上班摸鱼怕被抓？这款 AI 摄像头让你提前 3 秒看到老板！-优快云博客

是不是偶尔在工作的时候，比较累，想摸下鱼，又担心被老板或同事看到，挺尴尬的，或者给老板留下不好的印象，怎么办？想想咱们一般遇到老板突然走过来的情况，是按下Control+D快捷键，直接到桌面，隐藏下自己看的小说啥的。不过这种如果光靠眼睛发现，有时候会存在沉溺小说情节中，没有发现老板的情况，或者提心吊胆的。

有没有一种软件自动通过电脑的摄像头监控，发现老板或同事在后面或过来了，自动隐藏屏幕或切换屏幕那，还真有，那就是：BossSensor开源地址：https://github.com/Hironsan/BossSensor

1.1 使用步骤

原理其实很简单：

借助OpenCV库，通过摄像头进行拍摄照片；
需要先训练下模型；
借助深度模型库tensorFlow和Keras 对照片进行人脸分类；
根据分类的结果是老板还是同事执行不同的动作；

示意图：

整体使用步骤：

准备web camera，并接到办公的PC上。
搜集老板及同仁们的人脸相片（执行collect-faces.py或extract-faces.py）。没有人脸照片，可以通过照片中提取，通过extract-faces.py 提取或者通过网络摄像头，结合collect-faces.py来收集；

有四个参数您可以修改：
sourePath：是指待处理的相片资料夹
savePath：是放置所有取得的人脸资料夹 face_size_min：最小的脸部尺寸，若相片中的脸孔小于该尺寸则忽略不取出。
cascade：定义要使用的脸孔侦测技术，本例中使用的是lbpcascade_frontalface.xml，您也可以改用另一种haarcascade_frontalface_default.xml。这两者的差异容后再说明

分类这些人脸相片。在Boss sensor主目录下的datasets下新建boss文件夹放老板的脸，安全同事的照片可以放在safe文件夹下。
让系统去学习辨识这些人脸（执行train.py）。准备好 “老板”（Boss）和 “安全”（Safe）两类图片后，就进入了核心环节：我们要开始训练老板传感器（Boss Sensor），让它能够准确识别出你的老板。请打开 train.py 文件，检查并修改以下参数：

facePath: 存放 “老板” 和 “安全” 两类人脸图片的文件夹路径。
faces_min: 每种类型最多使用多少张图片？虽然我的 “安全” 文件夹有 699 多张，但 “老板” 文件夹只有 59 张，因此系统会自动从每种类型中最多选取 59 张图片进行训练。
face_size: 最小人脸尺寸（像素）。如果人脸图片小于此尺寸，则会被忽略，不参与训练。
test_size: 从所有图片中抽取多大比例作为测试数据集（Test Dataset），用于验证系统的识别准确率？默认值为 0.25（即 25%）。参数修改完毕后，执行以下命令开始训练：

python train.py

执行不就就会训练好模型，输出准确度：

开始运作Boss sensor（执行detect-boss.py）。检测到老板后，自动切换到工作截图； detect-boss.py 是检测老板的程序，有几个参数：

detectType： “0” 表示侦测到任何人脸都要开启保护画面，”1”表示只有老板才需要。
bossName：老板的名称定义，例如本范例是使用boss文件夹夹名称当作老板。当侦测到此脸孔出现时即会启动保护画面。
cam_id：要使用的web camera编号，第一支通常为0。
monitor_winSize：预览画面的视窗大小。
cam_resolution：定义web camera拍摄的解析度。以本例所使用的罗技C310为例，最大拍照解析度为1080×960
fake_screenFile：侦测到老板来时，要立即显示的画面图片路径。您可以screen capture一张全萤幕的常用工作画面。
cascade：定义要使用的脸孔侦测技术，本例中使用的是lbpcascade_frontalface.xml，您也可以改用另一种haarcascade_frontalface_default.xml。这两者的差异容后再说明。

确认参数OK后，执行：python detect-boss.py运行不就就可以看到预览窗口，每秒2-3帧，比个人的速度还是快多了！

程序和依赖的安装步骤：

git clone https://github.com/Hironsan/BossSensor/tree/master
conda create -n venv python=3.5
source activate venv
conda install -c https://conda.anaconda.org/menpo opencv3
conda install -c conda-forge tensorflow
pip install -r requirements.txt