在漫长的无心工作的“年底”里，你们大概需要动用深度学习技能来假装好好工作：当老板快要走到身后，让电脑自动隐藏“工作不宜”的窗口。付出这么多努力就为了工作时开个小差？
好像是的……
AHOGRAMMER发布了这样一个名为“老板传感器”的制作教程：
定义任务
这个程序的任务就是当老板接近的时候，自动隐藏“工作不宜”窗口。
老板和我的座位距离约6-7米，如果我在看“工作不宜”的东西，当老板离开座位，有4-5秒的时间切换界面。
策略
1.用深度学习训练一个模型，让电脑能认出老板的脸。
2.在桌上安装一个摄像头，当摄像头捕捉到老板的脸，让电脑自动隐藏“工作不宜”窗口。
老板探测器的系统架构如下：
- Camera：一个实时捕捉图像的摄像头。
- Recognize：一个训练过的模型，能识别面部特征。
- Hide Screen：如果识别的结果是老板，隐藏“工作不宜”窗口。
因此，这个系统需要以下能力：
- 拍摄脸部照片
- 识别脸部照片
- 切换电脑窗口
拍摄脸部照片
我选择了BUFFALO BSW20KM11BK摄像头。
摄像头有自带的拍照程序，但是考虑到后续的处理，需要在拍照时自动切出脸部图片，因此我选择用了Python和OpenCV来拍照。
得到的脸部照片质量比我预想的要好。
识别老板的脸
接下来，我们用机器学习算法让计算机认出老板的脸。分为以下三步：
- 收集图片
- 处理图片
- 建立机器学习模型
让我们一步一步来看。
收集图片
首先，我们需要收集大量照片供算法学习，我用下面的收集方法：
- Google图片搜索
- Facebook上的相册
- 拍视频
起初，我通过网络搜索和Facebook收集了图片，但是数量不够，于是我又拍摄了视频，然后转换成大量的图片。
处理图片
我们收集了大量包括人脸的图片，但是学习算法还不能直接用，因为图片里包含太多不是人脸的部分。因此，我们需要把脸部剪切出来。
我主要用ImageMagick来做脸部提取的工作，得到了下面这些脸部照片：
现在可以开始学习了。
建立机器学习模型
我们用Keras来建立卷积神经网络(CNN)，然后用TensorFlow来做它的后端。如果你只想识别人脸，可以用Computer Vision API等图像识别的Web API。但是这次我决定自己写一个实时的识别。
这个网络的架构如下：
现在，当老板出现在摄像头范围内，就能自动被识别出来了。
切换电脑窗口
现在，当训练过的模型识别出老板的脸，我们需要切换窗口来假装工作：作为一个程序员，我选择切换到这张图片：
我用PyQt来全屏展示这张图片。
试用效果
老板离开座位：
窗口自动切换到假装工作的图片啦ヽ(‘ ∇‘ )ノ ﾜｰｲ
作者 | HIRONSAN @ AHOGRAMMER编译 | 夏乙 @ AI100题图来自Unsplash
