自IT Next，作者：Vincent Mühler，機(jī)器之心編譯，參與：Geek AI、張倩。

本文將為大家介紹一個(gè)建立在「tensorflow.js」內(nèi)核上的 javascript API——「face-api.js」，它實(shí)現(xiàn)了三種卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)，用于完成人臉檢測(cè)、識(shí)別和特征點(diǎn)檢測(cè)任務(wù)，可以在瀏覽器中進(jìn)行人臉識(shí)別。

號(hào)外！號(hào)外！現(xiàn)在人們終于可以在瀏覽器中進(jìn)行人臉識(shí)別了！本文將為大家介紹「face-api.js」，這是一個(gè)建立在「tensorflow.js」內(nèi)核上的 javascript 模塊，它實(shí)現(xiàn)了三種卷積神經(jīng)網(wǎng)絡(luò)（CNN）架構(gòu)，用于完成人臉檢測(cè)、識(shí)別和特征點(diǎn)檢測(cè)任務(wù)。

• face-api.js：https://github.com/justadudewhohacks/face-api.js
• TensorFlow.js：https://github.com/tensorflow/tfjs-core

像往常一樣，我們將查看一個(gè)簡(jiǎn)單的代碼示例，這將使你能立即通過(guò)短短幾行代碼中的程序包開(kāi)始了解這個(gè) API。讓我們開(kāi)始吧！

我們已經(jīng)有了「face-recognition.js」，現(xiàn)在又來(lái)了另一個(gè)同樣的程序包？

如果你閱讀過(guò)本文作者另一篇關(guān)于「node.js」環(huán)境下進(jìn)行人臉識(shí)別的文章《Node.js + face-recognition.js : Simple and Robust Face Recognition using Deep Learning》（Node.js + face-recognition.js：通過(guò)深度學(xué)習(xí)實(shí)現(xiàn)簡(jiǎn)單而魯棒的人臉識(shí)別）（https://medium.com/@muehler.v/node-js-face-recognition-js-simple-and-robust-face-recognition-using-deep-learning-ea5ba8e852），你就會(huì)知道他在之前組裝過(guò)一個(gè)類似的程序包，例如「face-recgnition.js」，從而為「node.js」引入了人臉識(shí)別功能。

起初，作者并沒(méi)有預(yù)見(jiàn)到 JavaScript 社區(qū)對(duì)與人臉識(shí)別程序包的需求程度如此之高。對(duì)許多人而言，「face-recognition.js」似乎是一個(gè)不錯(cuò)的、能夠免費(fèi)試用的開(kāi)源選項(xiàng)，它可以替代由微軟或亞馬遜等公司提供的付費(fèi)人臉識(shí)別服務(wù)。但是作者曾多次被問(wèn)道：是否有可能在瀏覽器中運(yùn)行完整的人臉識(shí)別的工作流水線？

多虧了「tensorflow.js」，這種設(shè)想最終變?yōu)榱爽F(xiàn)實(shí)！作者設(shè)法使用「tf.js

」內(nèi)核實(shí)現(xiàn)了部分類似的工具，它們能得到和「face-recognition.js」幾乎相同的結(jié)果，但是作者是在瀏覽器中完成的這項(xiàng)工作！而且最棒的是，這套工具不需要建立任何的外部依賴，使用它非常方便。并且這套工具還能通過(guò) GPU 進(jìn)行加速，相關(guān)操作可以使用 WebGL 運(yùn)行。

這足以讓我相信，JavaScript 社區(qū)需要這樣的一個(gè)為瀏覽器環(huán)境而編寫的程序包！可以設(shè)想一下你能通過(guò)它構(gòu)建何種應(yīng)用程序。

如何利用深度學(xué)習(xí)解決人臉識(shí)別問(wèn)題

如果想要盡快開(kāi)始實(shí)戰(zhàn)部分，那么你可以跳過(guò)這一章，直接跳到代碼分析部分去。但是為了更好地理解「face-api.js」中為了實(shí)現(xiàn)人臉識(shí)別所使用的方法，我強(qiáng)烈建議你順著這個(gè)章節(jié)閱讀下去，因?yàn)槲页３１蝗藗儐?wèn)到這個(gè)問(wèn)題。

為簡(jiǎn)單起見(jiàn)，我們實(shí)際想要實(shí)現(xiàn)的目標(biāo)是在給定一張人臉的圖像時(shí)，識(shí)別出圖像中的人。為了實(shí)現(xiàn)這個(gè)目標(biāo)，我們需要為每一個(gè)我們想要識(shí)別的人提供一張（或更多）他們的人臉圖像，并且給這些圖像打上人臉主人姓名的標(biāo)簽作為參考數(shù)據(jù)。現(xiàn)在，我們將輸入圖像和參考數(shù)據(jù)進(jìn)行對(duì)比，找到與輸入圖像最相似的參考圖像。如果有兩張圖像都與輸入足夠相似，那么我們輸出人名，否則輸出「unknown」（未知）。

聽(tīng)起來(lái)確實(shí)是個(gè)好主意！然而，這個(gè)方案仍然存在兩個(gè)問(wèn)題。首先，如果我們有一張顯示了多人的圖像，并且我們需要識(shí)別出其中所有的人，將會(huì)怎樣呢？其次，我們需要建立一種相似度度量手段，用來(lái)比較兩張人臉圖像。

人臉檢測(cè)

我們可以從人臉檢測(cè)技術(shù)中找到第一個(gè)問(wèn)題的答案。簡(jiǎn)單地說(shuō)，我們將首先定位輸入圖像中的所有人臉。「face-api.js」針對(duì)人臉檢測(cè)工作實(shí)現(xiàn)了一個(gè) SSD（Single Shot Multibox Detector）算法，它本質(zhì)上是一個(gè)基于 MobileNetV1 的卷積神經(jīng)網(wǎng)絡(luò)（CNN），在網(wǎng)絡(luò)的頂層加入了一些人臉邊框預(yù)測(cè)層。

該網(wǎng)絡(luò)將返回每張人臉的邊界框，并返回每個(gè)邊框相應(yīng)的分?jǐn)?shù)，即每個(gè)邊界框表示一張人臉的概率。這些分?jǐn)?shù)被用于過(guò)濾邊界框，因?yàn)榭赡艽嬖谝粡垐D片并不包含任何一張人臉的情況。請(qǐng)注意，為了對(duì)邊界框進(jìn)行檢索，即使圖像中僅僅只有一個(gè)人，也應(yīng)該執(zhí)行人臉檢測(cè)過(guò)程。

人臉特征點(diǎn)檢測(cè)及人臉對(duì)齊

在上文中，我們已經(jīng)解決了第一個(gè)問(wèn)題！然而，我想要指出的是，我們需要對(duì)齊邊界框，從而抽取出每個(gè)邊界框中的人臉居中的圖像，接著將其作為輸入傳給人臉識(shí)別網(wǎng)絡(luò)，因?yàn)檫@樣可以使人臉識(shí)別更加準(zhǔn)確！

為了實(shí)現(xiàn)這個(gè)目標(biāo)，「face-api.js」實(shí)現(xiàn)了一個(gè)簡(jiǎn)單的卷積神經(jīng)網(wǎng)絡(luò)（CNN），它將返回給定圖像的 68 個(gè)人臉特征點(diǎn)：

從特征點(diǎn)位置上看，邊界框可以將人臉居中。你可以從下圖中看到人臉檢測(cè)結(jié)果（左圖）與對(duì)齊后的人臉圖像（右圖）的對(duì)比：

人臉識(shí)別

現(xiàn)在，我們可以將提取出的對(duì)齊后的人臉圖像輸入到人臉識(shí)別網(wǎng)絡(luò)中，該網(wǎng)絡(luò)基于一個(gè)類似于 ResNet-34 的架構(gòu)，基本上與 dlib（https://github.com/davisking/dlib/blob/master/examples/dnn_face_recognition_ex.cpp）中實(shí)現(xiàn)的架構(gòu)一致。該網(wǎng)絡(luò)已經(jīng)被訓(xùn)練去學(xué)習(xí)出人臉特征到人臉描述符的映射（一個(gè)包含 128 個(gè)值的特征向量），這個(gè)過(guò)程通常也被稱為人臉嵌入。

現(xiàn)在讓我們回到最初對(duì)比兩張人臉圖像的問(wèn)題：我們將使用每張抽取出的人臉圖像的人臉描述符，并且將它們與參考數(shù)據(jù)的人臉描述符進(jìn)行對(duì)比。更確切地說(shuō)，我們可以計(jì)算兩個(gè)人臉描述符之間的歐氏距離，并根據(jù)閾值判斷兩張人臉圖像是否相似（對(duì)于 150*150 的圖像來(lái)說(shuō)，0.6 是一個(gè)很好的閾值）。使用歐氏距離的效果驚人的好，當(dāng)然，你也可以選用任何一種分類器。下面的 gif 動(dòng)圖可視化了通過(guò)歐氏距離比較兩張人臉圖像的過(guò)程：

至此，我們已經(jīng)對(duì)人臉識(shí)別的理論有所了解。接下來(lái)讓我們開(kāi)始編寫一個(gè)代碼示例。

是時(shí)候開(kāi)始編程了！

在這個(gè)簡(jiǎn)短的示例中，我們將看到如何一步步地運(yùn)行人臉識(shí)別程序，識(shí)別出如下所示的輸入圖像中的多個(gè)人物：

導(dǎo)入腳本

首先，從 dist/face-api.js 獲得最新的版本（https://github.com/justadudewhohacks/face-api.js/tree/master/dist），或者從 dist/face-api.min.js 獲得縮減版，并且導(dǎo)入腳本：

<script src="face-api.js"></script>

如果你使用 npm 包管理工具，可以輸入如下指令：

npm i face-api.js

加載模型數(shù)據(jù)

你可以根據(jù)應(yīng)用程序的要求加載你需要的特定模型。但是如果要運(yùn)行一個(gè)完整的端到端的示例，我們還需要加載人臉檢測(cè)、人臉特征點(diǎn)檢測(cè)和人臉識(shí)別模型。相關(guān)的模型文件可以在代碼倉(cāng)庫(kù)中找到，鏈接如下：https://github.com/justadudewhohacks/face-api.js/tree/master/weights。

其中，模型的權(quán)重已經(jīng)被量化，文件大小相對(duì)于初始模型減小了 75%，使你的客戶端僅僅需要加載所需的最少的數(shù)據(jù)。此外，模型的權(quán)重被分到了最大為 4 MB 的數(shù)據(jù)塊中，使瀏覽器能夠緩存這些文件，這樣它們就只需要被加載一次。

模型文件可以直接作為你的 web 應(yīng)用中的靜態(tài)資源被使用，或者你可以將它們存放在另外的主機(jī)上，通過(guò)指定的路徑或文件的 url 鏈接來(lái)加載。假如你將它們與你在 public/models 文件夾下的資產(chǎn)共同存放在一個(gè) models 目錄中：

const MODEL_URL='/models'

await faceapi.loadModels(MODEL_URL)

或者，如果你僅僅想要加載特定的模型：

const MODEL_URL='/models'

await faceapi.loadFaceDetectionModel(MODEL_URL)

await faceapi.loadFaceLandmarkModel(MODEL_URL)

await faceapi.loadFaceRecognitionModel(MODEL_URL)

從輸入圖像中得到對(duì)所有人臉的完整描述

該神經(jīng)網(wǎng)絡(luò)可以接收 HTML 圖像、畫布、視頻元素或張量（tensor）作為輸入。為了檢測(cè)出輸入圖像中分?jǐn)?shù)（score）大于最小閾值（minScore）的人臉邊界框，我們可以使用下面的簡(jiǎn)單操作：

const minConfidence=0.8

const fullFaceDescriptions=await faceapi.allFaces(input, minConfidence)

一個(gè)完整的人臉描述符包含了檢測(cè)結(jié)果（邊界框+分?jǐn)?shù)），人臉特征點(diǎn)以及計(jì)算出的描述符。正如你所看到的，「faceapi.allFaces」在底層完成了本文前面的章節(jié)所討論的所有工作。然而，你也可以手動(dòng)地獲取人臉定位和特征點(diǎn)。如果這是你的目的，你可以參考 github repo 中的幾個(gè)示例。

請(qǐng)注意，邊界框和特征點(diǎn)的位置與原始圖像/媒體文件的尺寸有關(guān)。當(dāng)顯示出的圖像尺寸與原始圖像的尺寸不相符時(shí)，你可以簡(jiǎn)單地通過(guò)下面的方法重新調(diào)整它們的大小：

const resized=fullFaceDescriptions.map(fd=> fd.forSize(width, height))

我們可以通過(guò)將邊界框在畫布上繪制出來(lái)對(duì)檢測(cè)結(jié)果進(jìn)行可視化：

fullFaceDescription.forEach((fd, i)=> {

faceapi.drawDetection(canvas, fd.detection, { withScore: true })

})

可以通過(guò)下面的方法將人臉特征點(diǎn)顯示出來(lái)：

fullFaceDescription.forEach((fd, i)=> {

faceapi.drawLandmarks(canvas, fd.landmarks, { drawLines: true })

})

通常，我會(huì)在 img 元素的頂層覆蓋一個(gè)具有相同寬度和高度的絕對(duì)定位的畫布（想獲取更多信息，請(qǐng)參閱 github 上的示例）。

人臉識(shí)別

當(dāng)我們知道了如何得到給定的圖像中所有人臉的位置和描述符后，我們將得到一些每張圖片顯示一個(gè)人的圖像，并且計(jì)算出它們的人臉描述符。這些描述符將作為我們的參考數(shù)據(jù)。

假設(shè)我們有一些可以用的示例圖片，我們首先從一個(gè) url 鏈接處獲取圖片，然后使用「faceapi.bufferToImage」從它們的數(shù)據(jù)緩存中創(chuàng)建 HTML 圖像元素：

// fetch images from url as blobs

const blobs=await Promise.all(

['sheldon.png' 'raj.png', 'leonard.png', 'howard.png'].map(

uri=> (await fetch(uri)).blob()

)

)

// convert blobs (buffers) to HTMLImage elements

const images=await Promise.all(blobs.map(

blob=> await faceapi.bufferToImage(blob)

))

接下來(lái)，在每張圖像中，正如我們之前對(duì)輸入圖像所做的那樣，我們對(duì)人臉進(jìn)行定位、計(jì)算人臉描述符：

const refDescriptions=await Promsie.all(images.map(

img=> (await faceapi.allFaces(img))[0]

))

const refDescriptors=refDescriptions.map(fd=> fd.descriptor)

現(xiàn)在，我們還需要做的就是遍歷我們輸入圖像的人臉描述符，并且找到參考數(shù)據(jù)中與輸入圖像距離最小的描述符：

const sortAsc=(a, b)=> a - b

const labels=['sheldon', 'raj', 'leonard', 'howard']

const results=fullFaceDescription.map((fd, i)=> {

const bestMatch=refDescriptors.map(

refDesc=> ({

label: labels[i],

distance: faceapi.euclideanDistance(fd.descriptor, refDesc)

})

).sort(sortAsc)[0]

return {

detection: fd.detection,

label: bestMatch.label,

distance: bestMatch.distance

}

})

正如前面提到的，我們?cè)谶@里使用歐氏距離作為一種相似度度量，這樣做的效果非常好。我們?cè)谳斎雸D像中檢測(cè)出的每一張人臉都是匹配程度最高的。

最后，我們可以將邊界框和它們的標(biāo)簽一起繪制在畫布上，顯示檢測(cè)結(jié)果：

// 0.6 is a good distance threshold value to judge

// whether the descriptors match or not

const maxDistance=0.6

results.forEach(result=> {

faceapi.drawDetection(canvas, result.detection, { withScore: false })

const text=`${result.distance < maxDistance ? result.className : 'unkown'} (${result.distance})`

const { x, y, height: boxHeight }=detection.getBox()

faceapi.drawText(

canvas.getContext('2d'),

x,

y + boxHeight,

text

)

})

至此，我希望你對(duì)如何使用這個(gè) API 有了一個(gè)初步的認(rèn)識(shí)。同時(shí)，我也建議你看看文中給出的代碼倉(cāng)庫(kù)中的其它示例。好好地把這個(gè)程序包玩?zhèn)€痛快吧！