TensorFlow.js 人脸检测

目录

本指南介绍了 TensorFlow.js 与 Docker 的无缝集成，以实现人脸检测。在本指南中，你将学习如何：

  • 使用 Docker 运行容器化的 TensorFlow.js 应用。
  • 在 Web 应用中使用 TensorFlow.js 实现人脸检测。
  • 为 TensorFlow.js Web 应用构建 Dockerfile。
  • 使用 Docker Compose 进行实时应用开发和更新。
  • 在 Docker Hub 上分享你的 Docker 镜像，以促进部署和扩大影响范围。

致谢

Docker 要感谢 Harsh Manvar 对本指南的贡献。

前提条件

  • 你已安装最新版本的 Docker Desktop。
  • 你有一个 Git 客户端。本指南中的示例使用基于命令行的 Git 客户端，但你可以使用任何客户端。

什么是 TensorFlow.js？

TensorFlow.js 是一个开源 JavaScript 库，用于机器学习，可让你在浏览器或 Node.js 上训练和部署 ML 模型。它支持从头开始创建新模型或使用预训练模型，从而直接在 Web 环境中实现广泛的 ML 应用。TensorFlow.js 提供高效计算，使 Web 开发人员无需深入的 ML 专业知识即可进行复杂的 ML 任务。

为什么一起使用 TensorFlow.js 和 Docker？

  • 环境一致性与简化部署：Docker 将 TensorFlow.js 应用及其依赖项打包到容器中，确保在所有环境中一致运行并简化部署。
  • 高效开发与轻松扩展：Docker 通过热重载等功能提高开发效率，并利用 Kubernetes 等编排工具轻松扩展 TensorFlow.js 应用。
  • 隔离与增强安全性：Docker 在安全环境中隔离 TensorFlow.js 应用，最大限度地减少冲突和安全漏洞，同时以有限权限运行应用。

获取并运行示例应用

在终端中，使用以下命令克隆示例应用。

$ git clone https://github.com/harsh4870/TensorJS-Face-Detection

克隆应用后，你会注意到应用有一个 Dockerfile 文件。这个 Dockerfile 可以让你仅使用 Docker 在本地构建和运行应用。

在将应用作为容器运行之前，必须将其构建成镜像。在 TensorJS-Face-Detection 目录中运行以下命令，构建一个名为 face-detection-tensorjs 的镜像。

$ docker build -t face-detection-tensorjs .

此命令将应用构建成镜像。第一次运行此命令时，根据你的网络连接情况，下载必要的组件可能需要几分钟。

要将镜像作为容器运行，请在终端中运行以下命令。

$ docker run -p 80:80 face-detection-tensorjs

此命令运行容器，并将容器中的 80 端口映射到你系统上的 80 端口。

应用运行后，打开 Web 浏览器访问 http://localhost:80。你可能需要授予应用访问摄像头的权限。

在 Web 应用中，你可以更改后端以使用以下之一：

  • WASM
  • WebGL
  • CPU

要停止应用，请在终端中按 ctrl+c。

关于应用

示例应用使用 MediaPipe 执行实时人脸检测，MediaPipe 是一个用于构建多模态机器学习管道的综合框架。它特别使用了 BlazeFace 模型，这是一个用于检测图像中人脸的轻量级模型。

在 TensorFlow.js 或类似的基于 Web 的机器学习框架中，WASM、WebGL 和 CPU 后端可用于执行操作。每个后端都利用现代浏览器中可用的不同资源和技术，并有其优点和局限性。以下部分简要介绍了不同的后端。

WASM

WebAssembly (WASM) 是一种低级、类似汇编的语言，具有紧凑的二进制格式，可在 Web 浏览器中以接近原生速度运行。它允许将用 C/C++ 等语言编写的代码编译成可在浏览器中执行的二进制文件。

当需要高性能，并且 WebGL 后端不受支持或你希望在所有设备上获得一致的性能而不依赖 GPU 时，WASM 是一个不错的选择。

WebGL

WebGL 是一个浏览器 API，它允许在网页画布中使用 GPU 加速的物理和图像处理及效果。

WebGL 非常适合可并行化并能从 GPU 加速中显著受益的操作，例如深度学习模型中常见的矩阵乘法和卷积。

CPU

CPU 后端使用纯 JavaScript 执行，利用设备的中央处理器 (CPU)。此后端是通用兼容性最好的后端，当 WebGL 和 WASM 后端都不可用或不适合时，可作为备用。

浏览应用代码

在以下部分中浏览每个文件的用途及其内容。

index.html 文件

index.html 文件充当 Web 应用的前端，该应用利用 TensorFlow.js 从网络摄像头视频流中进行实时人脸检测。它集成了多种技术和库，以便直接在浏览器中进行机器学习。它使用了多个 TensorFlow.js 库，包括：

  • tfjs-core 和 tfjs-converter，用于核心 TensorFlow.js 功能和模型转换。
  • tfjs-backend-webgl、tfjs-backend-cpu 和 tf-backend-wasm 脚本，用于 TensorFlow.js 可用于处理的不同计算后端选项。这些后端允许应用利用用户的硬件能力高效地执行机器学习任务。
  • BlazeFace 库，一个用于人脸检测的 TensorFlow 模型。

它还使用了以下额外的库：

  • dat.GUI，用于创建一个图形界面，以便与应用的实时设置进行交互，例如在 TensorFlow.js 后端之间切换。
  • Stats.min.js，用于显示性能指标（如 FPS），以监控应用在运行期间的效率。
<style>
  body {
    margin: 25px;
  }

  .true {
    color: green;
  }

  .false {
    color: red;
  }

  #main {
    position: relative;
    margin: 50px 0;
  }

  canvas {
    position: absolute;
    top: 0;
    left: 0;
  }

  #description {
    margin-top: 20px;
    width: 600px;
  }

  #description-title {
    font-weight: bold;
    font-size: 18px;
  }
</style>

<body>
  <div id="main">
    <video
      id="video"
      playsinline
      style="
      -webkit-transform: scaleX(-1);
      transform: scaleX(-1);
      width: auto;
      height: auto;
      "
    ></video>
    <canvas id="output"></canvas>
    <video
      id="video"
      playsinline
      style="
      -webkit-transform: scaleX(-1);
      transform: scaleX(-1);
      visibility: hidden;
      width: auto;
      height: auto;
      "
    ></video>
  </div>
</body>
<script src="https://unpkg.com/@tensorflow/tfjs-core@2.1.0/dist/tf-core.js"></script>
<script src="https://unpkg.com/@tensorflow/tfjs-converter@2.1.0/dist/tf-converter.js"></script>

<script src="https://unpkg.com/@tensorflow/tfjs-backend-webgl@2.1.0/dist/tf-backend-webgl.js"></script>
<script src="https://unpkg.com/@tensorflow/tfjs-backend-cpu@2.1.0/dist/tf-backend-cpu.js"></script>
<script src="./tf-backend-wasm.js"></script>

<script src="https://unpkg.com/@tensorflow-models/blazeface@0.0.5/dist/blazeface.js"></script>
<script src="https://cdnjs.cloudflare.com/ajax/libs/dat-gui/0.7.6/dat.gui.min.js"></script>
<script src="https://cdnjs.cloudflare.com/ajax/libs/stats.js/r16/Stats.min.js"></script>
<script src="./index.js"></script>

index.js 文件

index.js 文件负责执行人脸检测逻辑。它展示了 Web 开发和机器学习集成中的几个高级概念。以下是其一些关键组件和功能的细分：

  • Stats.js：脚本通过创建一个 Stats 实例开始，以实时监控和显示应用的帧率 (FPS)。这对于性能分析非常有用，尤其是在测试不同 TensorFlow.js 后端对应用速度的影响时。
  • TensorFlow.js：应用允许用户通过 dat.GUI 提供的图形界面在 TensorFlow.js 的不同计算后端（wasm、webgl 和 cpu）之间切换。更改后端会根据设备和浏览器影响性能和兼容性。addFlagLabels 函数动态检查并显示是否支持 SIMD（单指令多数据）和多线程，这对于 wasm 后端的性能优化至关重要。
  • setupCamera 函数：使用 MediaDevices Web API 初始化用户的网络摄像头。它配置视频流不包含音频，并使用前置摄像头 (facingMode: 'user')。视频元数据加载完成后，它会使用视频元素解析一个 Promise，然后该视频元素用于人脸检测。
  • BlazeFace：此应用的核心是 renderPrediction 函数，它使用 BlazeFace 模型执行实时人脸检测。BlazeFace 模型是一个用于检测图像中人脸的轻量级模型。该函数在每个动画帧上调用 model.estimateFaces，以从视频流中检测人脸。对于每个检测到的人脸，它会在视频上方的画布上绘制一个红色矩形框出人脸，并用蓝色点标记面部特征点。
const stats = new Stats();
stats.showPanel(0);
document.body.prepend(stats.domElement);

let model, ctx, videoWidth, videoHeight, video, canvas;

const state = {
  backend: "wasm",
};

const gui = new dat.GUI();
gui
  .add(state, "backend", ["wasm", "webgl", "cpu"])
  .onChange(async (backend) => {
    await tf.setBackend(backend);
    addFlagLables();
  });

async function addFlagLables() {
  if (!document.querySelector("#simd_supported")) {
    const simdSupportLabel = document.createElement("div");
    simdSupportLabel.id = "simd_supported";
    simdSupportLabel.style = "font-weight: bold";
    const simdSupported = await tf.env().getAsync("WASM_HAS_SIMD_SUPPORT");
    simdSupportLabel.innerHTML = `SIMD supported: <span class=${simdSupported}>${simdSupported}<span>`;
    document.querySelector("#description").appendChild(simdSupportLabel);
  }

  if (!document.querySelector("#threads_supported")) {
    const threadSupportLabel = document.createElement("div");
    threadSupportLabel.id = "threads_supported";
    threadSupportLabel.style = "font-weight: bold";
    const threadsSupported = await tf
      .env()
      .getAsync("WASM_HAS_MULTITHREAD_SUPPORT");
    threadSupportLabel.innerHTML = `Threads supported: <span class=${threadsSupported}>${threadsSupported}</span>`;
    document.querySelector("#description").appendChild(threadSupportLabel);
  }
}

async function setupCamera() {
  video = document.getElementById("video");

  const stream = await navigator.mediaDevices.getUserMedia({
    audio: false,
    video: { facingMode: "user" },
  });
  video.srcObject = stream;

  return new Promise((resolve) => {
    video.onloadedmetadata = () => {
      resolve(video);
    };
  });
}

const renderPrediction = async () => {
  stats.begin();

  const returnTensors = false;
  const flipHorizontal = true;
  const annotateBoxes = true;
  const predictions = await model.estimateFaces(
    video,
    returnTensors,
    flipHorizontal,
    annotateBoxes,
  );

  if (predictions.length > 0) {
    ctx.clearRect(0, 0, canvas.width, canvas.height);

    for (let i = 0; i < predictions.length; i++) {
      if (returnTensors) {
        predictions[i].topLeft = predictions[i].topLeft.arraySync();
        predictions[i].bottomRight = predictions[i].bottomRight.arraySync();
        if (annotateBoxes) {
          predictions[i].landmarks = predictions[i].landmarks.arraySync();
        }
      }

      const start = predictions[i].topLeft;
      const end = predictions[i].bottomRight;
      const size = [end[0] - start[0], end[1] - start[1]];
      ctx.fillStyle = "rgba(255, 0, 0, 0.5)";
      ctx.fillRect(start[0], start[1], size[0], size[1]);

      if (annotateBoxes) {
        const landmarks = predictions[i].landmarks;

        ctx.fillStyle = "blue";
        for (let j = 0; j < landmarks.length; j++) {
          const x = landmarks[j][0];
          const y = landmarks[j][1];
          ctx.fillRect(x, y, 5, 5);
        }
      }
    }
  }

  stats.end();

  requestAnimationFrame(renderPrediction);
};

const setupPage = async () => {
  await tf.setBackend(state.backend);
  addFlagLables();
  await setupCamera();
  video.play();

  videoWidth = video.videoWidth;
  videoHeight = video.videoHeight;
  video.width = videoWidth;
  video.height = videoHeight;

  canvas = document.getElementById("output");
  canvas.width = videoWidth;
  canvas.height = videoHeight;
  ctx = canvas.getContext("2d");
  ctx.fillStyle = "rgba(255, 0, 0, 0.5)";

  model = await blazeface.load();

  renderPrediction();
};

setupPage();

tf-backend-wasm.js 文件

tf-backend-wasm.js 文件是 TensorFlow.js 库 的一部分。它包含 TensorFlow.js WASM 后端的初始化逻辑、用于与 WASM 二进制文件交互的一些实用程序，以及设置 WASM 二进制文件自定义路径的函数。

tfjs-backend-wasm-simd.wasm 文件

tfjs-backend-wasm-simd.wasm 文件是 TensorFlow.js 库 的一部分。它是一个 WASM 二进制文件，用于 WebAssembly 后端，专门优化以利用 SIMD（单指令多数据）指令。

浏览 Dockerfile

在基于 Docker 的项目中，Dockerfile 是构建应用环境的基础资产。

Dockerfile 是一个文本文件，它指导 Docker 如何创建应用环境的镜像。镜像包含运行应用所需的一切，例如文件、软件包和工具。

以下是此项目的 Dockerfile。

FROM nginx:stable-alpine3.17-slim
WORKDIR /usr/share/nginx/html
COPY . .

此 Dockerfile 定义了一个镜像，该镜像使用 Nginx 从 Alpine Linux 基础镜像提供静态内容。

使用 Compose 进行开发

Docker Compose 是一个用于定义和运行多容器 Docker 应用的工具。使用 Compose，你使用 YAML 文件来配置应用的服务、网络和卷。在这种情况下，应用不是多容器应用，但 Docker Compose 还有其他对开发有用的功能，例如 Compose Watch。

示例应用还没有 Compose 文件。要在 TensorJS-Face-Detection 目录中创建 Compose 文件，请创建一个名为 compose.yaml 的文本文件，然后添加以下内容。

services:
  server:
    build:
      context: .
    ports:
      - 80:80
    develop:
      watch:
        - action: sync
          path: .
          target: /usr/share/nginx/html

此 Compose 文件定义了一个服务，该服务使用同一目录中的 Dockerfile 构建。它将主机上的 80 端口映射到容器中的 80 端口。它还有一个包含 watch 属性的 develop 子部分，该属性定义了一系列规则，用于根据本地文件更改控制服务的自动更新。有关 Compose 指令的更多详细信息，请参阅Compose 文件参考。

保存对 compose.yaml 文件的更改，然后运行以下命令来运行应用。

$ docker compose watch

应用运行后，打开 Web 浏览器访问 http://localhost:80。你可能需要授予应用访问摄像头的权限。

现在你可以修改源代码，并在容器中看到更改自动反映，无需重新构建和重新运行容器。

打开 index.js 文件，将第 83 行的面部特征点颜色从蓝色更新为绿色。

-        ctx.fillStyle = "blue";
+        ctx.fillStyle = "green";

保存对 index.js 文件的更改，然后刷新浏览器页面。面部特征点现在应该显示为绿色。

要停止应用，请在终端中按 ctrl+c。

分享你的镜像

在 Docker Hub 上发布 Docker 镜像可以简化他人的部署流程，实现与不同项目的无缝集成。它还可以推广你的容器化解决方案，扩大其在开发者生态系统中的影响。要分享你的镜像，请执行以下操作：

  1. 注册 或登录 Docker Hub。

  2. 重新构建你的镜像，以包含对应用的更改。这次，在镜像名称前加上你的 Docker ID。Docker 使用该名称来确定要将其推送到哪个仓库。打开终端，并在 TensorJS-Face-Detection 目录中运行以下命令。将 YOUR-USER-NAME 替换为你的 Docker ID。

    $ docker build -t YOUR-USER-NAME/face-detection-tensorjs .

  3. 运行以下 docker push 命令将镜像推送到 Docker Hub。将 YOUR-USER-NAME 替换为你的 Docker ID。

    $ docker push YOUR-USER-NAME/face-detection-tensorjs

  4. 验证你已将镜像推送到 Docker Hub。

    1. 前往 Docker Hub。
    2. 选择 我的 Hub > 仓库。
    3. 查看你的仓库的 最后推送时间。

其他用户现在可以使用 docker run 命令下载并运行你的镜像。他们需要将 YOUR-USER-NAME 替换为你的 Docker ID。

$ docker run -p 80:80 YOUR-USER-NAME/face-detection-tensorjs

总结

本指南演示了如何利用 TensorFlow.js 和 Docker 在 Web 应用中实现人脸检测。它强调了运行容器化 TensorFlow.js 应用的便捷性，以及使用 Docker Compose 进行实时代码更改的开发。此外，它还介绍了如何在 Docker Hub 上分享 Docker 镜像，从而简化他人的部署，扩大应用在开发者社区中的影响力。

相关信息

页面选项