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
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://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
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
在下面，写上这一串代码：
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"target">
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。
△ 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”。