，但还是留一部分做验证集比较科学，比如20%。

这样，便与检测模型的性能，以及确认它没有过拟合。

以下是添加新数据点用的代码：

 1const dataset = {
 2  train: {
 3    n: 0,
 4    x: null,
 5    y: null,
 6  },
 7  val: {
 8    n: 0,
 9    x: null,
10    y: null,
11  },
12}
13
14function captureExample() {
15  // Take the latest image from the eyes canvas and add it to our dataset.
16  tf.tidy(function() {
17    const image = getImage();
18    const mousePos = tf.tensor1d([mouse.x, mouse.y]).expandDims(0);
19
20    // Choose whether to add it to training (80%) or validation (20%) set:
21    const subset = dataset[Math.random() > 0.2 ? 'train' : 'val'];
22
23    if (subset.x == null) {
24      // Create new tensors
25      subset.x = tf.keep(image);
26      subset.y = tf.keep(mousePos);
27    } else {
28      // Concatenate it to existing tensors
29      const oldX = subset.x;
30      const oldY = subset.y;
31
32      subset.x = tf.keep(oldX.concat(image, 0));
33      subset.y = tf.keep(oldY.concat(mousePos, 0));
34    }
35
36    // Increase counter
37    subset.n += 1;
38  });
39}

最后，把空格键关联进来：

1$('body').keyup(function(event) {
2  // On space key:
3  if (event.keyCode == 32) {
4    captureExample();
5
6    event.preventDefault();
7    return false;
8  }
9});

至此，只要你按下空格，数据集里就会增加一个数据点了。

训练模型

就搭个最简单的CNN吧。

TensorFlow.js里面有一个和Keras很相似的API可以用。

这个网络里，要有一个卷积层，一个最大池化，还要有个密集层，带两个输出值 (坐标) 的那种。

中间，加了一个dropout作为正则化器；还有，用flatten把2D数据降成1D。训练用的是Adam优化器。

模型代码长这样：

 1let currentModel;
 2
 3function createModel() {
 4  const model = tf.sequential();
 5
 6  model.add(tf.layers.conv2d({
 7    kernelSize: 5,
 8    filters: 20,
 9    strides: 1,
10    activation: 'relu',
11    inputShape: [$('#eyes').height(), $('#eyes').width(), 3],
12  }));
13
14  model.add(tf.layers.maxPooling2d({
15    poolSize: [2, 2],
16    strides: [2, 2],
17  }));
18
19  model.add(tf.layers.flatten());
20
21  model.add(tf.layers.dropout(0.2));
22
23  // Two output values x and y
24  model.add(tf.layers.dense({
25    units: 2,
26    activation: 'tanh',
27  }));
28
29  // Use ADAM optimizer with learning rate of 0.0005 and MSE loss
30  model.compile({
31    optimizer: tf.train.adam(0.0005),
32    loss: 'meanSquaredError',
33  });
34
35  return model;
36}

训练开始之前，要先设置一个固定的epoch数，再把批尺寸设成变量 (因为数据集很小) ：

 1function fitModel() {
 2  let batchSize = Math.floor(dataset.train.n * 0.1);
 3  if (batchSize < 4) {
 4    batchSize = 4;
 5  } else if (batchSize > 64) {
 6    batchSize = 64;
 7  }
 8
 9  if (currentModel == null) {
10    currentModel = createModel();
11  }
12
13  currentModel.fit(dataset.train.x, dataset.train.y, {
14    batchSize: batchSize,
15    epochs: 20,
16    shuffle: true,
17    validationData: [dataset.val.x, dataset.val.y],
18  });
19}

然后，在页面上做个训练按钮吧：

 1<button id="train">Train!</button>
 2<style>
 3    #train {
 4        position: absolute;
 5        top: 50%;
 6        left: 50%;
 7        transform: translate(-50%, -50%);
 8        font-size: 24pt;
 9    }
10</style>

还有JS：

 1<button id="train">Train!</button>
 2<style>
 3    #train {
 4        position: absolute;
 5        top: 50%;
 6        left: 50%;
 7        transform: translate(-50%, -50%);
 8        font-size: 24pt;
 9    }
10</style>

拉出来遛遛

绿色圈圈终于来了。AI判断你在看哪，它就出现在哪。

先写绿圈圈：

 1<div id="target"></div>
 2<style>
 3    #target {
 4        background-color: lightgreen;
 5        position: absolute;
 6        border-radius: 50%;
 7        height: 40px;
 8        width: 40px;
 9        transition: all 0.1s ease;
10        box-shadow: 0 0 20px 10px white;
11        border: 4px solid rgba(0,0,0,0.5);
12    }
13</style>

然后，想让绿圈圈动起来，就要定期把眼睛图像传给神经网络。问它你在看哪，它就回答一个坐标：

 1function moveTarget() {
 2  if (currentModel == null) {
 3    return;
 4  }
 5  tf.tidy(function() {
 6    const image = getImage();
 7    const prediction = currentModel.predict(image);
 8
 9    // Convert normalized position back to screen position:
10    const targetWidth = $('#target').outerWidth();
11    const targetHeight = $('#target').outerHeight();
12    const x = (prediction.get(0, 0) + 1) / 2 * ($(window).width() - targetWidth);
13    const y = (prediction.get(0, 1) + 1) / 2 * ($(window).height() - targetHeight);
14
15    // Move target there:
16    const $target = $('#target');
17    $target.css('left', x + 'px');
18    $target.css('top', y + 'px');
19  });
20}
21
22setInterval(moveTarget, 100);

间隔设的是100毫秒，不过也可以改的。

总之，大功告成。