這是代碼：
- BossSensor/boss_train.py
現(xiàn)在，如果老板出現(xiàn)在攝像機(jī)鏡頭里就可以被識(shí)別出來了。
切換桌面
當(dāng)學(xué)習(xí)模型識(shí)別出老板在接近后，就需要切換桌面了。我選擇了下面這張圖像來假裝我在工作。
選擇這樣的圖片是因?yàn)槲沂莻€(gè)程序員。
我展示的僅僅是一張圖片。
我希望圖片可以全屏展示，所以使用了 PyQt，代碼如下：
- BossSensor/image_show.py
萬事俱備了。
成品
把上面的技術(shù)整合起來就大功告成了，我已經(jīng)試驗(yàn)過了。
“老板離開座位后向我靠近。”
“OpenCV 檢測(cè)到了老板的面部并把信息傳送給學(xué)習(xí)模型。”
“確定是老板后迅速切換桌面！ヽ(‘ ∇‘ )ノ ???”
源代碼
Boss Sensor 的源代碼下載鏈接如下：
- BossSensor：https://github.com/Hironsan/BossSensor
記得贊我哦ｍ(_ _)ｍ
結(jié)論
這一次，我把 Web 相機(jī)的實(shí)時(shí)圖像采集和 Keras 的面部識(shí)別結(jié)合起來，成功地識(shí)別老板并隱藏桌面。
目前，我用 OpenCV 進(jìn)行面部檢測(cè)，但由于 OpenCV 中面部檢測(cè)的準(zhǔn)確性似乎不太好，我想嘗試使用 Dlib 來提高準(zhǔn)確性。另外，我還想嘗試一下自己的面部檢測(cè)模型。
由于對(duì)從網(wǎng)絡(luò)攝像機(jī)獲取的圖像的識(shí)別精度不太好，我還會(huì)做些改進(jìn)。