基于Opencv實現(xiàn)眼睛控制鼠標(biāo)
點擊下方“AI算法與圖像處理”，一起進(jìn)步！
重磅干貨，第一時間送達(dá)
如何用眼睛來控制鼠標(biāo)？一種基于單一前向視角的機(jī)器學(xué)習(xí)眼睛姿態(tài)估計方法。在此項目中，每次單擊鼠標(biāo)時，我們都會編寫代碼來裁剪你們的眼睛圖像。使用這些數(shù)據(jù)，我們可以反向訓(xùn)練模型，從你們您的眼睛預(yù)測鼠標(biāo)的位置。在開始項目之前，我們需要引入第三方庫。
# For monitoring web camera and performing image minipulationsimport cv2# For performing array operationsimport numpy as np# For creating and removing directoriesimport osimport shutil# For recognizing and performing actions on mouse pressesfrom pynput.mouse import Listener
首先讓我們了解一下Pynput的Listener工作原理。pynput.mouse.Listener創(chuàng)建一個后臺線程，該線程記錄鼠標(biāo)的移動和鼠標(biāo)的點擊。這是一個簡化代碼，當(dāng)你們按下鼠標(biāo)時，它會打印鼠標(biāo)的坐標(biāo)：
from pynput.mouse import Listenerdef on_click(x, y, button, pressed):"""Args:x: the x-coordinate of the mousey: the y-coordinate of the mousebutton: 1 or 0, depending on right-click or left-clickpressed: 1 or 0, whether the mouse was pressed or released"""if pressed:print (x, y)with Listener(on_click = on_click) as listener:listener.join()
現(xiàn)在，為了實現(xiàn)我們的目的，讓我們擴(kuò)展這個框架。但是，我們首先需要編寫裁剪眼睛邊界框的代碼。我們稍后將在on_click函數(shù)內(nèi)部調(diào)用此函數(shù)。我們使用Haar級聯(lián)對象檢測來確定用戶眼睛的邊界框。你們可以在此處下載檢測器文件，讓我們做一個簡單的演示來展示它是如何工作的：
import cv2# Load the cascade classifier detection objectcascade = cv2.CascadeClassifier("haarcascade_eye.xml")# Turn on the web cameravideo_capture = cv2.VideoCapture(0)# Read data from the web camera (get the frame)_, frame = video_capture.read()# Convert the image to grayscalegray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)# Predict the bounding box of the eyesboxes = cascade.detectMultiScale(gray, 1.3, 10)# Filter out images taken from a bad angle with errors# We want to make sure both eyes were detected, and nothing elseif len(boxes) == 2:eyes = []for box in boxes:# Get the rectangle parameters for the detected eyex, y, w, h = box# Crop the bounding box from the frameeye = frame[y:y + h, x:x + w]# Resize the crop to 32x32eye = cv2.resize(eye, (32, 32))# Normalizeeye = (eye - eye.min()) / (eye.max() - eye.min())# Further crop to just around the eyeballeye = eye[10:-10, 5:-5]# Scale between [0, 255] and convert to int datatypeeye = (eye * 255).astype(np.uint8)# Add the current eye to the list of 2 eyeseyes.append(eye)# Concatenate the two eye images into oneeyes = np.hstack(eyes)
現(xiàn)在，讓我們使用此知識來編寫用于裁剪眼睛圖像的函數(shù)。首先，我們需要一個輔助函數(shù)來進(jìn)行標(biāo)準(zhǔn)化：
def normalize(x):minn, maxx = x.min(), x.max()return (x - minn) / (maxx - minn)
這是我們的眼睛裁剪功能。如果發(fā)現(xiàn)眼睛，它將返回圖像。否則，它返回None：
def scan(image_size=(32, 32)):_, frame = video_capture.read()gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)boxes = cascade.detectMultiScale(gray, 1.3, 10)if len(boxes) == 2:eyes = []for box in boxes:x, y, w, h = boxeye = frame[y:y + h, x:x + w]eye = cv2.resize(eye, image_size)eye = normalize(eye)eye = eye[10:-10, 5:-5]eyes.append(eye)return (np.hstack(eyes) * 255).astype(np.uint8)else:return None
現(xiàn)在，讓我們來編寫我們的自動化，該自動化將在每次按下鼠標(biāo)按鈕時運行。（假設(shè)我們之前已經(jīng)root在代碼中將變量定義為我們要存儲圖像的目錄）：
def on_click(x, y, button, pressed):# If the action was a mouse PRESS (not a RELEASE)if pressed:# Crop the eyeseyes = scan()# If the function returned None, something went wrongif not eyes is None:# Save the imagefilename = root + "{} {} {}.jpeg".format(x, y, button)cv2.imwrite(filename, eyes)
現(xiàn)在，我們可以回憶起pynput的實現(xiàn)Listener，并進(jìn)行完整的代碼實現(xiàn)：
import cv2import numpy as npimport osimport shutilfrom pynput.mouse import Listenerroot = input("Enter the directory to store the images: ")if os.path.isdir(root):resp = ""while not resp in ["Y", "N"]:resp = input("This directory already exists. If you continue, the contents of the existing directory will be deleted. If you would still like to proceed, enter [Y]. Otherwise, enter [N]: ")if resp == "Y":shutil.rmtree(root)else:exit()os.mkdir(root)# Normalization helper functiondef normalize(x):minn, maxx = x.min(), x.max()return (x - minn) / (maxx - minn)# Eye cropping functiondef scan(image_size=(32, 32)):_, frame = video_capture.read()gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)boxes = cascade.detectMultiScale(gray, 1.3, 10)if len(boxes) == 2:eyes = []for box in boxes:x, y, w, h = boxeye = frame[y:y + h, x:x + w]eye = cv2.resize(eye, image_size)eye = normalize(eye)eye = eye[10:-10, 5:-5]eyes.append(eye)return (np.hstack(eyes) * 255).astype(np.uint8)else:return Nonedef on_click(x, y, button, pressed):# If the action was a mouse PRESS (not a RELEASE)if pressed:# Crop the eyeseyes = scan()# If the function returned None, something went wrongif not eyes is None:# Save the imagefilename = root + "{} {} {}.jpeg".format(x, y, button)cv2.imwrite(filename, eyes)cascade = cv2.CascadeClassifier("haarcascade_eye.xml")video_capture = cv2.VideoCapture(0)with Listener(on_click = on_click) as listener:listener.join()
運行此命令時，每次單擊鼠標(biāo)（如果兩只眼睛都在視線中），它將自動裁剪網(wǎng)絡(luò)攝像頭并將圖像保存到適當(dāng)?shù)哪夸浿小D像的文件名將包含鼠標(biāo)坐標(biāo)信息，以及它是右擊還是左擊。
這是一個示例圖像。在此圖像中，我在分辨率為2560x1440的監(jiān)視器上在坐標(biāo)（385，686）上單擊鼠標(biāo)左鍵：
級聯(lián)分類器非常準(zhǔn)確，到目前為止，我尚未在自己的數(shù)據(jù)目錄中看到任何錯誤?，F(xiàn)在，讓我們編寫用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的代碼，以給定你們的眼睛圖像來預(yù)測鼠標(biāo)的位置。
import numpy as npimport osimport cv2import pyautoguifrom tensorflow.keras.models import *from tensorflow.keras.layers import *from tensorflow.keras.optimizers import *
現(xiàn)在，讓我們添加級聯(lián)分類器：
cascade = cv2.CascadeClassifier("haarcascade_eye.xml")video_capture = cv2.VideoCapture(0)
正?；?/span>
def normalize(x):minn, maxx = x.min(), x.max()return (x - minn) / (maxx - minn)
捕捉眼睛：
def scan(image_size=(32, 32)):_, frame = video_capture.read()gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)boxes = cascade.detectMultiScale(gray, 1.3, 10)if len(boxes) == 2:eyes = []for box in boxes:x, y, w, h = boxeye = frame[y:y + h, x:x + w]eye = cv2.resize(eye, image_size)eye = normalize(eye)eye = eye[10:-10, 5:-5]eyes.append(eye)return (np.hstack(eyes) * 255).astype(np.uint8)else:return None
讓我們定義顯示器的尺寸。你們必須根據(jù)自己的計算機(jī)屏幕的分辨率更改以下參數(shù)：
# Note that there are actually 2560x1440 pixels on my screen# I am simply recording one less, so that when we divide by these# numbers, we will normalize between 0 and 1. Note that mouse# coordinates are reported starting at (0, 0), not (1, 1)width, height = 2559, 1439
現(xiàn)在，讓我們加載數(shù)據(jù)(同樣，假設(shè)你們已經(jīng)定義了root)。我們并不在乎是單擊鼠標(biāo)右鍵還是單擊鼠標(biāo)左鍵，因為我們的目標(biāo)只是預(yù)測鼠標(biāo)的位置：
filepaths = os.listdir(root)X, Y = [], []for filepath in filepaths:x, y, _ = filepath.split(' ')x = float(x) / widthy = float(y) / heightX.append(cv2.imread(root + filepath))Y.append([x, y])X = np.array(X) / 255.0Y = np.array(Y)print (X.shape, Y.shape)
讓我們定義我們的模型架構(gòu)：
model = Sequential()model.add(Conv2D(32, 3, 2, activation = 'relu', input_shape = (12, 44, 3)))model.add(Conv2D(64, 2, 2, activation = 'relu'))model.add(Flatten())model.add(Dense(32, activation = 'relu'))model.add(Dense(2, activation = 'sigmoid'))model.compile(optimizer = "adam", loss = "mean_squared_error")model.summary()
這是我們的摘要：
接下來的任務(wù)是訓(xùn)練模型。我們將在圖像數(shù)據(jù)中添加一些噪點：
epochs = 200for epoch in range(epochs):model.fit(X, Y, batch_size = 32)
現(xiàn)在讓我們使用我們的模型來實時移動鼠標(biāo)。請注意，這需要大量數(shù)據(jù)才能正常工作。但是，作為概念證明，你們會注意到，實際上只有200張圖像，它確實將鼠標(biāo)移到了你們要查看的常規(guī)區(qū)域。當(dāng)然，除非你們擁有更多的數(shù)據(jù)，否則這是不可控的。
while True:eyes = scan()if not eyes is None:eyes = np.expand_dims(eyes / 255.0, axis = 0)x, y = model.predict(eyes)[0]pyautogui.moveTo(x * width, y * height)
這是一個概念證明的例子。請注意，在進(jìn)行此屏幕錄像之前，我們只訓(xùn)練了很少的數(shù)據(jù)。這是我們的鼠標(biāo)根據(jù)眼睛自動移動到終端應(yīng)用程序窗口的視頻。就像我說的那樣，這很容易，因為數(shù)據(jù)很少。有了更多的數(shù)據(jù)，它有望穩(wěn)定到足以以更高的特異性進(jìn)行控制。僅用幾百張圖像，你們就只能將其移動到注視的整個區(qū)域內(nèi)。另外，如果在整個數(shù)據(jù)收集過程中，你們在屏幕的特定區(qū)域（例如邊緣）都沒有拍攝任何圖像，則該模型不太可能在該區(qū)域內(nèi)進(jìn)行預(yù)測。
交流群
歡迎加入公眾號讀者群一起和同行交流，目前有美顏、三維視覺、計算攝影、檢測、分割、識別、NeRF、GAN、算法競賽等微信群
個人微信（如果沒有備注不拉群！） 請注明：地區(qū)+學(xué)校/企業(yè)+研究方向+昵稱
下載1：何愷明頂會分享
在「AI算法與圖像處理」公眾號后臺回復(fù)：何愷明，即可下載。總共有6份PDF，涉及 ResNet、Mask RCNN等經(jīng)典工作的總結(jié)分析
下載2：終身受益的編程指南：Google編程風(fēng)格指南
在「AI算法與圖像處理」公眾號后臺回復(fù)：c++，即可下載。歷經(jīng)十年考驗，最權(quán)威的編程規(guī)范！
下載3 CVPR2021 在「AI算法與圖像處理」公眾號后臺回復(fù)：CVPR，即可下載1467篇CVPR?2020論文 和 CVPR 2021 最新論文
