三分钟训练眼球追踪术,AI就知道你在盯着哪个妹子 | TensorFlow.js代码-阿里云开发者社区

开发者社区> 量子位> 正文
登录阅读全文

三分钟训练眼球追踪术,AI就知道你在盯着哪个妹子 | TensorFlow.js代码

简介:

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。

0563b60adbe96cde16be4aece40fa75f435bb0ae

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。

3651efafa7aaaca5605d134837c4c3d3fabfdbe8

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。

b0922d32c08a2c75ddcb6140aac968df0fc088d9

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。

e367bce3d007cb5395890811f994634724bd6606

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。

71ddcb16232671132bd64294ca4b6abca32ad15a

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://raw.githubusercontent.com/auduno/clmtrackr/dev/build/clmtrackr.js

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<!doctype html>
2<html>
3<body>
4 <script src="https://code.jquery.com/jquery-3.3.1.min.js"></script>
5 <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@0.12.0"></script>
6 <script src="clmtrackr.js"></script>
7 <script src="main.js"></script>
8</body>
9</html>

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<video id="webcam" width="400" height="300" autoplay></video>

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<canvas>标签,在视频上面重叠一张画布

<video>下面,写上这一串代码:


1<canvas id="overlay" width="400" height="300"></canvas>
2<style>
3 #webcam, #overlay {
4 position: absolute;
5 top: 0;
6 left: 0;
7 }
8</style>

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() 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。

06e0275526f172bab9b129872fcf9ce383301cef

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。

5962bf9cc5dac97edd579f96525362116d961042

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<canvas id="eyes" width="50" height="25"></canvas>
2<style>
3 #eyes {
4 position: absolute;
5 top: 0;
6 right: 0;
7 }
8</style>

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。

46167700cad27305aa6fce9e3893d4088abc737b

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<button id="train">Train!</button>
2<style>
3 #train {
4 position: absolute;
5 top: 50%;
6 left: 50%;
7 transform: translate(-50%, -50%);
8 font-size: 24pt;
9 }
10</style>

还有JS:


1<button id="train">Train!</button>
2<style>
3 #train {
4 position: absolute;
5 top: 50%;
6 left: 50%;
7 transform: translate(-50%, -50%);
8 font-size: 24pt;
9 }
10</style>

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<div id="target"></div>
2<style>
3 #target {
4 background-color: lightgreen;
5 position: absolute;
6 border-radius: 50%;
7 height: 40px;
8 width: 40px;
9 transition: all 0.1s ease;
10 box-shadow: 0 0 20px 10px white;
11 border: 4px solid rgba(0,0,0,0.5);
12 }
13</style>

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。

dad5eda329a29fd056831209fc6fc8affc2f95ab

来自怪异君

Max也说,还有很多可以探索的空间。


原文发布时间为:2018-09-9

本文作者:圆栗子

本文来自云栖社区合作伙伴“量子位”,了解相关信息可以关注“量子位”。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
+ 订阅

官方博客
官网链接