如何做到老板来了就自动切换桌面(含源码)

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:

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:

  1. 图像收集
  2. 图像预处理
  3. 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。

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。

这是代码:

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:

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

记得赞我哦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。

如果你喜欢这篇文章,欢迎转发或分享 ↓

打赏支持我翻译更多好文章,谢谢!

打赏译者

打赏支持我翻译更多好文章,谢谢!

14 15 收藏 18 评论

关于作者:Ivyw

相关文章

可能感兴趣的话题



直接登录
最新评论
跳到底部
返回顶部