基于faceapi.js框架,在前端完成人脸识别

https://www.toutiao.com/a6717089581591691779/

 

本文为大家介绍的是一款在浏览器端运行的人脸识别框架,即faceapi.js 。它基于tensorflow.js,完成了从人脸检测,提取特征点,计算描述符和人脸匹配等一系列步骤。

基于faceapi.js框架,在前端完成人脸识别_第1张图片

识别效果图


由于此框架的易用性,通过寥寥几行JavaScript代码即可完成端到端的识别,以下介绍人脸识别的一般步骤:

人脸检测

首先,我们从图片或者视频帧中定位出人脸位置。框架为我们提供了三种用于人脸检测的模型。

Tiny Face Detector

Tiny Face Detector是一款性能非常高的实时人脸检测器,与SSD Mobilenet V1人脸检测器相比,它更快,更小,资源消耗更少,作为回报,它在检测小脸时的表现稍差。这个型号极具移动性和网络友好性,因此它应该是移动设备和资源有限的客户端上的GO-TO人脸检测器。量化模型的大小仅为190 KB(tiny_face_detector_model)。

SSD Mobilenet V1

对于面部检测,该项目实现了基于MobileNetV1的SSD(单次多盒检测器)。神经网络将计算图像中每个面部的位置,并将返回边界框以及每个面部的概率。该面部检测器旨在获得检测面部边界框而不是低推理时间的高精度。量化模型的大小约为5.4 MB(ssd_mobilenetv1_model)。

MTCNN

MTCNN(多任务级联卷积神经网络)代表了SSD Mobilenet v1和Tiny Yolo v2的替代面部检测器,它提供了更多的配置空间。通过调整输入参数,MTCNN应该能够检测各种面部边界框大小。MTCNN是一个3级级联CNN,它同时返回5个面部标志点以及每个面的边界框和分数。此外,型号尺寸仅为2MB。


提取68个特征点

该套件实现了一个非常轻巧,快速,准确的68点面部标志探测器。默认模型的大小仅为350kb(face_landmark_68_model),微小模型仅为80kb(face_landmark_68_tiny_model)。两种模型都采用深度可分离卷积以及密集连接块的思想。此外,模型已经在一个标有68个面部标志点的约35k个面部图像的数据集上进行了训练。

基于faceapi.js框架,在前端完成人脸识别_第2张图片

脸部特征点样图


计算描述符

对于面部识别,实现类似ResNet-34的体系结构以从任何给定面部图像计算面部描述符(具有128个值的特征向量),其用于描述人脸的特征。该模型不仅仅用于训练的面部集合,这意味着您可以将其用于任何人的面部识别,例如您自己。您可以通过比较它们的面部描述符来确定两个任意面的相似性,例如通过计算欧氏距离或使用您选择的任何其他分类器。


完成人脸识别

基于描述符,可以构建人脸识别匹配器。将其于视频帧中人脸描述符对比,若存在,则可输出人名及相似度。


补充

此外,项目还有其独特的表情检测和年龄检测功能,具体代码使用可见github开源项目。

https://github.com/justadudewhohacks/face-api.js

以下为额外功能效果图:

基于faceapi.js框架,在前端完成人脸识别_第3张图片

表情检测图

基于faceapi.js框架,在前端完成人脸识别_第4张图片

年龄检测图

你可能感兴趣的