0
雷锋网按：本文为雷锋字幕组编译的技术博客，原标题 face-api.js — JavaScript API for Face Recognition in the Browser with tensorflow.js，作者为 Vincent Mühler 。
翻译 | 王飞 赵朋飞 整理 | MY
我可以很激动地说，我们终于有可能在浏览器中运行人脸识别程序了！在这篇文章中，我会给大家介绍一个基于 TensorFlow.js 核心的 JavaScript 模块，这个模块叫做 face-api.js。为了实现人脸检测、人脸识别以及人脸特征点检测的目的，该模块分别实现了三种类型的卷积神经网络。
和往常一样，我们先看一个简单一点的代码实例，用几行的代码以便能够让大家可以直接开始使用这个包。我们开始吧！
第一个 face-recognition.js，那么现在还有其他包吗？
如果你有阅读过我的另外一篇关于 nodejs 进行人脸识别方面的文章：Node.js+face-recognition.js: Simple and Robust Face Recognition using Deep Learning , 你可能会意识到，一段时间以前，我构建过一个相似的包。比方说三个 face-recognition.js，将人脸识别功能引入 nodejs 当中。
起初，我没有想到在 javascript 社区中对脸部识别软件包的需求如此之高。对于很多人来说，face-recognition.js 似乎是一个很不错的免费软件包了，另外也有像微软和亚马逊提供的付费软件包。但是，一直有人问我能否在浏览器中完整地运行整个人脸识别的流程
最后的答案是肯定的，多亏了 tensorflow.js，利用好 tfjs-core, 我成功实现了部分相似的工具，这些小工具能够让你得到和使用 face-recognition.js 几乎相似的运行结果，并且是在浏览器中。而且最棒的一点是你不需要再安装任何依赖项，它可以直接运行。额外的好处是它还支持 GPU 加速，在 WebGL 上运行操作。
这足让我相信 JavaScript 社区需要这样的浏览器软件包！接下来就是发挥你自己的想象力，你可以用这个来构建各种各样的应用程序。：）
如何用深度学习来解决人脸识别的问题
如果你是那种想要尽快开始的人（或妹子），你可以跳过这一部分并直接跳到代码部分。但为了更好地理解 face-api.js 中用于实现人脸识别的方法，我强烈建议你按照步骤来，因为我经常被问到这一部分的问题。
为了简单起见，我们实际想要实现的是给定一个人的脸部图像然后对他/她进行识别，给定的图像即输入图像。我们解决这个问题的方法是为每个我们想要识别的人提供一个（或多个）图像，并用人名称标记，即参考数据。现在我们将输入图像与参考数据进行比较，并找到最相似的参考图像。如果两个图像足够相似，那我们就输出人名，否则我们输出'未知'。
听起来像是个不错的计划！但是这里仍存在两个问题。首先，如果我们有一张显示多个人的图像，并且我们想要识别所有这些图像，那该怎么办呢？其次，我们还需要能够获得度量两张人脸图像的相似性的量，以便进行比较。
人脸检测
第一个问题的答案是人脸检测。简单地说，我们首先找到输入图像中的所有的人脸。对于人脸检测，face-api.js 实现了 SSD（Single Shot Multibox Detector），它基本上是一个基于 MobileNetV1 的 CNN，在网络顶部叠加了一些额外的预测层。
这个网络返回包围每张脸的 bounding box，以及其对应的分数，即每个 boundingbox 中包含人脸的概率。这里的分数用于过滤边界框，因为图像中可能根本不包含人脸。另外要注意的是，即使图像中只有一个人，为了得到 boundingbox，也应该首先进行人脸检测这一步骤。
人脸特征点检测与人脸对齐
第一个问题解决了 但是，我想指出我们接下来要对齐边界框，在将它们传递到面部识别网络之前，为每个框提取以面部为中心的图像，因为这样可以使面部识别更准确！
针对这个目标。face-api.js 已经实现了一个简单的 CNN，这个网络能够返回给定人脸图片的 68 个脸部特征点。
根据特征点的位置，boundingbox 可以被确定在脸部的中心。下面显示的是人脸检测的结果（左）以及人脸对齐后的结果（右）。
人脸识别
现在我们可以将提取和对齐的人脸图像提供给人脸识别网络，该网络基于类似 ResNet-34 的体系结构，基本上与 dlib 中实现的体系结构相对应。该网络已经被训练，能够学习将人脸的特征映射到一个人脸描述器上（具有 128 个值的特征向量），这一过程通常也被称为面部嵌入。
现在回到我们最开始比较两张脸的这个问题上：我们将使用每个提取的面部图像的面部描述符，并将它们与参考数据的面部描述符进行比较。更确切地说，我们可以计算两个面部描述符之间的欧氏距离，并基于阈值判断两个面是否相似（对于 150×150 大小的面部图像来说，0.6 是比较好的阈值）。使用欧几里德距离的效果非常好，但当然你也可以使用你选择的任何类型的分类器。以下 gif 可视化了两张图片通过欧几里德距离进行比较的过程。
现在，让我们消化一下人脸识别的理论，接下来用代码来编写一个例子吧。
编码时间！
在这个简短的例子中，我们将逐步了解如何在以下输入图像中识别多个人脸：
包含脚本
首先，从 dist/face-api.js 获取最新的编译，或者 从 dist/face-api.min.js 获取修订版，并将脚本包含进来：
如果使用 npm：
加载模型数据
根据您的应用程序的需求，您可以专门加载您需要的模型，但是要运行一个完整的端到端示例，我们需要加载人脸检测、 脸部特征点和人脸识别模型。模型文件可以在 repo 或点击这里获取。
模型的权重已经被量化，与原始模型相比，将模型文件的大小减少了 75%，以允许您的客户只加载所需的最少数据。此外，模型权重被分割成最大 4 MB 的块，允许浏览器缓冲这些文件，以便这些文件只被加载一次。
模型文件可以简单的被当做浏览器的静态资源，或者你可以在其他地方托管它们，并可以通过特定的路由或 URL 加载这些文件。假设你将它们和你的其他资源一起放到模型目录下（public/models）：
或者，如果你仅仅想加载特定的模型：
从输入图像中获得对所有面孔的完整描述
神经网络接受 HTML 图像、画布、视频或者张量等形式的输入。使用 score > minScore 检测面部边界框，我们简单的说：
完整的面部描述包括检测结果（边界框+分值），脸部特征，以及计算描述符。正如你所看到的，在前面的讨论中 faceapi.allFaces 在后台做了所有的工作。然而，你也可以手动获取脸部位置和特征点。如果你以此为目标的话，可以在 github repo 找到很多例子。
注意，边界框和特征点位置依赖于原始图像/媒体的大小。如果显示的图像大小与原始图像大小不一致，您可以简单地调整大小：
我们可以通过将边界框绘制到画布上来可视化检测结果 ：
脸部特征点可以如下方式显示：
通常，我所做的是将一个绝对定位的画布叠加在 img 元素的顶部，它们的宽度和高度是相同的（可以查看 github 上的示例了解更多信息）
面部识别
现在我们知道了如何检索输入图像中所有人脸的位置和描述了，我们将从一些图像中指出每个人脸并计算出人脸的描述符。这些描述符将会是我们的参考数据。
假设我们有一些可用的示例图像，我们首先从一个 url 获取图像，并使用 faceapi.bufferToImage 从数据缓冲区中创建 HTML 图像元素：
接下来，对于每一个图像，我们定位主题并计算面部描述符，就像我们之前对输入图像所做的操作：
现在，我们要做的所有事情都是循环遍历我们输入图像的面部描述，并找到与参考数据距离最小的描述符：
正如前面提到的，我们使用欧氏距离度量相似度，结果证明它是有效的。我们最终得到了在输入图像中检测到的每个面孔的最佳匹配。
最后，我们可以将边界框和它们的标签一起绘制到画布上，以显示结果：
好了！到目前为止，我希望您已经了解了如何使用这个 api。另外，我还建议您看一下 repo 的其他例子。现在尽情享受这个软件包吧！
如果你喜欢这篇文章，欢迎点赞并在 medium 或 twitter 上关注我。也欢迎在 github repository 上评价。请继续关注更多教程！
雷锋网雷锋网
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
