原來知乎也會犯這樣問題：

原文地址：

http://www.techug.com/hironsan-bosssensor?utm_source=tuicool&utm_medium=referral

知乎地址：只是題目不一樣

https://zhuanlan.zhihu.com/p/24809159?utm_source=tuicool&utm_medium=referral

如果上班的時候想放鬆一下，或者直說想偷偷懶，看點和工作無關的網頁，這時候萬一老闆突然出現在背後，會不會感到很難堪呢？

有的瀏覽器設定了boss按鍵，手快的人還可以切換螢幕，不過總會顯得不自然，而且經常搞的手忙腳亂的。

一個日本程式設計師決定自己動手，編寫一個一勞永逸的辦法，我們來看看他是怎麼實現的吧~

任務是這樣的

當老闆接近我的工位時，電腦就會自動切換螢幕

辦公室的情況如下：

從老闆的座位到我的座位大約6~7米，他會在離開座位後4到5秒鐘到達我的座位，因此，需要在這之前隱藏螢幕，所以時間比較緊迫。

策略

首先需要讓電腦完成對老闆面部的深度學習。然後在我的辦公桌上擺上一個網路攝像頭，讓攝像頭對著通道，當網路攝像頭捕捉到老闆的臉時就切換螢幕。

嗯，這是一個完美的專案。先取一個好名字，就叫Boss Sensor（老闆探測器）好了。

Boss Sensor的簡單結構圖如下：

處理過程分為三步：

• 網路攝像頭實時拍攝影象
• 學習模型檢測和識別所拍攝影象的人臉
• 如果識別結果是老闆則切換螢幕

所需要的技術實現只有三項：

• 拍攝人臉影象
• 識別人臉影象
• 切換螢幕

一步步完成之後整合就可以了。

拍攝人臉影象

首先找一個網路攝像頭，我用的是BUFFALO BSW20KM11BK攝像頭，大家隨便找個清晰度夠的就可以了。

最好不要用相機自帶的識別軟體裁剪人臉，因為後面的深度學習過程還需要處理。所以，我用Python和OpenCV編寫了一段裁剪人臉影象的指令碼，程式碼在這裡下載：

https://github.com/Hironsan/BossSensor/blob/master/camera_reader.py

偷拍到的人臉影象比我之前設想的更清楚▼

識別人臉影象

接下來，要用機器學習教會電腦識別老闆的臉。

我們需要以下三個步驟：

• 採集影象
• 影象預處理
• 建立機器學習模型

讓我們一個接一個看一下。

採集影象

首先，需要收集大量的圖片供電腦學習。一般來說有三種大量收集圖片的方法：

• 谷歌圖片搜尋
• Facebook的影象採集
• 從視訊裡截圖

一開始，我像電影裡的特工一樣收集了各種搜尋引擎上的老闆照片，還有Facebook上老闆自己上傳的照片，但說實話，沒有收集到足夠的影象。所以，反正老闆就在身邊，我就簡單粗暴的拍攝了一段他的視訊，然後把視訊分解成大量的影象。

影象預處理

現在我有很多人臉影象了，但還不能拿它們來建立學習模型，必須要裁剪掉與臉部不相關的部分。

我使用ImageMagick來提取人臉，你可以用別的影象軟體來做。

總之，最後我收集了大量的人臉影象，就像這樣: ▼

估計我是全世界擁有最多老闆頭像的人了，肯定比他爸爸媽媽要多的多。

現在可以準備機器學習了。

建立機器學習模型

Keras框架用來建立卷積神經網路和神經網路培訓。Tensorflow用來寫Keras的後端。如果只識別臉部的話，可以呼叫一些Web API比如微軟的Computer Vision API，但這次我決定自己來實現，因為這個專案需要確保實時性。

網路體系結構大體如下，Keras非常方便，它可以很輕鬆的輸出這樣的結構: ▼

程式碼在這裡下載：

https://github.com/Hironsan/BossSensor/blob/master/boss_train.py

至此，只要老闆出現在攝像頭中，我就可以識別出他來了。

切換螢幕

最後一步，很簡單，學習模型識別出老闆的臉之後，把電腦螢幕換掉就好了。

我是程式設計師，所以我準備了這樣一張圖：▼

電腦上只顯示這張圖片，這樣就可以假裝我在認真工作了。

這張圖需要全屏顯示，所以我呼叫了PyQt庫，程式碼在這裡下載：

https://github.com/Hironsan/BossSensor/blob/master/image_show.py

一切工作都完成了。

成品

最後把分別實現的技術整合起來並驗證，真的成功了！

“現在老闆離開了座位，正走向我的工位。”▼

“OpenCV已經檢測出人臉，將人臉影象傳送給學習模型。”▼

“學習模型認出了他，螢幕自動切換。ヽ(‘ ∇‘ )ノ”▼

原始碼

這就是我的Boss Sensor，全部的原始碼都放在github上了，可以在這裡下載（也可點選“閱讀原文”下載：https://github.com/Hironsan/BossSensor

總結

結合網路攝像頭的實時影象採集和Keras深度學習框架，確實可以完成人臉識別。
在實踐過程中，我發現OpenCV的影象精度不夠高，雖然不影響識別，但我準備改用Dlib來提高精度，另外我想自己編寫人臉檢測訓練模型。

網路攝像頭獲取的影象不夠清晰，我準備換個攝像頭。

唉，坑還是越挖越深啊~