web技术分享| 前端秘籍之“易容”术

Posted 2021-10-04 anyRTC

大家好，我是初冬，一直想研究一下人工智能，但是一直再观望，上一期我写来一篇《一篇前端图像处理秘籍》，想着趁热打铁，于是卯足干劲，就有了前端换脸的想法，那就写一个换脸的 Demo 吧，因此就有以下图片中的 DEMO。

今天我们就以这个 DEMO 来看看，如何利用 tfjs + canvas 实现前端换脸。

技术分析

前端换脸（易容术）前提就是获取到人脸的范围，但是目前也就只有 AI 能够起到关键性的作用，因为关键在于人脸的识别以及计算五官的位置和大小，从而可以满足我们天马行空的需求，怎么样才能让它跟灭霸打响指一样简单呢？

首先，我们需要精准的获取到图像（图片或视频）中是否有人脸，另外就是人脸的边界以及五官的位置。比如：检测人脸特征点，我们称之为人脸的“神经网络”。

其次，作为主刀医生的我们，在拿到五官位置的报告之后，跟客户的沟通明确需求之后，再次进行仔细慎密分析，最终我们就才放心大胆的动“刀子”了。

别忘了打麻药，我好几次都忘了，客户疼晕过去也就省去了麻药的费用。我真是勤俭持家的好大夫。

我们除了要拿到五官的位置以外，我们还需要知道五官的大小，说实话这有点难，不是所有人的眼睛都跟杜海涛和李荣浩那样精密（显微镜好测），也不是所有人的嘴都像姚晨和舒淇那般气吞山河。

我相信有些伙伴已经陷入焦虑之中，不用焦虑了朋友，反正被动刀的人不是你🤪，方法总比困难多，对吧，动起来再说。

技术选型

要想获取到五官的位置，首先得识别人脸，然后才是获取人脸五官的范围及其五官位置。这里我们不得不借助一些 AI 智能的力量了，关于智能人脸检测的库初步调研下来大概有face-api.js、tracking.js、clmtrackr.js、tfjs。

同时我也一步步，满怀这初为主刀医生的信心，满怀期待的从 face-api 开始，一个一个的往下试，屡试屡败，屡败屡试，差点就从入门到放弃了，想到我一代神医难道要从此没落？突然我从自我怀疑的废墟之中站起来了，再确认过准备工作和工作流程之后，我发现这个仓库是 3年前的，也可能是是自我的问题，我还是毅然决然的放弃 face-api.js、tracking.js、clmtrackr.js 这些提案，将寄托的颜色投向 tfjs。

很快我在 tfjs 的官网 找到一些已经训练好的模型 ，其中就包含我们需要的人脸检测的模型 ，巧了吗不是，为我们开启了易容术的大门，谷歌果然没有让我失望😄。

通过漫长又愉快的测试，我发现 Blazface 库可以帮助我们检测到：

• 人脸范围的开始和结束坐标
• 左眼睛和右眼睛的位置
• 左耳朵和右耳朵的位置
• 鼻子的位置
• 嘴巴的位置

一图胜千言，眼见为实以下。

技术实现

技术分享如果只讲理论那岂不是太聒噪了，不符合我的 Style，关于如何从技术上实现，我们可以从一个简单的 DEMO 开始，给眼睛添加上 💗。

先敬上一张效果图。

整个实现流程可分为以下几个步骤：

• 引入 tfjs 并加载 AI 模型（人脸识别）
• 获取图像中所有人脸的信息
• 计算每个人眼睛的大小
• canvas 绘制图片并在眼睛上方添加 💗

这里我们使用的是贴图，而不是改变图像的数据（ImageData）。当然我们也可以直接更改 ImageData，但是罗翔老师表示不推荐，如果直接更改图像的数据，不仅计算量很大，导致绘制卡顿，甚至会导致浏览器卡死；另外模型目前无法保证精度，从而导致图像失真。毕竟我们现在依靠的是 AI 模型分析提供的坐标，期待以后模型更加完善和精准吧。

第一步：引入 Blazface detector 库 并加载 AI 模型

Blazface detector 库依赖 tfjs，因此我们需要先加载 tfjs.

两种引入方式

npm 导入

const blazeface = require('@tensorflow-models/blazeface');

script 标签

<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>
<script src="https://cdn.jsdelivr.net/npm/@tensorflow-models/blazeface"></script>

加载 AI 模型

⚠️ 需要科学上网，因为 model 需要从 TFHUB 上加载，未来有望可以自己选择从哪加载模型（先已接受提案）。

async function main() {
  // 加载模型
  const model = await blazeface.load();
  // TODO...

}

main();

第二步：获取图像中所有人脸的信息

在确保模型加载完成之后，我们可以使用 estimateFaces 方法来检测到图像中所有的人脸信息，该方法将返回一个数组，数组的数量为检测到的人脸的数量，每一个人脸信息都是一个对象，该对象包含以下信息：

• topLeft
  人脸↖️角边界的坐标
• bottomRight
  人脸↘️角边界的坐标。可以结合 topLeft 计算出，人脸的宽、高大小。
• probability
  准确率。
• landmarks
  包含五官的位置的数组。按顺序分别表示右眼睛、左眼睛、鼻子、嘴巴、右耳朵、左耳朵。

estimateFaces 方法接收 2 个参数，分别为：

• input
  DOM 节点活着 DOM 对象。可以是 video 活着 image。
• returnTensors
  布尔类型，返回数据类型。如果是 false 返回的具体数值，x, y 坐标等。如果为 true，返回的是一个对象。

示例：

// 我们将 video 或 image 对象（或节点）传递给模型
const input = document.querySelector("img");
// 该方法将返回一个包含人脸边界框、五官坐标的数组，数组的每一个 item 都对应一个人脸。
const predictions = await model.estimateFaces(input, false);
/*
`predictions` is an array of objects describing each detected face, for example:
[
  {
	topLeft: [232.28, 145.26],
	bottomRight: [449.75, 308.36],
	probability: [0.998],
	landmarks: [
	  [295.13, 177.64], // 右眼睛的坐标
	  [382.32, 175.56], // 左眼睛的坐标
	  [341.18, 205.03], // 鼻子的坐标
	  [345.12, 250.61], // 嘴巴的坐标
	  [252.76, 211.37], // 右耳朵的坐标
	  [431.20, 204.93] // 左耳朵的坐标
	]
  }
]
*/

第三步： 计算每个人眼睛的大小

在第二步中，我们已经获取了每个人眼睛的坐标位置。接下来我们需要计算眼睛的大小，仔细的小伙伴可能已经发现，模型分析的数据中，并没有提供眼睛大小的属性，那么我们如何判断眼睛的大小呢？
上文的图3中，我们可以看出眼睛的坐标均是下眼皮，鼻子坐标是鼻尖、嘴巴的位置是中心点，而且都存在一定偏移，仔细观察我们发现，角度也会影响眼睛的大小，但是有个共同的现象就是，边界到眼睛的高度，在往下偏移这个高度的一半，大概就是眼睛的位置。因此眼睛的大小 = 眼睛的 Y 坐标 - 上边界的 Y 坐标。

for (let i = 0; i < predictions.length; i++) {
	const start = predictions[i].topLeft;
	const end = predictions[i].bottomRight;
	const size = [end[0] - start[0], end[1] - start[1]];

	const rightEyeP = predictions[i].landmarks[0];
	const leftEyeP = predictions[i].landmarks[1];

	// 眼睛的大小
	const fontSize = rightEyeP[1] - start[1];
	context.font = `${fontSize}px/${fontSize}px serif`;
}

第四步：canvas 中绘制图像以及 💗

由于这里我们使用的是贴图的方式，因此我们需要先绘制原始图像，然后在眼睛的位置，通过 CanvasRenderingContext2D.fillText() 的方式，将我们的 💗 绘制上去，这里我们也可以使用图片的方式，看大家喜欢，我觉得文本更快，因为图片需要加载 😛。

// 此处省略绘制原图的步骤，详情查看源码
// ...
// 遍历人脸信息数组
for (let i = 0; i < predictions.length; i++) {
	const start = predictions[i].topLeft;
	const end = predictions[i].bottomRight;
	const size = [end[0] - start[0], end[1] - start[1]];
	const rightEyeP = predictions[i].landmarks[0];
	const leftEyeP = predictions[i].landmarks[1];

	// 看见爱情
	const fontSize = rightEyeP[1] - start[1];
	context.font = `${fontSize}px/${fontSize}px serif`;
	context.fillStyle = 'red';
	context.fillText('❤️', rightEyeP[0] - fontSize / 2, rightEyeP[1]);
	context.fillText('❤️', leftEyeP[0] - fontSize / 2, leftEyeP[1]);
}

源码双手奉上，是不是迫不及待试一试呢？不用急，下面我还提供了一些其他有趣的 DEMO，别忘了点赞、收藏哦。

进阶

本文只是讲解一些入门的图像处理技术，高度的图像处理，远比我们想象的负责的多，同时也有需要相关的算法，感兴趣的小伙伴，可以去查阅相关的资料文档。比如，可以百度一些 图像跟踪算法、图像处理算法、二值化、265色转灰色等等。
此外我想通过分享几个 DMEO，以及实现分享，从点到面帮助大家巩固一下。

防疫达人

疫情来势汹汹，却迟迟不走，炎炎夏日想必大家戴口罩都被闷坏了吧，不如我来给你们加一个无形的口罩。是干就干，找一个没有背景颜色的口罩 PNG，下面就可以开始我们的表演了。

步骤：

• 通过模型获取嘴巴的位置
• 计算嘴巴的宽度
• canvas 中绘制图像以及口罩

分析：

• 口罩是一张图片，需要通过 CanvasRenderingContext2D.drawImage() 方法绘制
• 口罩的中心点约等于嘴巴中心点

for (let i = 0; i < predictions.length; i++) {
	const start = predictions[i].topLeft;
	const end = predictions[i].bottomRight;
	const size = [end[0] - start[0], end[1] - start[1]];

	const rightEyeP = predictions[i].landmarks[0];
	const leftEyeP = predictions[i].landmarks[1];
	const noseP = predictions[i].landmarks[2];
	const mouseP = predictions[i].landmarks[3];
	const rightEarP = predictions[i].landmarks[4];
	const leftEarP = predictions[i].landmarks[5];

	// 防疫达人
	const image = new Image();
	image.src = "./assets/images/mouthMask.png";
	image.onload = function() {
		const top = noseP[1] - start[1];
		const left = start[0];
		// 嘴巴为中心点，一半上面一半下面
		context.drawImage(image, mouseP[0] - size[0] / 2, mouseP[1] - size[1] / 2, size[0], size[1]);
	}
}

源码

烈焰红唇

步骤：

• 通过模型获取嘴巴的位置
• 计算嘴巴的宽度
• canvas 中绘制图像以及 👄

分析：
同样，模型并没有返回嘴巴大小，而且每个人嘴巴大小都不一样，举一反三，冷静分析，试图找到突破口：

• 鼻子和嘴巴可能在同一条Y轴
• 耳朵的宽度不可能是嘴巴的高度
• 眼睛的宽度？嘴巴的高度？

[灵光一闪]，对，眼睛的宽度貌似跟嘴巴的宽度差不多，于是，我将好奇的目光投向了我的同事，我从左手边的柜子中，拿出来一筒没开封的可比克薯片，经过观察我发现：只要不张嘴，他们的嘴巴约等于眼睛之间的宽度，当然也有个别特例，不过不影响我断定，这应该就是黄金比例吧。

于是乎，有了以下的代码：

for (let i = 0; i < predictions.length; i++) {
	const start = predictions[i].topLeft;
	const end = predictions[i].bottomRight;
	const size = [end[0] - start[0], end[1] - start[1]];

	const rightEyeP = predictions[i].landmarks[0];
	const leftEyeP = predictions[i].landmarks[1];

	// 加个烈焰红唇
	// 嘴巴大概是眼睛之前的宽度
	const fontSize = Math.abs(rightEyeP[0] - leftEyeP[0]);
	context.font = `${fontSize}px/${fontSize}px serif`;
	context.fillStyle = 'red';
	context.fillText('👄', mouseP[0] - fontSize / 2, mouseP[1] + fontSize / 2);
}

源码

视频处理

之前都是介绍图片的处理方式，其实视频的处理方式是一样的，不同的是，图片只要绘制一次，但是视频，我们需要将视频的每一帧（图片）都绘制出来，然后再进行二次处理。

分析：

• canvas 的大小等于视频的大小，视频的大小需要 onload 之后才能获取
• 我们需要对视频的每一帧进行处理，由于是循环处理，所有我们可能需要使用到 setTimeout 、 setInterval 或者 requestAnimationFrame 来实现，明显 setInterval 不适合，另外，如果数据量庞大，setTimeout 可能会影响响应速度，因此我们需要选用 requestAnimationFrame 来循环处理。

步骤：

• 加载视频
• 视频加载成功，初始化 canvas
• 初始化完成，加载 AI 模型
• 处理视频的每一帧

源码

技术知识总结

TensorFlow.js 是 Google 开源机器学习平台针对 javascript 开发的库，简称 tfjs。

我们使用了 tfjs 提供的人脸检测模型 Blazeface detector。

Blazeface detector 提供了两个方法，均返回 Promise 对象：

• load 方法，用于加载模型
  需要从 tensor flow hub 获取到最新的模型，因此需要安全上网，不能安全上网的小伙伴，开源找一找是否有镜像地址，通过改变本地 host 来映射到镜像地址
• estimateFaces 用于检测人脸信息
  检测所有人脸的信息，返回一个数组，数组中每一个元素都代表一个人的人脸信息，包含人脸边界信息、五官位置。

另外，我们还运用到 canvas 的一些基础常识，CanvasRenderingContext2D.fillText() 、CanvasRenderingContext2D.drawImage() 。

课后作业

朋友们，给自己戴一副 🕶️怎么样？

下面小伙伴们可以把自己的作品发送给我邮箱 也可以 github 上发起 Pull requests，审核通过将会收录至我的 Demo 中哦。

如果觉得我的文章有意思，请评论留言，告诉我你的想法和意见吧。

问题收集

• DEMO 没有效果？
  • ⚠️ 需要科学上网，因为 model 需要从 TFHUB 上加载，未来有望可以自己选择从哪加载模型（先已接受提案）。
  • 本地使用 nginx 、python、node-server 起一个本地服务，防止资源跨域（有些资源需要从本地获取）
  • 如果是采集 detect-video 或者 camera 请先检查是否有本地摄像头，如果没有，请使用项目提供的 MP4 进行测试。
• 其他问题
  • 等你来提

相关链接

• 一篇前端图像处理秘籍
• TensorFlow JavaScript 模型
• Blazeface detector