如何做到老板来了就自动切换桌面（含源码）

(点击上方蓝字，快速关注我们)

来源：伯乐在线 - Ivyw

简介

当你工作的时候，肯定会浏览一些与工作无关的东西，别说你没有过。

这时被老板发现就太尴尬了。当然，我也可以马上切换桌面，但这种举动太可疑了，而且有的时候我根本没注意到老板来了。为了表现得不是那么刻意，我做了个人脸识别程序，老板过来的时候自动隐藏桌面内容。

具体来说，我用 Keras 来实现面部识别的神经网络，用网络摄像头来判断他是否正在接近，然后切换画面。

任务

这个程序的目的是在发现老板接近时自动切换电脑桌面。

场景如下：

老板和我的座位之间隔着 6、7 米，他离开座位后大概 4、5 秒钟到达我的工位。因此必须在这个时间内切换好桌面，时间紧迫！

策略

可能你们会有很多办法，以下是我的个人对策。

首先，让电脑用深度学习的技术记住老板的脸；然后在我的工位安装一个网络摄像头，一旦捕捉到老板的脸就迅速切换桌面。我认为这是个很完美的策略，姑且称它为 Boss Sensor（老板识别器）吧。

系统架构

Boss Sensor 的系统架构如下所示。

• 网络摄像头捕捉实时画面。

• 学习模型对捕捉画面的面部进行检测和识别。

• 识别出老板的面部后，切换桌面。

这个过程用到了如下技术：

• 捕捉面部画面

• 面部识别

• 切换桌面

让我们一步一步分解一下。

捕捉面部画面

首先，用网络摄像头捕捉画面。

我用的是 BUFFALO BSW20KM11BK。

你也可以用电脑软件自带的摄像头，但是考虑到接下来的步骤，最好是可以直接获得图像。由于接下来需要进行面部识别，所以需要对图像进行剪裁。我用 Python 和 OpenCV 获取面部图像。这是代码：

• BossSensor/camera_reader.py

脸部图像比预期的更清晰。

面部识别

接下来，我们用机器学习来确保电脑可以识别出老板的脸。

这个过程需要分三步：

• 图像收集

• 图像预处理

• 构建机器学习模型

让我们一步一步分解一下。

图像收集

首先，

• 从 Google 搜索图像

• 从 Facebook 收集图像

• 拍摄视频
  

最开始，我试着从网页搜索和 Facebook 收集图像，但数量远远不够。后来我拍摄了一段视频并把视频分解成无数个图像。

图像预处理

我收集到了足够多的图片，但是里面除去面部还有很多无关的部分，所以学习模型无法准确识别。我们把面部单独剪裁出来即可。

我主要使用 ImageMagick 进行提取。通过 ImageMagick 切割来获得面部图像。

• ImageMagick

然后我收集到了如下的面部图像：

可能我是世界上收藏老板照片最多的人，估计比他爸妈还要多。

接下来构建学习模型。

构建机器学习模型

我用 Keras 来搭建卷积神经网络（CNN），CNN 可以用来进行训练。Keras 的后端使用了 TensorFlow。如果你只需要识别面部，可以调用 Web API 进行图像识别，如 Cognitive Services 中的 Computer Vision API，但是考虑到实时性，我决定自己编写。

以下是网络的架构。Keras 可以很方便地展示出架构。

================================

Layer (type)                     Output Shape          Param #     Connected to

================================

convolution2d_1 (Convolution2D)  (None, 32, 64, 64)    896         convolution2d_input_1[0][0]

activation_1 (Activation)        (None, 32, 64, 64)    0           convolution2d_1[0][0]

convolution2d_2 (Convolution2D)  (None, 32, 62, 62)    9248        activation_1[0][0]

activation_2 (Activation)        (None, 32, 62, 62)    0           convolution2d_2[0][0]

maxpooling2d_1 (MaxPooling2D)    (None, 32, 31, 31)    0           activation_2[0][0]

dropout_1 (Dropout)              (None, 32, 31, 31)    0           maxpooling2d_1[0][0]

convolution2d_3 (Convolution2D)  (None, 64, 31, 31)    18496       dropout_1[0][0]

activation_3 (Activation)        (None, 64, 31, 31)    0           convolution2d_3[0][0]

convolution2d_4 (Convolution2D)  (None, 64, 29, 29)    36928       activation_3[0][0]

activation_4 (Activation)        (None, 64, 29, 29)    0           convolution2d_4[0][0]

maxpooling2d_2 (MaxPooling2D)    (None, 64, 14, 14)    0           activation_4[0][0]

dropout_2 (Dropout)              (None, 64, 14, 14)    0           maxpooling2d_2[0][0]

flatten_1 (Flatten)              (None, 12544)         0           dropout_2[0][0]

dense_1 (Dense)                  (None, 512)           6423040     flatten_1[0][0]

activation_5 (Activation)        (None, 512)           0           dense_1[0][0]

dropout_3 (Dropout)              (None, 512)           0           activation_5[0][0]

dense_2 (Dense)                  (None, 2)             1026        dropout_3[0][0]

activation_6 (Activation)        (None, 2)             0           dense_2[0][0]

===============================

Total params: 6489634

这是代码：

• BossSensor/boss_train.py

现在，如果老板出现在摄像机镜头里就可以被识别出来了。

切换桌面

当学习模型识别出老板在接近后，就需要切换桌面了。我选择了下面这张图像来假装我在工作。

选择这样的图片是因为我是个程序员。

我展示的仅仅是一张图片。

我希望图片可以全屏展示，所以使用了 PyQt，代码如下：

• BossSensor/image_show.py

万事俱备了。

成品

把上面的技术整合起来就大功告成了，我已经试验过了。

“老板离开座位后向我靠近。”

“OpenCV 检测到了老板的面部并把信息传送给学习模型。”

“确定是老板后迅速切换桌面！ヽ(‘ ∇‘ )ノ ﾜｰｲ”

源代码

Boss Sensor 的源代码下载链接如下：

• BossSensor：https://github.com/Hironsan/BossSensor

记得zan我哦ｍ(_ _)ｍ

结论

这一次，我把 Web 相机的实时图像采集和 Keras 的面部识别结合起来，成功地识别老板并隐藏桌面。

目前，我用 OpenCV 进行面部检测，但由于 OpenCV 中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。另外，我还想尝试一下自己的面部检测模型。

由于对从网络摄像机获取的图像的识别精度不太好，我还会做些改进。

看完本文有收获？请分享给更多人

关注「程序员的那些事」，编程更有趣