这是代码：
- BossSensor/boss_train.py
现在，如果老板出现在摄像机镜头里就可以被识别出来了。
切换桌面
当学习模型识别出老板在接近后，就需要切换桌面了。我选择了下面这张图像来假装我在工作。
选择这样的图片是因为我是个程序员。
我展示的仅仅是一张图片。
我希望图片可以全屏展示，所以使用了 PyQt，代码如下：
- BossSensor/image_show.py
万事俱备了。
成品
把上面的技术整合起来就大功告成了，我已经试验过了。
“老板离开座位后向我靠近。”
“OpenCV 检测到了老板的面部并把信息传送给学习模型。”
“确定是老板后迅速切换桌面！ヽ(‘ ∇‘ )ノ ﾜｰｲ”
源代码
Boss Sensor 的源代码下载链接如下：
- BossSensor：https://github.com/Hironsan/BossSensor
记得赞我哦ｍ(_ _)ｍ
结论
这一次，我把 Web 相机的实时图像采集和 Keras 的面部识别结合起来，成功地识别老板并隐藏桌面。
目前，我用 OpenCV 进行面部检测，但由于 OpenCV 中面部检测的准确性似乎不太好，我想尝试使用 Dlib 来提高准确性。另外，我还想尝试一下自己的面部检测模型。
由于对从网络摄像机获取的图像的识别精度不太好，我还会做些改进。