前端人脸识别--两张脸相似度

电玩女神 2022-01-20 07:49 556阅读 0赞

本文例子主要写的是如何获取两张脸的相似度, 其余例子参考官网, 博主才疏学浅, 如果有错误, 麻烦大佬们多多指点.

face-api.js 传送门: [github.com/justadudewh…][github.com_justadudewh]

代码传送门, 安装即用, 顺手点star, 一天好心情, 例子基于`face-api.js` [github.com/TheKiteRunn…][github.com_TheKiteRunn]

本人csdn地址: [blog.csdn.net/c\_kite/arti…][blog.csdn.net_c_kite_arti]

# 1. 效果图 #

可以clone下我的[例子][github.com_TheKiteRunn]代码, 比对参考图片是images文件夹下的reference.jpg

# 2. 开发流程 #

## 2.1. 安装face-api.js ##

获取face-api.js: `npm i face-api.js`

> 如果想要在node端运行, 我作为一个windows用户遇到了n多坑, 下面贴上一些解决链接:
> 
> 1.  node-gyp: windows用户安装办法 [github.com/nodejs/node…][github.com_nodejs_node]
> 2.  TensorFlow.js Node.js windows故障排查 [github.com/tensorflow/…][github.com_tensorflow]
> 3.  如果遇到 Downloading libtensorflow events.js:173 throw er; // Unhandled 'error' event ^ Error: connect ETIMEDOUT 172.217.160.80:443 网络问题, 需要合理的工具来解决这个问题, 代码里的libtensorflow地址: const BASE\_URI = '[storage.googleapis.com/tensorflow/…][storage.googleapis.com_tensorflow]'; const CPU\_DARWIN = 'cpu-darwin-x86\_64-1.12.0.tar.gz'; const CPU\_LINUX = 'cpu-linux-x86\_64-1.12.0.tar.gz'; const GPU\_LINUX = 'gpu-linux-x86\_64-1.12.0.tar.gz'; const CPU\_WINDOWS = 'cpu-windows-x86\_64-1.12.0.zip'; const GPU\_WINDOWS = 'gpu-windows-x86\_64-1.12.0.zip';
> 4.  安装过程如果遇到"node-pre-gyp install --fallback-to-build", 那是canvas包执行的, 会下载一个文件: [github.com/node-gfx/no…][github.com_node-gfx_no] 长时间没反应的话估计是这个包卡主了, 需要合理上网

## 2.2. 加载model ##

安装完包之后, 需要根据你所需要的功能加载适当的model, 人脸检测一个model, 表情识别一个model, 人脸识别一个model, 如果你没有提前加载model直接使用api的话会有下面示例代码类似提示

Uncaught (in promise) Error: FaceLandmark68Net - load model before inference 
    // 这就意味着没有加载FaceLandmark model
    复制代码

那么如何加载model呢, 如下代码

await faceapi.loadTinyFaceDetectorModel('model地址')
    // 等价于
    await faceapi.nets.tinyFaceDetector.load('model地址')
    复制代码

全部的model可以在仓库找到: [github.com/justadudewh…][github.com_justadudewh 1] 你可以把他们放到自己的静态服务器里

## 2.3. 面部检测 ##

检测视频或者图片中全部脸

const detections = await faceapi.detectAllFaces(input)
    复制代码

检测图像中具有最高置信度分数的面部

const detection = await faceapi.detectSingleFace(input)
    复制代码

默认情况下，`detectAllFaces`和`detectSingleFace`使用`SSD Mobilenet V1`人脸检测器。您可以通过传递相应的选项对象来指定面部检测器

// 我测试的时候使用的是`TinyFaceDetector`, 因此可以
    const detections = await faceapi.detectAllFaces(input, new faceapi.TinyFaceDetectorOptions())
    复制代码

## 2.4. 检测脸部68个标记点 ##

在面部检测之后，我们还可以预测每个检测到的面部的面部标志，如下所示：

const detectionsWithLandmarks = await faceapi.detectAllFaces(input).withFaceLandmarks()
    // 或者
    const detectionWithLandmarks = await faceapi.detectSingleFace(input).withFaceLandmarks()
    复制代码

## 2.5. 计算脸部描述 ##

Note: 一定要按照博文所写的顺序来调用函数

在面部检测和面部标志预测之后，可以计算每个面部的面部描述符：

const results = await faceapi.detectAllFaces(input).withFaceLandmarks().withFaceDescriptors()
    // 或者
    const result = await faceapi.detectSingleFace(input).withFaceLandmarks().withFaceDescriptor()
    复制代码

## 2.6. 计算两张脸相似度 ##

要执行面部识别，可以使用`faceapi.FaceMatcher`将参考面部描述符与查询面部描述符进行比较

const imgEle = document.createElement('img');
    imgEle.src = '/reference.jpg'
    const  reference = await faceapi.detectSingleFace(imgEle, options).withFaceLandmarks().withFaceDescriptor()
    
    const result = await faceapi.detectSingleFace(videoEl, options).withFaceLandmarks().withFaceDescriptor()
    if (result) {
        const faceMatcher = new faceapi.FaceMatcher(result)
        drawLandmarks(videoEl, $('#overlay').get(0), [result], withBoxes)
    
        if (reference) {
           const bestMatch = faceMatcher.findBestMatch(reference.descriptor)
           console.log(bestMatch)
         }
    }
    复制代码

此处主要通过脸部特征向量来计算euclidean distance(欧氏距离), 因此如预览图所示\_distance越小, 说明两张脸越匹配, 这个阈值可以设置为0.4, 0.4以下为匹配成功, 以上则失败.

因此如果你有脸部特层向量, 你也可以通过这个`face-api.js` api来计算欧式距离

const dist = faceapi.euclideanDistance([0, 0], [0, 10])
    console.log(dist) // 10
    复制代码

tips: euclidean distance(欧氏距离)定义: 是一个通常采用的距离定义,它是在m维空间中两个点之间的真实距离.在二维空间中的欧氏距离就是两点之间的直线段距离. 二维空间的欧氏距离公式 `d = sqrt(( x1-x2)^2 + (y1-y2)^2 )`三维空间的欧氏距离公式`d = sqrt( (x1-x2)^2+(y1-y2)^2+(z1-z2)^2 )`

[github.com_justadudewh]: https://link.juejin.im?target=https%3A%2F%2Fgithub.com%2Fjustadudewhohacks%2Fface-api.js
[github.com_TheKiteRunn]: https://link.juejin.im?target=https%3A%2F%2Fgithub.com%2FTheKiteRunners%2Fface-recognition-browser
[blog.csdn.net_c_kite_arti]: https://link.juejin.im?target=https%3A%2F%2Fblog.csdn.net%2Fc_kite%2Farticle%2Fdetails%2F87890373
[github.com_nodejs_node]: https://link.juejin.im?target=https%3A%2F%2Fgithub.com%2Fnodejs%2Fnode-gyp%23on-windows
[github.com_tensorflow]: https://link.juejin.im?target=https%3A%2F%2Fgithub.com%2Ftensorflow%2Ftfjs-node%2Fblob%2Fmaster%2FWINDOWS_TROUBLESHOOTING.md
[storage.googleapis.com_tensorflow]: https://link.juejin.im?target=https%3A%2F%2Fstorage.googleapis.com%2Ftensorflow%2Flibtensorflow%2Flibtensorflow-
[github.com_node-gfx_no]: https://link.juejin.im?target=https%3A%2F%2Fgithub.com%2Fnode-gfx%2Fnode-canvas-prebuilt%2Freleases%2Fdownload%2Fv2.0.1%2Fcanvas-prebuilt-v2.0.1-node-v64-win32-unknown-x64.tar.gz
[github.com_justadudewh 1]: https://link.juejin.im?target=https%3A%2F%2Fgithub.com%2Fjustadudewhohacks%2Fface-api.js%2Ftree%2Fmaster%2Fweights