三分钟训练眼球追踪术，AI就知道你在看哪个妹子

圆栗子 编译整理量子位 出品 | 公众号 QbitAI 啊，老板的眼神飞过来了，还不快切回工作界面？ 从前，我们几乎无从躲避来自身后的目光，但现在不一定了。 如果有个眼球追踪AI，加上人脸识别，或许就能在被老板盯上的瞬间，进入奋力工作模式。 戏是有点多。不过眼球追踪这件事，只要有电脑的前置摄像头，再有个浏览器，真的可以做到。 来自慕尼黑的程序猿Max Schumacher，就用TensorFlow.js做了一个模型，你看向屏幕的某一点，它就知道你在看的是哪一点了。 我来训练一把 这个模型叫Lookie Lookie，不用服务器，打开摄像头就可以在浏览器上训练，不出三分钟就能养成一只小AI。 在下试了一试。 摄像头拍到的画面就显示在屏幕左上角，脸上是绿色的轮廓，眼睛被一个红色方框框住。 收集数据的方式很简单，只要四处移动鼠标，眼睛跟着鼠标走，然后随时按下空格键，每按一次就采集一个数据点。 第一波，只要按20次空格，系统就提示，可以点击训练按钮了。 训练好之后，屏幕上出现一个绿圈圈。这时候，我的眼睛看哪里，绿圈圈都应该跟着我走的。 可它似乎有些犹豫。系统又提示：现在数据不太够，可能还没训练好，再取一些数据吧。 那好，再取个二三十张图，训练第二波。 果然，这次绿圈圈跑得自信了一些，左看右看，它都驰骋 (比较) 如风。 相比之下，对于上下移动的目光，AI的反应似乎没有那么敏锐。大概是因为，电脑屏幕上下距离不够宽，眼球转动不充分吧。 不过，在训练数据如此贫乏的前提下，神经网络也算是茁壮成长了。 需要注意的是，收集数据的时候，脸不要离屏幕太远 (也不要倒立🙃) 。 DIY全攻略 (上) ：架子搭起来 作为一个不需要任何服务器就能训练的模型，如果要处理整幅整幅的视频截图，负担可能有些重。 所以，还是先检测人脸，再框出眼睛所在的部分。只把这个区域 (上图右一) 交给神经网络的话，任务就轻松了。 德国少年选择了clmtrackr人脸检测模型，它的优点也是跑起来轻快。 那么，先把它下下来： https://ift.tt/2x37qtC 然后，打开一个空的html文件，导入jQuery, TensorFlow.js，clmtrackr.js，以及main.js。代码如下： 1 2 3 4 5 6 7 8 9 这样，准备活动就做好了。下面正式开始。 · 导出视频流 第一步，要经过你 (用户) 的同意，才能打开摄像头，渲染视频流，把画面显示在页面上。 先写这行代码 (此处默认用的是最新版本的Chrome) ： 1 然后从main.js开始： 1$(document).ready(function() { 2 const video = $('#webcam')[0]; 3 4 function onStreaming(stream) { 5 video.srcObject = stream; 6 } 7 8 navigator.mediaDevices.getUserMedia({ video: true }).then(onStreaming); 9}); 到这里，浏览器就该问你"要不要打开摄像头"了。 · 找到你的脸 上文提到的clmtrackr.js人脸追踪器，这里就出场。 先在const video=…下面，初始化追踪器： 1const ctrack = new clm.tracker(); 2ctrack.init(); 然后，在onStreaming() 里面，加下面这句话，就能让追踪器检测视频里的人脸了： 1ctrack.start(video); 写好这几行，它应该已经能看出你的脸。不相信的话，就让它描出来。 这里需要一个绘图工具。用html里面的标签，在视频上面重叠一张画布。 在 1 2 这样，就有了跟视频尺寸一样的画布。CSS能保证画布和视频的位置完全吻合。 浏览器每做一次渲染，我们就要在画布上画点什么了。画之前，要先把之前画过的内容擦掉。 代码长这样，写在ctrack.init() 下面： 1const overlay = $('#overlay')[0]; 2const overlayCC = overlay.getContext('2d'); 3 4function trackingLoop() { 5 // Check if a face is detected, and if so, track it. 6 requestAnimationFrame(trackingLoop); 7 8 let currentPosition = ctrack.getCurrentPosition(); 9 overlayCC.clearRect(0, 0, 400, 300); 10 11 if (currentPosition) { 12 ctrack.draw(overlay); 13 } 14} 现在，在onStreaming() 的ctrack.starg() 后面，调用trackingLoop() 。每一帧里，它都会重新运行。 这个时候，刷新一下浏览器，你的脸上应该有一个绿色又诡异的轮廓了。 · 眼睛截下来 这一步，是要在眼睛周围画个矩形框。 cmltrackr很善良，除了画个轮廓之外，还有70个面部特征，我们可以选择自己需要的部分。 这里，选23、28、24、26就够了，在每个方向上，往外扩大5个像素。 然后，矩形框应该足够覆盖重要面部信息了 (不离太远、不倒立) 。 现在，再拿另外一张画布，来捕捉这个截下来的矩形。这张画布50 x 25像素即可，只要把矩形框的尺寸调一下，就能放进去： 1 2 下面这个函数，会返回 (x,y) 坐标，以及矩形的长宽。给它输入的是clmtrackr里面的位置阵列 (Position Array) ： 1function getEyesRectangle(positions) { 2 const minX = positions[23][0] - 5; 3 const maxX = positions[28][0] + 5; 4 const minY = positions[24][1] - 5; 5 const maxY = positions[26][1] + 5; 6 7 const width = maxX - minX; 8 const height = maxY - minY; 9 10 return [minX, minY, width, height]; 11} 接下来，要把矩形框提取出来。具体方法是，在第一张画布上把它描成红色，再复制到第二张画布上。 替换trackingLoop() 里面的if块： 1if (currentPosition) { 2 // Draw facial mask on overlay canvas: 3 ctrack.draw(overlay); 4 5 // Get the eyes rectangle and draw it in red: 6 const eyesRect = getEyesRectangle(currentPosition); 7 overlayCC.strokeStyle = 'red'; 8 overlayCC.strokeRect(eyesRect[0], eyesRect[1], eyesRect[2], eyesRect[3]); 9 10 // The video might internally have a different size, so we need these 11 // factors to rescale the eyes rectangle before cropping: 12 const resizeFactorX = video.videoWidth / video.width; 13 const resizeFactorY = video.videoHeight / video.height; 14 15 // Crop the eyes from the video and paste them in the eyes canvas: 16 const eyesCanvas = $('#eyes')[0]; 17 const eyesCC = eyesCanvas.getContext('2d'); 18 19 eyesCC.drawImage( 20 video, 21 eyesRect[0] * resizeFactorX, eyesRect[1] * resizeFactorY, 22 eyesRect[2] * resizeFactorX, eyesRect[3] * resizeFactorY, 23 0, 0, eyesCanvas.width, eyesCanvas.height 24 ); 25} 现在，应该看得到眼睛周围的红色矩形框了。 DIY全攻略 (下) ：训练与测试 · 收集数据 眼球追踪，收集数据的方法其实有很多种。不过，让眼睛跟着鼠标走，是最简单的，随时按下空格都可以捕获一幅图像。 1) 追踪鼠标 想知道鼠标每时每刻都在什么位置，就给document.onmousemove加上一个EventListener。 这样做还可以把坐标归一化 (转化到 [-1, 1] 的范围里) ： 1// Track mouse movement: 2const mouse = { 3 x: 0, 4 y: 0, 5 6 handleMouseMove: function(event) { 7 // Get the mouse position and normalize it to [-1, 1] 8 mouse.x = (event.clientX / $(window).width()) * 2 - 1; 9 mouse.y = (event.clientY / $(window).height()) * 2 - 1; 10 }, 11} 12 13document.onmousemove = mouse.handleMouseMove; 2) 捕捉图像 这里要做的是，按下空格键之后的任务：从画布上捕捉图像，储存为张量。 TensorFlow.js提供了一个助手函数，叫tf.fromPixels() ，只要用它来储存第二张画布里走出的图像，然后归一化： 1function getImage() { 2 // Capture the current image in the eyes canvas as a tensor. 3 return tf.tidy(function() { 4 const image = tf.fromPixels($('#eyes')[0]); 5 // Add a batch dimension: 6 const batchedImage = image.expandDims(0); 7 // Normalize and return it: 8 return batchedImage.toFloat().div(tf.scalar(127)).sub(tf.scalar(1)); 9 }); 10} 注意注意，虽然把所有数据做成一个大训练集也是可以的，但还是留一部分做验证集比较科学，比如20%。 这样，便与检测模型的性能，以及确认它没有过拟合。 以下是添加新数据点用的代码： 1const dataset = { 2 train: { 3 n: 0, 4 x: null, 5 y: null, 6 }, 7 val: { 8 n: 0, 9 x: null, 10 y: null, 11 }, 12} 13 14function captureExample() { 15 // Take the latest image from the eyes canvas and add it to our dataset. 16 tf.tidy(function() { 17 const image = getImage(); 18 const mousePos = tf.tensor1d([mouse.x, mouse.y]).expandDims(0); 19 20 // Choose whether to add it to training (80%) or validation (20%) set: 21 const subset = dataset[Math.random() > 0.2 ? 'train' : 'val']; 22 23 if (subset.x == null) { 24 // Create new tensors 25 subset.x = tf.keep(image); 26 subset.y = tf.keep(mousePos); 27 } else { 28 // Concatenate it to existing tensors 29 const oldX = subset.x; 30 const oldY = subset.y; 31 32 subset.x = tf.keep(oldX.concat(image, 0)); 33 subset.y = tf.keep(oldY.concat(mousePos, 0)); 34 } 35 36 // Increase counter 37 subset.n += 1; 38 }); 39} 最后，把空格键关联进来： 1$('body').keyup(function(event) { 2 // On space key: 3 if (event.keyCode == 32) { 4 captureExample(); 5 6 event.preventDefault(); 7 return false; 8 } 9}); 至此，只要你按下空格，数据集里就会增加一个数据点了。 · 训练模型 就搭个最简单的CNN吧。 TensorFlow.js里面有一个和Keras很相似的API可以用。 这个网络里，要有一个卷积层，一个最大池化，还要有个密集层，带两个输出值 (坐标) 的那种。 中间，加了一个dropout作为正则化器；还有，用flatten把2D数据降成1D。训练用的是Adam优化器。 模型代码长这样： 1let currentModel; 2 3function createModel() { 4 const model = tf.sequential(); 5 6 model.add(tf.layers.conv2d({ 7 kernelSize: 5, 8 filters: 20, 9 strides: 1, 10 activation: 'relu', 11 inputShape: [$('#eyes').height(), $('#eyes').width(), 3], 12 })); 13 14 model.add(tf.layers.maxPooling2d({ 15 poolSize: [2, 2], 16 strides: [2, 2], 17 })); 18 19 model.add(tf.layers.flatten()); 20 21 model.add(tf.layers.dropout(0.2)); 22 23 // Two output values x and y 24 model.add(tf.layers.dense({ 25 units: 2, 26 activation: 'tanh', 27 })); 28 29 // Use ADAM optimizer with learning rate of 0.0005 and MSE loss 30 model.compile({ 31 optimizer: tf.train.adam(0.0005), 32 loss: 'meanSquaredError', 33 }); 34 35 return model; 36} 训练开始之前，要先设置一个固定的epoch数，再把批尺寸设成变量 (因为数据集很小) ： 1function fitModel() { 2 let batchSize = Math.floor(dataset.train.n * 0.1); 3 if (batchSize < 4) { 4 batchSize = 4; 5 } else if (batchSize > 64) { 6 batchSize = 64; 7 } 8 9 if (currentModel == null) { 10 currentModel = createModel(); 11 } 12 13 currentModel.fit(dataset.train.x, dataset.train.y, { 14 batchSize: batchSize, 15 epochs: 20, 16 shuffle: true, 17 validationData: [dataset.val.x, dataset.val.y], 18 }); 19} 然后，在页面上做个训练按钮吧： 1 2 还有JS： 1 2 · 拉出来遛遛 绿色圈圈终于来了。AI判断你在看哪，它就出现在哪。 先写绿圈圈： 1 2 然后，想让绿圈圈动起来，就要定期把眼睛图像传给神经网络。问它你在看哪，它就回答一个坐标： 1function moveTarget() { 2 if (currentModel == null) { 3 return; 4 } 5 tf.tidy(function() { 6 const image = getImage(); 7 const prediction = currentModel.predict(image); 8 9 // Convert normalized position back to screen position: 10 const targetWidth = $('#target').outerWidth(); 11 const targetHeight = $('#target').outerHeight(); 12 const x = (prediction.get(0, 0) + 1) / 2 * ($(window).width() - targetWidth); 13 const y = (prediction.get(0, 1) + 1) / 2 * ($(window).height() - targetHeight); 14 15 // Move target there: 16 const $target = $('#target'); 17 $target.css('left', x + 'px'); 18 $target.css('top', y + 'px'); 19 }); 20} 21 22setInterval(moveTarget, 100); 间隔设的是100毫秒，不过也可以改的。 总之，大功告成。 鼻孔眼睛分不清？ 眼球追踪模型很有意思，不过还是有一些可爱的缺陷。 比如，算法还只能识别正面，脸稍微侧一点AI就会困惑。 比如，有时候会把鼻孔识别成眼睛。 比如，必须整张脸都出现在画面里，才能识别眼睛的所在，捂住嘴也不行。 Max也说，还有很多可以探索的空间。 自己训练传送门：https://ift.tt/2NkvXDQ 代码实现传送门：https://ift.tt/2MhOqME 教程原文传送门：https://ift.tt/2oDRauC — 完 — 欢迎大家关注我们的专栏：量子位 - 知乎专栏 诚挚招聘 量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复"招聘"两个字。 量子位 QbitAI· 头条号签约作者 վ'ᴗ' ի 追踪AI技术和产品新动态 via 量子位 - 知乎专栏 https://ift.tt/2O5MJnu RSS5 Unsubscribe from these notifications or sign in to manage your Email Applets.