厲害了，利用深度學習開發老板探測器（附源碼）
如果上班的時候想放松一下，或者直說想偷偷懶，看點和工作無關的網頁，這時候萬一老板突然出現在背后，會不會感到很難堪呢？
有的瀏覽器設置了boss按鍵，手快的人還可以切換屏幕，不過總會顯得不自然，而且經常搞的手忙腳亂的。
一個日本程序員決定自己動手，編寫一個一勞永逸的辦法，我們來看看他是怎么實現的吧~
思路很直接：用網絡攝像頭自動識別在工位通道走過的人臉，如果確認是老板的話，就用一張寫滿了代碼的截圖覆蓋到整個屏幕上。 整個工程中應用了Keras深度學習框架來建立識別人臉的神經網絡，和一個網絡攝像頭用來捕捉老板的人臉。
任務是這樣的
當老板接近我的工位時，電腦就會自動切換屏幕
辦公室的情況如下：
從老板的座位到我的座位大約6~7米，他會在離開座位后4到5秒鐘到達我的座位，因此，需要在這之前隱藏屏幕，所以時間比較緊迫。
策略
首先需要讓電腦完成對老板面部的深度學習。然后在我的辦公桌上擺上一個網絡攝像頭，讓攝像頭對著通道，當網絡攝像頭捕捉到老板的臉時就切換屏幕。
嗯，這是一個完美的項目。先取一個好名字，就叫Boss Sensor（老板探測器）好了。
Boss Sensor的簡單結構圖如下：
處理過程分為三步：
- 網絡攝像頭實時拍攝圖像
- 學習模型檢測和識別所拍攝圖像的人臉
- 如果識別結果是老板則切換屏幕
所需要的技術實現只有三項：
- 拍攝人臉圖像
- 識別人臉圖像
- 切換屏幕
一步步完成之后整合就可以了。
拍攝人臉圖像
首先找一個網絡攝像頭，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件裁剪人臉，因為后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圖像的腳本，代碼在這里下載：
https://github.com/Hironsan/BossSensor/blob/master/camera_reader.py
偷拍到的人臉圖像比我之前設想的更清楚▼
識別人臉圖像
接下來，要用機器學習教會電腦識別老板的臉。
我們需要以下三個步驟：
- 采集圖像
- 圖像預處理
- 建立機器學習模型
讓我們一個接一個看一下。
采集圖像
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：
- 谷歌圖片搜索
- 非死book的圖像采集
- 從視頻里截圖
一開始，我像電影里的特工一樣收集了各種搜索引擎上的老板照片，還有非死book上老板自己上傳的照片，但說實話，沒有收集到足夠的圖像。所以，反正老板就在身邊，我就簡單粗暴的拍攝了一段他的視頻，然后把視頻分解成大量的圖像。
圖像預處理
現在我有很多人臉圖像了，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，你可以用別的圖像軟件來做。
總之，最后我收集了大量的人臉圖像，就像這樣: ▼
估計我是全世界擁有最多老板頭像的人了，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絡和神經網絡培訓。Tensorflow用來寫Keras的后端。如果只識別臉部的話，可以調用一些Web API比如微軟的Computer Vision API，但這次我決定自己來實現，因為這個項目需要確保實時性。
網絡體系結構大體如下，Keras非常方便，它可以很輕松的輸出這樣的結構: ▼
代碼在這里下載：
https://github.com/Hironsan/BossSensor/blob/master/boss_train.py
至此，只要老板出現在攝像頭中，我就可以識別出他來了。
切換屏幕
最后一步，很簡單，學習模型識別出老板的臉之后，把電腦屏幕換掉就好了。
我是程序員，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，所以我調用了PyQt庫，代碼在這里下載：
https://github.com/Hironsan/BossSensor/blob/master/image_show.py
一切工作都完成了。
成品
最后把分別實現的技術整合起來并驗證，真的成功了！
“現在老板離開了座位，正走向我的工位。”▼
“OpenCV已經檢測出人臉，將人臉圖像發送給學習模型。”▼
“學習模型認出了他，屏幕自動切換。ヽ(‘ ?‘ )ノ”▼
總結
結合網絡攝像頭的實時圖像采集和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的圖像精度不夠高，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。
網絡攝像頭獲取的圖像不夠清晰，我準備換個攝像頭。
唉，坑還是越挖越深啊~