在你上司靠近你座位时，用人脸识别技术及时屏幕切换
机器学习小项目，开放所有源码，手把手教你：在你上司靠近你座位时，用人脸识别技术及时屏幕切换。
以下「我」皆代表原作者。
当你工作时，你会浏览一些和工作无关的内容吧？
这时刻如果你老板正好在你身后，我就问你，你尴不尴尬？当然了，你可以用多年训练出的手速飞快的切换屏幕，但是这样往往也欲盖弥彰。
所以，为了防止老板看到我开小差，我创建了一个系统，自动识别他的脸并切换屏幕伪装成工作的样子。深度学习使你能够在老板接近时隐藏屏幕！
具体来说，用 实现神经网络，认出他的脸，用网络摄像头识别他在接近，然后自动切换屏幕。
任务
任务是当老板接近，自动切换屏幕，具体情况如下：
老板据我 6 ~ 7 米，他离开座位后，4 ~ 5 秒就能到达我的位置，所以我没有什么反应时间来人工切换。
战术
我的战术是「跟踪」。
计算机通过深度学习记住老板的脸
网络摄像机捕捉到他脸
电脑瞬间切换屏幕
完美，我称这个系统为「Boss 反侦察系统」（Boss Sensor）。
系统架构
Boss 反侦察系统的简单系统架构如下：
网络摄像头实施捕捉影像
学习模型侦测，识别捕捉的影像
发现 Boss 来了，实现切换屏幕
实现以上的操作需要如下技术：
面部图像抓取
图像识别
切换屏幕
Ok，开搞。
面部图像抓取
为了抓取图像，我搞了个网络摄像机。
我们通过网络摄像机获取图像，由于我们是用来面部识别的，所以只需要截取脸部这个范围即可。我使用 Python 和 OpenCV 来拍摄脸部图像，代码如下：
（https://github.com/Hironsan/BossSensor/blob/master/camera_reader.py）
我获得了比我预期更清楚的图片。
认识 Boss 的脸
接下来，我们使用机器学习，使计算机能够识别老板的脸。我们需要以下三个步骤：
收集图像
预处理图像
构建机器学习模型
让我们一一看看这些怎么实现。
收集图像
我要收集 Boss 各种各样的面部图像，我采取三个方法：
Google 图片
Facebook 上 Boss 的图片
视频截图
但是图片还是太少，样本不够，所以我就用我的网络摄像头盯着老板拍摄，然后截图，得到了足够多的，不同角度的图片。
预处理图像
搞到了好多的图片，用 可以很轻松的截取头部图片。以下是我的收集：
也许我是世上拥有老板面孔照片最多的人，比他妈还多。
下面要开始让机器学习了。
构建机器学习模型
Keras 用于建立 并让 CNN 受训。
TensorFlow 用于 Keras 的后端。如果你只识别面部，你可以调用 Web API 进行图像识别，如 Cognitive Services 中的 ，但是这次我决定自己实现实时性。
网络具有以下架构。Keras很方便，因为它可以轻松地输出架构。
源码在此奉上：
（https://github.com/Hironsan/BossSensor/blob/master/boss_train.py）
到目前为止，我的计算机已经可以认出老板了。
切换屏幕
现在，学习模型已经能够识别老板的脸了，接下来就要切换屏幕了。
这时候，我们要假装在工作。作为一个程序员，我截了张图：
（https://github.com/Hironsan/BossSensor/blob/master/image_show.py）
现在，万事俱备，只差老板了。
最终产品
一旦我们整合已经验证的技术，我们就完成了。我真的对老板试过了。ԅ(¯﹃¯ԅ)
我老板从他的座位上起身往我这边走：OpenCV 已经检测到面部并将图像输入到学习模型中。
然后我的屏幕瞬间切换，成功！(*ﾉ´□`)ﾉ
源码
你可以下载到全部「Boss 反侦查系统的源码」
（https://github.com/Hironsan/BossSensor）
总结
这个项目，我结合了从 Web 相机的实时图像采集和面部识别，到使用 Keras 识别我的老板和切换屏幕。
目前，我用 OpenCV 检测面部，但由于 OpenCV 中的面部检测的准确性似乎不太好，我想尝试使用 Dlib 来提高准确性。最后，极光日报靠谱，可以关注一下。
原文：
广 告