使用 Face-api.js 在 Web 上进行人脸检测

Web 浏览器日益强大，网站和 Web 应用程序的复杂性也在增加。几十年前需要超级计算机的操作现在可以在智能手机上运行，其中之一就是人脸检测。

检测和分析人脸的能力非常有用，因为它能让我们添加聪明的特征。比如自动模糊人脸(比如谷歌Maps)、移动和缩放摄像头feed以聚焦于人(比如微软团队)、验证护照、添加愚蠢的滤镜(比如Instagram和Snapchat)等等。但在这之前，我们得先找到那张脸！

Face-api.js 是一个库，使开发人员无需机器学习背景即可在其应用程序中使用人脸检测。

本教程的代码可在 GitHub 上找到。https://github.com/sitepoint-...

机器学习人脸检测

检测物体，如人脸，是相当复杂的。想一想：也许我们可以写一个程序，通过扫描像素来找到眼睛、鼻子和嘴巴。这是可以做到的，但要使它完全可靠，实际上是无法实现的，因为有许多因素需要考虑。想想光照条件、面部毛发、各种各样的形状和颜色、化妆、角度、脸部面具，以及其他许多因素。

然而，神经网络擅长解决这类问题，并且可以推广到大多数（如果不是全部）条件。我们可以使用流行的 JavaScript 机器学习库 TensorFlow.js 在浏览器中创建、训练和使用神经网络。然而，即使我们使用现成的、预训练的模型，我们仍然会对向 TensorFlow 提供信息和解释输出的细节有所了解。

使用 face-api.js，它将所有这些都包装到一个直观的 API 中。我们可以传递一个 img、canvas 或 video DOM 元素，该库将返回一个或一组结果。 Face-api.js 可以检测人脸，但也可以估计其中的各种内容，如下所列。

• 面部检测：获取一张或多张人脸的边界，这对于确定图片中人脸的位置和大小很有用。
• 面部地标检测：获取眉毛、眼睛、鼻子、嘴和嘴唇以及下巴的位置和形状。这可以用来确定朝向或在特定区域投射图形，如鼻子和嘴唇之间的胡子。
• 面部识别：确定谁在画面中。
• 面部表情检测：从一个人的脸上获得表情。
• 年龄和性别检测：从一张脸中得到年龄和性别。请注意，在“性别”分类中，它将一张脸分为女性化或男性化，这并不一定揭示他们的性别。

在你在实验之外使用这些东西之前，请注意，人工智能擅长放大偏见。性别分类对双性恋者来说效果很好，但它不能检测我的非双性恋朋友的性别。它在大多数时候都能识别出白人，但经常无法检测到有色人种。

在使用这项技术时要非常周到，并与不同的测试小组进行彻底的测试。

安装

我们可以通过 npm 安装 face-api.js：

npm install face-api.js

然而，为了跳过构建工具的设置，我将通过unpkg.org包括UMD包：

/* globals faceapi */
import 'https://unpkg.com/face-api.js@0.22.2/dist/face-api.min.js';

之后，我们需要从库的资源库中下载正确的预训练模型。

确定我们想从脸部知道什么，并使用可用模型部分来确定需要哪些模型。有些功能可以使用多个模型。在这种情况下，我们必须在带宽/性能和精度之间做出选择。比较各种可用模型的文件大小，选择你认为最适合你的项目的模型。

不确定你的使用需要哪些型号？你可以稍后再回到这个步骤。当我们在没有加载所需模型的情况下使用API时，将抛出一个错误，说明该库所期望的模型。

我们现在准备使用 face-api.js API。

示例

让我们来建造一些东西吧！

对于下面的示例，我将使用此函数从 Unsplash Source 加载随机图像：

function loadRandomImage() {
  const image = new Image();

  image.crossOrigin = true;

  return new Promise((resolve, reject) => {
    image.addEventListener('error', (error) => reject(error));
    image.addEventListener('load', () => resolve(image));
    image.src = 'https://source.unsplash.com/512x512/?face,friends';
  });
}

裁剪图片

你可以在附带的GitHub repo中找到这个演示的代码。https://github.com/sitepoint-...

首先，我们要选择并加载模型。为了裁剪图像，我们只需要知道一个人脸的边界框，所以人脸检测就足够了。我们可以用两个模型来做。SSD Mobilenet v1模型（仅低于6MB）和Tiny Face Detector模型（低于200KB）。我们说准确性是不相干的，因为用户也可以选择手动裁剪。此外，让我们假设访问者在缓慢的网络连接上使用这个功能。因为我们的重点是带宽和性能，我们将选择较小的Tiny Face Detector模型。

下载模型后，我们可以加载它：

await faceapi.nets.tinyFaceDetector.loadFromUri('/models');

我们现在可以加载图像并将其传递给 face-api.js。 faceapi.detectAllFaces 默认使用 SSD Mobilenet v1 模型，因此我们必须显式传递 new faceapi.TinyFaceDetectorOptions() 以强制它使用 Tiny Face Detector 模型。

const image = await loadRandomImage();
const faces = await faceapi.detectAllFaces(image, new faceapi.TinyFaceDetectorOptions());

变量 faces 现在包含一个结果数组。每个结果都有一个 box 和 score属性。分数表示神经网络对该结果确实是一张脸的自信程度。box 包含一个有脸部坐标的对象，我们可以选择第一个结果（或者我们可以使用 faceapi.detectSingleFace()），但是如果用户提交了一张集体照片，我们希望在裁剪后的图片中看到所有的人。为了做到这一点，我们可以计算一个自定义的边界框。

const box = {
  // 将边界设置为它们的逆无穷大，因此任何数字都更大/更小
  bottom: -Infinity,
  left: Infinity,
  right: -Infinity,
  top: Infinity,

  // 给出边界，我们可以计算出宽度和高度
  get height() {
    return this.bottom - this.top;
  },

  get width() {
    return this.right - this.left;
  },
};

// 更新 box 的边界
for (const face of faces) {
  box.bottom = Math.max(box.bottom, face.box.bottom);
  box.left = Math.min(box.left, face.box.left);
  box.right = Math.max(box.right, face.box.right);
  box.top = Math.min(box.top, face.box.top);
}

最后，我们可以创建一个画布并显示结果：

const canvas = document.createElement('canvas');
const context = canvas.getContext('2d');

canvas.height = box.height;
canvas.width = box.width;

context.drawImage(
  image,
  box.left,
  box.top,
  box.width,
  box.height,
  0,
  0,
  canvas.width,
  canvas.height
);

放置表情符号

你可以在附带的GitHub repo中找到这个演示的代码。https://github.com/sitepoint-...

为什么不找点乐子呢？我们可以做一个过滤器，在所有的眼睛上放一个嘴巴的表情符号（👄）。为了找到眼睛的地标，我们需要另一个模型。这一次，我们关心的是准确性，所以我们使用SSD Mobilenet v1和68点面部地标检测模型。

同样，我们需要先加载模型和图像：

await faceapi.nets.faceLandmark68Net.loadFromUri('/models');
await faceapi.nets.ssdMobilenetv1.loadFromUri('/models');

const image = await loadRandomImage();

为了获得地标，我们必须将 withFaceLandmarks() 函数调用附加到 detectAllFaces() 中以获得地标数据。

const faces = await faceapi
  .detectAllFaces(image)
  .withlandmarks();

和上次一样， faces 包含一个结果列表。除了脸部的位置外，每个结果还包含一个地标的原始点列表。为了得到每个特征的正确地标，我们需要对点的列表进行切片。因为点的数量是固定的，所以我选择了硬编码的索引。

for (const face of faces) {
  const features = {
    jaw: face.landmarks.positions.slice(0, 17),
    eyebrowLeft: face.landmarks.positions.slice(17, 22),
    eyebrowRight: face.landmarks.positions.slice(22, 27),
    noseBridge: face.landmarks.positions.slice(27, 31),
    nose: face.landmarks.positions.slice(31, 36),
    eyeLeft: face.landmarks.positions.slice(36, 42),
    eyeRight: face.landmarks.positions.slice(42, 48),
    lipOuter: face.landmarks.positions.slice(48, 60),
    lipInner: face.landmarks.positions.slice(60),
  };

  // ...
}

现在我们终于可以享受一点乐趣了。有很多选择，但让我们用嘴巴表情符号 (👄）遮住眼睛。

首先，我们必须确定将表情符号放在哪里，以及它应该画多大。为了做到这一点，让我们写一个辅助函数，从一个任意的点集合中创建一个盒子，这个盒子里有我们需要的所有信息。

function getBoxFromPoints(points) {
  const box = {
    bottom: -Infinity,
    left: Infinity,
    right: -Infinity,
    top: Infinity,

    get center() {
      return {
        x: this.left + this.width / 2,
        y: this.top + this.height / 2,
      };
    },

    get height() {
      return this.bottom - this.top;
    },

    get width() {
      return this.right - this.left;
    },
  };

  for (const point of points) {
    box.left = Math.min(box.left, point.x);
    box.right = Math.max(box.right, point.x);

    box.bottom = Math.max(box.bottom, point.y);
    box.top = Math.min(box.top, point.y);
  }

  return box;
}

现在我们可以开始在图片上绘制表情符号。因为我们必须对两只眼睛都这样做，所以我们可以把 feature.eyeLeft 和 feature.eyeRight 放在一个数组中，然后对它们进行迭代，对每只眼睛执行同样的代码。剩下的就是在画布上画出表情符号了！

for (const eye of [features.eyeLeft, features.eyeRight]) {
  const eyeBox = getBoxFromPoints(eye);
  const fontSize = 6 * eyeBox.height;

  context.font = `${fontSize}px/${fontSize}px serif`;
  context.textAlign = 'center';
  context.textBaseline = 'bottom';

  context.fillStyle = '#000';
  context.fillText('👄', eyeBox.center.x, eyeBox.center.y + 0.6 * fontSize);
}

请注意，我使用了一些魔法数字来调整字体大小和确切的文本位置。因为表情符号是 unicode 并且 Web 上的排版很奇怪（至少对我来说），所以我只是调整数字，直到它们看起来正确为止。更强大的替代方法是使用图像作为叠加层。

总结

Face-api.js是一个伟大的库，它使人脸检测和识别变得非常容易。不需要熟悉机器学习和神经网络的知识。我喜欢那些可以使用的工具，而这绝对是其中之一。

根据我的经验，Web 上的人脸识别会影响性能。我们必须在带宽和性能或准确性之间做出选择。较小的模型肯定不太准确，并且会在我之前提到的一些因素中遗漏人脸，例如光线不足或面部被面具覆盖时。

Microsoft Azure、Google Cloud 和其他可能的企业都在云中提供人脸检测。因为我们避免下载大模型，基于云的检测避免了繁重的页面加载，随着它的频繁改进往往更准确，并且由于优化的硬件甚至可能更快。如果您需要高精度，您可能需要研究一个您满意的计划。

我绝对推荐你在业余项目、实验中使用face-api.js，也许还可以用来做MVP。

---

欢迎订阅我的文章公众号【前端全栈开发者】