咦,用浏览器做人脸检测,竟然这么简单?
Shape Detection API 的发布已经有一些时日,其主要提供的能力是给予前端直接可用的特征检测接口(包括条形码、人脸、文本检测)。本文将简单对其进行介绍,对前端进行人脸检测进行普适性的讲解。
1 背景与场景
人脸检测(Face Detection)算是老生常谈的课题了,在诸多行业应用广泛,例如金融、安防、电子商务、智能手机、娱乐图片等行业。其中涉及的技术也在不断的演变,下面简要介绍几种思路:
a. 基于特征的人脸检测
例如opencv中内置了基于Viola-Jones目标检测框架的Harr分类器,只需要载入一个配置文件(haarcascade_frontalface_alt.xml)就能直接调用detectObject去完成检测过程,同时也支持其他特征的检测(如鼻子、嘴巴等)。
b. 基于学习的人脸检测
其实也是需要通过算子提取图像中的局部特征,通过对其进行分类、统计、回归等方式得到的具备更精确和快响应的分类器。
2 套路集锦
2.1 后端处理
前端通过网络将资源传输到后端,后端统一处理需要检测的图像或视频流,对后端的架构有一定的挑战,同时网络的延时往往不能给用户带来实时的交互效果。
2.2 客户端处理
得益于OpenCV在跨语言和跨平台的优势,客户端也能以较低的开发成本提供人脸检测的能力,并且可以通过JsBridge等方式向web容器提供服务,然而一旦脱离这个容器,孤立的页面将失去这种能力。直到有一天……
2.3 开放服务
不知道从啥时候开始,云计算等概念拔地而起,计算的成本日益降低。各大研发团队(如阿里云、Face++)都蠢蠢欲动又不紧不慢上架了人脸检测服务,甚至还带上了各种特!殊!服!务!人脸识别、活体识别、证件OCR及人脸对比等等等。
尽管不仅提供了客户端的SDK以及前后端的API,但是,怎么说也要讲讲我纯前端的方案吧。
3 时代带来了什么
好吧,人脸识别在前端依然是在刀耕火种的远古时代,然而,我们的基础建设已经起步,希望后续的一些相关介绍能为各位看官带来一定的启发。
3.1 Shape Detection API
随着客户端硬件的计算能力逐渐提高,浏览器层面得到的权限也越来越多,由于图像处理需要耗费大量的计算资源,实际上浏览器上也能承担图像检测的一些工作,因此就搞出了个Shape Detection API。
以下几个简单的例子介绍了基本的用法,在尝试编辑并运行这些代码之前,请确保在你的Chrome版本以及该新特性已经被激活,另外该API受同源策略所限制:
chrome://flags/#enable-experimental-web-platform-features
条形码:Barcode Detection (For Chrome 56+)
var barcodeDetector = new BarcodeDetector();
barcodeDetector.detect(image).then(barcodes => {barcodes.forEach(barcode => console.log(barcodes.rawValue))}).catch(err => console.error(err));
人脸:Face Detection (For Chrome 56+)
var faceDetector = new FaceDetector();
faceDetector.detect(image).then(faces => faces.forEach(face => console.log(face))).catch(err => console.error(err));
文本:Text Detection (For Chrome 58+)
var faceDetector = new FaceDetector();
faceDetector.detect(image).then(faces => faces.forEach(face => console.log(face))).catch(err => console.error(err));
3.2 图像中的人脸检测
图像的人脸检测比较简单,只需要传入一个图片的元素,就能直接调起该API进行人脸识别了。然后接住canvas我们可以将检测的结果展示出来。
核心代码如下:
var image = document.querySelector('#image');
var canvas = document.querySelector('#canvas');
var ctx = canvas.getContext("2d");
var scale = 1;
image.onload = function () {ctx.drawImage(image,0, 0, image.width, image.height,0, 0, canvas.width, canvas.height);scale = canvas.width / image.width;
};
function detect() {if (window.FaceDetector == undefined) {console.error('Face Detection not supported');return;}var faceDetector = new FaceDetector();console.time('detect');return faceDetector.detect(image).then(faces => {console.log(faces)// Draw the faces on the <canvas>.var ctx = canvas.getContext("2d");ctx.lineWidth = 2;ctx.strokeStyle = "red";for (var i = 0; i < faces.length; i++) {var item = faces[i].boundingBox;ctx.rect(Math.floor(item.x * scale),Math.floor(item.y * scale),Math.floor(item.width * scale),Math.floor(item.height * scale));ctx.stroke();}console.timeEnd('detect');}).catch((e) => {console.error("Boo, Face Detection failed: " + e);});
}
3.3 视频中的人脸检测
视频中的人脸检测跟图像相差不大,通过getUserMedia 可以打开摄像头获取视频/麦克风的信息,通过将视频帧进行检测和展示,即可实现视频中的人脸检测。
核心代码如下:
navigator.mediaDevices.getUserMedia({video: true,// audio: true}).then(function (mediaStream) {video.src = window.URL.createObjectURL(mediaStream);video.onloadedmetadata = function (e) {// Do something with the video here.};}).catch(function (error) {console.log(error.name);});setInterval(function () {ctx.clearRect(0, 0, canvas.width, canvas.height);ctx.drawImage(video, 0, 0);image.src = canvas.toDataURL('image/png');image.onload = function() {detect();}}, 60);
3.4 时光倒流到没有API的日子
实际上,在很久很久以前,也有不少解决方案存在。由于硬件条件以及没有硬件加速等限制的情况,一直没有被广泛地投入生产。
a. tracking.js
tracking.js 是一款js封装的图像处理的库,为浏览器带来丰富的计算视觉相关的算法和技术,通过它可以实现颜色追踪、人脸检测等功能,具体特性如下:
b. jquery.facedetection
jquery.facedetection 是一款jquery / zepto 人脸检测插件,基于跨终端能力超强的ccv中的图像分类器和检测器。
2.5 Node.js & OpenCv
node-opencv 模块已经发布了有些年头,尽管目前还不能完美兼容v3.x,提供的API也比较有限,但能完美兼容opencv v2.4.x。N-API的到来可能会带来更多的惊喜。
设想一下在一个Electron或者Node-Webkit容器中,我们是否可以通过本地开启websocket服务来实现实时的人脸检测呢?实现的思路代码如下:
- 后端处理逻辑
import cv from 'opencv';
const detectConfigFile = './node_modules/opencv/data/haarcascade_frontalface_alt2.xml';
// camera properties
const camWidth = 320;
const camHeight = 240;
const camFps = 10;
const camInterval = 1000 / camFps;
// face detection properties
const rectColor = [0, 255, 0];
const rectThickness = 2;
// initialize camera
const camera = new cv.VideoCapture(0);
camera.setWidth(camWidth);
camera.setHeight(camHeight);
const frameHandler = (err, im) => {return new Promise((resolve, reject) => {if (err) {return reject(err);}im.detectObject(detectConfigFile, {}, (error, faces) => {if (error) {return reject(error);}let face;for (let i = 0; i < faces.length; i++) {face = faces[i];im.rectangle([face.x, face.y], [face.width, face.height], rectColor, rectThickness);}return resolve(im);});});
};
module.exports = function (socket) {const frameSocketHanlder = (err, im) => {return frameHandler(err, im).then((img) => {socket.emit('frame', {buffer: img.toBuffer(),});});};const handler = () => {camera.read(frameSocketHanlder);};setInterval(handler, camInterval);
};
- 前端调用接口
socket.on('frame', function (data) {var unit8Arr = new Uint8Array(data.buffer);var str = String.fromCharCode.apply(null, unit8Arr);var base64String = btoa(str);img.onload = function () {ctx.drawImage(this, 0, 0, canvas.width, canvas.height);}img.src = 'data:image/png;base64,' + base64String;
});
4 总结
4.1 未来的发展
这些前沿的技术将会在前端得到更为广泛的应用和支持是毋庸置疑的,未来的图像在前端也会随着传统图像处理->学习+图像处理的方式前进,这一切的功劳离不开基础设施(硬件、浏览器、工具、库等)的逐渐增强和完善,其中包括但不仅限于:
- getUserMedia/Canvas => 图像 / 视频的操作
- Shape Detection API => 图像检测
- Web Workers => 并行计算能力
- ConvNetJS => 深度学习框架
4.2 实际上并没有那么乐观
4.2.1 准确率
对于正脸(多个)的识别率还是比较高的,但是在侧脸已经有障碍物的情况下,检测的效果并不理想。
4.2.2 处理速度
对于图像中人脸检测的例子2.2,耗费时间300ms+(实际上无法满足大分辨率视频实时处理),是调用Opencv的检测速度100ms的三倍之多。
4.2.3 特性
还有很多需要完善的地方:如不支持眼镜状态、性别、年龄估计、表情识别、人种、笑容、模糊检测等主流服务提供商提供的服务。
来源:阿里技术
原文链接
咦,用浏览器做人脸检测,竟然这么简单?相关推荐
- 用浏览器做人脸检测,竟然这么简单?(附代码)
1.背景与场景 人脸检测(Face Detection)算是老生常谈的课题了,在诸多行业应用广泛,例如金融.安防.电子商务.智能手机.娱乐图片等行业.其中涉及的技术也在不断的演变,下面简要介绍几种思路 ...
- dlib做人脸检测判断有没有检测到人脸
dlib做人脸检测判断有没有检测到人脸 文章目录: 一.人脸检测 二.判断有没有检测到人脸 其实我用dlib 检测人脸只是用来做个触发条件,但是我不知道怎么判断有没有检测到人,因为从返回值只知道是一个 ...
- OpenCvSharp人脸检测(二) DNN加载Caffe模型做人脸检测
更多视觉图像处理相关内容,可关注[OpenCV与AI深度学习]公众号获取! 本文作者Color Space,文章未经作者允许禁止转载! 本文将介绍OpenCvSharp人脸检测(二) DNN加载Caf ...
- C# OpenCV人脸检测(三) DNN加载FaceDetectorYN模型做人脸检测
点击下方卡片,关注"OpenCV与AI深度学习"公众号 视觉/图像重磅干货,第一时间送达 本文作者Color Space,文章未经作者允许禁止转载! 本文将介绍C# OpenCV人 ...
- B站up主硬核打造「螃蟹火星车」,遥控、拍照、测距,还能做人脸检测;网友:赛博螃克...
鱼羊 白交 发自 凹非寺 量子位 报道 | 公众号 QbitAI 吃完的螃蟹壳是干垃圾还是湿垃圾? 或者,裹上一层黑科技,让它变身「火星车」,馋哭隔壁家小孩. 更硬核的是,这样一台螃蟹火星车,并非只是 ...
- 基于摄像头使用Cascade Classifier做人脸检测的方法及例程
参考文档:http://docs.opencv.org/doc/tutorials/objdetect/cascade_classifier/cascade_classifier.html 目标: 使 ...
- python读取宇视摄像头实时流,并用opencv做人脸检测
一.测试摄像头 宇视摄像头默认密码123456,取流地址:rtsp://admin:123456@192.168.1.134:554 下载VLC播放器进行验证,下载地址如下 https://dl.pc ...
- Java封装libfacedetection做人脸检测
libfacedetection libfacedetection是深圳大学于仕途琪老师开发的一个用于人脸检测的算法,并且开源到了GitHub上面,它是基于CNN模型的开源库,可以在Linux.ARM ...
- 调用百度AipFace做人脸检测
需要注意的几个问题: 1.需要在百度人脸识别云平台注册账号并登陆:https://login.bce.baidu.com/?account= 然后创建人脸检测应用,则会生成相应的APP_ID API_ ...
最新文章
- 将当前的head推送到远程_git 入门教程之远程仓库
- c语言115写成16进制,C语言指针问题
- Android Studio +MAT 分析内存泄漏实战
- linux 设置ftp自启,CentOS vsftpd设置安装自启动配置
- 【转】Android子线程真的不能更新UI么
- power系列服务器问题品管主任,了解 Power BI 管理员角色
- typeof null的返回值是什么?_数据类型与typeof
- HDU - 6393 Traffic Network in Numazu(线段树+LCA+树链剖分+并查集)
- leetcode 73 矩阵置零 C++ 两种解法
- 解决: Gitee 自已提交的代码提交人头像为他人、码云上独自开发的项目显示为 2 个开发者
- ffmpeg libx264_nginx+ffmpeg搭建流媒体服务器(直播流)
- python数据可视化的包怎么安装_数据可视化包 - matplotlib
- 句句真研—每日长难句打卡Day1
- HTTP协议及POST与GET操作差异,C#中如何使用POST、GET等
- APIcloud解决检出到指定路径:false问题
- 树莓派4B+初始化配置全攻略(Raspbain+VNC+XShell) 格式化SD卡-烧录系统-初始化设置-SSH和VNC无显示器远程连接-(更新、换源、网络监控、中文输入法、CPU温度)附百度网盘
- 习题2_2、韩信点兵
- perl统计日志文件ip及数量
- D - Inna and Alarm Clock
- 计算机操作知识 p?p?t,计算机初级基本操作