想法的产生

最近总康到一些眼球追踪仪的评测视频，可以直接用人眼当鼠标，可是一上网搜这玩意儿的价格，发现都是上千的，于是就想着自己的电脑摄像头能不能实现这个功能，在网上搜索了一番后，只搜到了一个Lookie Lookie的repo能实现这个功能，尝试了一下赶脚不太精准，于是产生了写程序的邪恶念头

思路

首先要让摄像头定位到眼睛，那就需要人脸的检测模型，用现成的轮子是最为省事的方法。在全球最大的同性恋网站搜索实践了一番后，发现TadasBaltrusaitis的OpenFace检测最为精准（注意不是cmusatyalab的，链接）
不过这个项目是用C++写的，为了建神经网络方便，我还是准备用Python（程序对接就成了一大难题）
获取了人脸、眼睛数据后，还需要获取输出部分的原始数据以进行训练。这里我参考前文提到的Lookie Lookie，使用鼠标的坐标作为输出数据，通过鼠标点击进行数据的采集，这样在进行模型训练的时候就得眼睛盯着鼠标的坐标点击左键
因为需要一边进行数据的采集，一边进行神经网络的训练，所以我使用了PyTorch模块建立神经网络模型

人脸数据采集

在查阅了TadasBaltrusaitis的OpenFace的wiki后，我基本确定了在python中使用这个程序的思路。
首先，此程序可以使用命令进行单帧图像的数据采集，命令格式很简单，只需要确定输入图片以及输出路径即可。结合Python的cv2模块和subprocess模块，我编写了一个将摄像头图像保存，再使用openface进行处理输出数据，完毕后再使用python将输出的csv数据文件进行读取，并保存至全局变量data中。
在此之后我又仔细阅读了openface的wiki，弄懂了csv数据文件的各个部分，又写了筛数据、归一化的函数。
程序对接、人脸数据采集问题就此解决

鼠标点击坐标数据采集

这一部分相对较为简单，我使用了pywin32、PyHook3模块进行鼠标点击事件的监听以及坐标数据的获取。

神经网络模型建立及训练

这一部分我将归一化、预处理后的data作为输入，鼠标点击坐标作为输出，建立了一个BP神经网络，使用的是Relu激活函数，我整了六层，输入层有17个节点，隐含层有20个节点，输出层就是辣两个坐标。
每点击一次鼠标即进行一次训练，会输出模型预测的坐标和真实的坐标，已衡量模型的优劣

结果

结果GG了，训练时模型的输出几乎就是我历史点击坐标的平均值，起初我觉得是激活函数问题，在进行过几次更换之后还是不行