厉害了，利用深度学习开发老板探测器(附源码)
- - IT瘾-bigdata深度学习如果上班的时候想放松一下，或者直说想偷偷懒，看点和工作无关的网页，这时候万一老板突然出现在背后，会不会感到很难堪呢?. 有的浏览器设置了boss按键，手快的人还可以切换屏幕，不过总会显得不自然，而且经常搞的手忙脚乱的. 一个日本程序员决定自己动手，编写一个一劳永逸的办法，我们来看看他是怎么实现的吧~.
厉害了，利用深度学习开发老板探测器(附源码)
标签：
bigdata
| 发表时间：2017-01-10 08:00 | 作者：
出处：http://itindex.net/admin/pagedetail
文 | 程序师
深度学习如果上班的时候想放松一下，或者直说想偷偷懒，看点和工作无关的网页，这时候万一老板突然出现在背后，会不会感到很难堪呢?
有的浏览器设置了boss按键，手快的人还可以切换屏幕，不过总会显得不自然，而且经常搞的手忙脚乱的。
一个日本程序员决定自己动手，编写一个一劳永逸的办法，我们来看看他是怎么实现的吧~
思路很直接：用网络摄像头自动识别在工位通道走过的人脸，如果确认是老板的话，就用一张写满了代码的截图覆盖到整个屏幕上。 整个工程中应用了Keras深度学习框架来建立识别人脸的神经网络，和一个网络摄像头用来捕捉老板的人脸。
任务是这样的：
当老板接近我的工位时，电脑就会自动切换屏幕
办公室的情况如下：
从老板的座位到我的座位大约6~7米，他会在离开座位后4到5秒钟到达我的座位，因此，需要在这之前隐藏屏幕，所以时间比较紧迫。
策略
首先需要让电脑完成对老板面部的深度学习。然后在我的办公桌上摆上一个网络摄像头，让摄像头对着通道，当网络摄像头捕捉到老板的脸时就切换屏幕。
嗯，这是一个完美的项目。先取一个好名字，就叫Boss Sensor(老板探测器)好了。
Boss Sensor的简单结构图如下：
处理过程分为三步：
- 网络摄像头实时拍摄图像
- 学习模型检测和识别所拍摄图像的人脸
- 如果识别结果是老板则切换屏幕
所需要的技术实现只有三项：
- 拍摄人脸图像
- 识别人脸图像
- 切换屏幕
一步步完成之后整合就可以了。
拍摄人脸图像
首先找一个网络摄像头，我用的是BUFFALO BSW20KM11BK摄像头，大家随便找个清晰度够的就可以了。
最好不要用相机自带的识别软件裁剪人脸，因为后面的深度学习过程还需要处理。所以，我用Python和OpenCV编写了一段裁剪人脸图像的脚本， 代码在这里下载>>>
偷拍到的人脸图像比我之前设想的更清楚
识别人脸图像
接下来，要用机器学习教会电脑识别老板的脸。
我们需要以下三个步骤：
- 采集图像
- 图像预处理
- 建立机器学习模型
让我们一个接一个看一下。
采集图像
首先，需要收集大量的图片供电脑学习。一般来说有三种大量收集图片的方法：
- 谷歌图片搜索
- Facebook的图像采集
- 从视频里截图
一开始，我像电影里的特工一样收集了各种搜索引擎上的老板照片，还有Facebook上老板自己上传的照片，但说实话，没有收集到足够的图像。所以，反正老板就在身边，我就简单粗暴的拍摄了一段他的视频，然后把视频分解成大量的图像。
图像预处理
现在我有很多人脸图像了，但还不能拿它们来建立学习模型，必须要裁剪掉与脸部不相关的部分。
我使用ImageMagick来提取人脸，你可以用别的图像软件来做。
总之，最后我收集了大量的人脸图像，就像这样:
估计我是全世界拥有最多老板头像的人了，肯定比他爸爸妈妈要多的多。
现在可以准备机器学习了。
建立机器学习模型
Keras框架用来建立卷积神经网络和神经网络培训。Tensorflow用来写Keras的后端。如果只识别脸部的话，可以调用一些Web API比如微软的Computer Vision API，但这次我决定自己来实现，因为这个项目需要确保实时性。
网络体系结构大体如下，Keras非常方便，它可以很轻松的输出这样的结构:
至此，只要老板出现在摄像头中，我就可以识别出他来了。
切换屏幕
最后一步，很简单，学习模型识别出老板的脸之后，把电脑屏幕换掉就好了。
我是程序员，所以我准备了这样一张图：
电脑上只显示这张图片，这样就可以假装我在认真工作了。
这张图需要全屏显示，所以我调用了PyQt库， 代码在这里下载>>>
一切工作都完成了。
成品
最后把分别实现的技术整合起来并验证，真的成功了!
“现在老板离开了座位，正走向我的工位。”
“OpenCV已经检测出人脸，将人脸图像发送给学习模型。”
“学习模型认出了他，屏幕自动切换。ヽ(‘ ∇‘ )ノ”
这就是我的Boss Sensor，全部的源码都放在github上了，可以在 这里下载>>>
总结
结合网络摄像头的实时图像采集和Keras深度学习框架，确实可以完成人脸识别。
在实践过程中，我发现OpenCV的图像精度不够高，虽然不影响识别，但我准备改用Dlib来提高精度，另外我想自己编写人脸检测训练模型。
网络摄像头获取的图像不够清晰，我准备换个摄像头。
唉，坑还是越挖越深啊~
36大数据(www.36dsj.com)成立于2013年5月，是中国访问量最大的大数据网站。36大数据(微信号:dashuju36)以独立第三方的角度，为大数据产业生态图谱上的需求商 、应用商、服务商、技术解决商等相关公司及从业人员提供全球资讯、商机、案例、技术教程、项目对接、创业投资及专访报道等服务。
End.
转载请注明来自36大数据（36dsj.com)： 36大数据» 厉害了，利用深度学习开发老板探测器(附源码)
相关 [利用 深度学习 开发] 推荐：
利用深度学习解决直播支付风控
- - 五四陈科学院以下内容由 [五四陈科学院]提供. 在直播软件中，典型的过程是A用户充值，送花给B用户，B用户提现. 正是有这样一条变现的道路，无数盗刷、退款、36技术的黑产人盯上了直播，报道见到映客的损失一度到了300万人民币(本文价值至少300万了:P). 外链 https://www.douban.com/group/topic/89441680/.
是什么给了150万开发者拥抱深度学习的底气？
- - 雷锋网在企业数字化转型的浪潮中，对于AI等新技术的应用，先进与落后的企业之间，会有多大的差异. 与南方电网广东能源技术公司过去一年的合作中，百度为其提供全方位的AI支持，更多地解决了堪称“苛刻”的业务场景诉求. 这个案例，仅是百度AI在电力能源行业的一次成功下探，其背后，却离不开作为时下国内广受企业级开发者追捧的开源深度学习平台“飞桨”（PaddlePaddle）的支持.
深度学习二三事
- - FreeBuf.COM | 关注黑客与极客我知道博客标题中使用否定词很奇怪，但是前几天有一波讨论正好相应于我正在思考的一些问题. 这一切开始于 Jeff Leek 发表的 一篇有关说明在小样本范围内使用深度学习的文章. 要言之，他认为当样本较小时（生物领域中属于常见现象），带有少许参数的线性模型甚至比带有少量层和隐藏单元的深度网络性能更优.
关于深度学习——Deep Learning
- - 互联网旁观者转载自： http://blog.csdn.net/abcjennifer/article/details/7826917. Deep
Learning是机器学习中一个非常接近AI的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，最近研究了机器学习中一些深度学习的相关知识，本文给出一些很有用的资料和心得.
深度学习的本质探究？？
- - ITeye博客原创 2016-10-07 朱洁 . 标志型事件，阿尔法围棋（AlphaGo）战胜李世石. alphago是一款围棋人工智能程序，由谷歌（Google）旗下DeepMind公司的戴维·西尔弗、艾佳·黄和戴密斯·哈萨比斯与他们的团队开发，这个程序利用“价值网络”去计算局面，用“策略网络”去选择下子. 2015年10月阿尔法围棋以5:0完胜欧洲围棋冠军、职业二段选手樊麾；2016年3月对战世界围棋冠军、职业九段选手李世石，并以4:1的总比分获胜.
深度学习利器：TensorFlow实战
- - 孟飞阳的博客深度学习及TensorFlow简介. 深度学习目前已经被应用到图像识别，语音识别，自然语言处理，机器翻译等场景并取得了很好的行业应用效果. 至今已有数种深度学习框架，如TensorFlow、Caffe、Theano、Torch、MXNet，这些框架都能够支持深度神经网络、卷积神经网络、深度信念网络和递归神经网络等模型.
深度学习三大框架对比
- -| 导语 Science is NOT a battle, it is a collaboration. 人工智能的浪潮正席卷全球，诸多词汇时刻萦绕在我们的耳边，如人工智能，机器学习，深度学习等. “人工智能”的概念早在1956年就被提出，顾名思义用计算机来构造复杂的，拥有与人类智慧同样本质特性的机器.
Nimbus: Hulu的深度学习平台
- - 董的博客Hulu是美国领先的互联网专业视频服务平台，目前在美国拥有超过2500万付费用户. Hulu的目标是帮助用户在任意时刻、任何地点、以任何方式查找并欣赏到高质量的电视剧、电影和电视直播. 实现这一目标离不开各个团队的努力，而AI在其中扮演者越来越重要的角色. 在Hulu, 我们拥有诸多的researcher团队，如广告团队，推荐团队，视频理解团队等ji等.
深度学习大牛Bengio教授在Reddit吐槽
- - 博客园_新闻 Deep Learning 界的三架马车，目前 Geoffrey Hinton 已被 Google 收编， Yann LeCun 已被 Facebook 收编，还留在学术界的 Yoshua Bengio 最近心情好，在 reddit 上定期回答问题. 我抽取了一些比较有料的观点在下面，希望对大家了解这方面有帮助（再不上船可就晚了）.