使用 TensorFlow.js 进行人脸检测

本指南介绍了 TensorFlow.js 与 Docker 的无缝集成,以执行人脸检测。在本指南中,您将探索如何

  • 使用 Docker 运行容器化的 TensorFlow.js 应用程序。
  • 使用 TensorFlow.js 在 Web 应用程序中实现人脸检测。
  • 为 TensorFlow.js Web 应用程序构建 Dockerfile。
  • 使用 Docker Compose 进行实时应用程序开发和更新。
  • 在 Docker Hub 上共享您的 Docker 镜像,以促进部署并扩展覆盖范围。

致谢

Docker 感谢 Harsh Manvar 对本指南的贡献。

先决条件

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

什么是 TensorFlow.js?

TensorFlow.js 是一个开源的 JavaScript 机器学习库,使您能够在浏览器或 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先训练的模型,从而在 Web 环境中直接实现各种 ML 应用程序。TensorFlow.js 提供高效的计算,使复杂的 ML 任务在没有深入的 ML 知识的情况下对 Web 开发人员可用。

为什么要将 TensorFlow.js 和 Docker 结合使用?

  • 环境一致性和简化部署:Docker 将 TensorFlow.js 应用程序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。
  • 高效开发和轻松扩展:Docker 通过热重载等功能增强开发效率,并使用 Kubernetes 等编排工具轻松扩展 TensorFlow.js 应用程序。
  • 隔离和增强安全性:Docker 在安全环境中隔离 TensorFlow.js 应用程序,最大程度地减少冲突和安全漏洞,同时以有限权限运行应用程序。

获取并运行示例应用程序

在终端中,使用以下命令克隆示例应用程序。

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

克隆应用程序后,您会注意到该应用程序有一个 Dockerfile。此 Dockerfile 使您能够使用 Docker 本地构建和运行应用程序,无需其他操作。

在将应用程序作为容器运行之前,您必须将其构建成镜像。在 TensorJS-Face-Detection 目录中运行以下命令以构建名为 face-detection-tensorjs 的镜像。

$ docker build -t face-detection-tensorjs .

该命令将应用程序构建成镜像。根据您的网络连接情况,第一次运行该命令可能需要几分钟才能下载必要的组件。

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

该命令运行容器并将容器中的端口 80 映射到系统上的端口 80。

应用程序运行后,打开 Web 浏览器并访问 https://127.0.0.1:80 上的应用程序。您可能需要授予应用程序访问您网络摄像头的权限。

在 Web 应用程序中,您可以更改后端以使用以下任一选项

  • WASM
  • WebGL
  • CPU

要停止应用程序,请在终端中按 ctrl+c

关于应用程序

示例应用程序使用 MediaPipe 执行实时人脸检测。它使用的是 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 的机器学习框架的背景下,可以使用 WASM、WebGL 和 CPU 后端来执行操作。这些后端中的每一个都利用了现代浏览器中可用的不同资源和技术,并具有其优缺点。以下部分简要介绍了不同的后端。

WASM

WebAssembly (WASM) 是一种低级、类似汇编语言的语言,具有紧凑的二进制格式,可在 Web 浏览器中以接近本机的速度运行。它允许用 C/C++ 等语言编写的代码编译成二进制文件,可在浏览器中执行。

当需要高性能时,它是一个不错的选择,并且 WebGL 后端不支持或您希望在所有设备上保持一致的性能,而无需依赖 GPU。

WebGL

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

WebGL 非常适合可以并行化并能够从 GPU 加速中受益匪浅的操作,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单元 (CPU)。此后端与所有设备兼容,并且在 WebGL 或 WASM 后端不可用或不合适时充当后备。

探索应用程序代码

在以下部分中探索每个文件的用途及其内容。

index.html 文件

index.html 文件用作 Web 应用程序的前端,该应用程序使用 TensorFlow.js 从网络摄像头视频流中实时检测人脸。它结合了多种技术和库,以实现直接在浏览器中进行机器学习。它使用多个 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 可以使用的不同计算后端选项以进行处理。这些后端允许应用程序通过利用用户的硬件功能来高效地执行机器学习任务。
  • BlazeFace 库,这是一个用于人脸检测的 TensorFlow 模型。

它还使用以下其他库

  • dat.GUI 用于创建图形界面以实时与应用程序设置进行交互,例如在 TensorFlow.js 后端之间切换。
  • Stats.min.js 用于显示性能指标(如 FPS)以监控应用程序在运行期间的效率。
<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/[email protected]/dist/tf-core.js"></script>
<script src="https://unpkg.com/@tensorflow/[email protected]/dist/tf-converter.js"></script>

<script src="https://unpkg.com/@tensorflow/[email protected]/dist/tf-backend-webgl.js"></script>
<script src="https://unpkg.com/@tensorflow/[email protected]/dist/tf-backend-cpu.js"></script>
<script src="./tf-backend-wasm.js"></script>

<script src="https://unpkg.com/@tensorflow-models/[email protected]/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 文件执行面部检测逻辑。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:脚本首先创建一个 Stats 实例,以实时监控和显示应用程序的帧速率 (FPS)。这对于性能分析非常有用,尤其是在测试不同 TensorFlow.js 后端对应用程序速度的影响时。
  • TensorFlow.js:该应用程序允许用户通过 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。根据设备和浏览器,更改后端可能会影响性能和兼容性。addFlagLabels 函数动态检查并显示 SIMD(单指令多数据)和多线程是否受支持,这些与 wasm 后端中的性能优化相关。
  • setupCamera 函数:使用 MediaDevices Web API 初始化用户的网络摄像头。它将视频流配置为不包含音频并使用前置摄像头 (facingMode: 'user')。视频元数据加载后,它会解析一个带有视频元素的承诺,该元素随后用于面部检测。
  • BlazeFace:此应用程序的核心是 renderPrediction 函数,该函数使用 BlazeFace 模型(用于检测图像中人脸的轻量级模型)执行实时人脸检测。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,它在覆盖视频的画布上绘制一个红色矩形围绕人脸,以及蓝色圆点表示人脸特征点。
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,一些用于与 WASM 二进制文件交互的实用程序以及用于设置 WASM 二进制文件的自定义路径的函数。

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,专门针对利用 SIMD(单指令多数据)指令进行了优化。

探索 Dockerfile

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

Dockerfile 是一个文本文件,它指示 Docker 如何创建应用程序环境的镜像。镜像包含运行应用程序时需要的一切,例如文件、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,该镜像使用来自 Alpine Linux 基础镜像的 Nginx 提供静态内容。

使用 Compose 开发

Docker Compose 是一个用于定义和运行多容器 Docker 应用程序的工具。使用 Compose,您可以使用 YAML 文件配置应用程序的服务、网络和卷。在本例中,应用程序不是多容器应用程序,但 Docker Compose 具有其他用于开发的有用功能,例如 Compose Watch

示例应用程序目前还没有 Compose 文件。要创建 Compose 文件,请在 TensorJS-Face-Detection 目录中创建一个名为 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。它将主机上的端口 80 映射到容器中的端口 80。它还具有一个 develop 子部分,其中包含 watch 属性,该属性定义了一组规则,用于根据本地文件更改控制自动服务更新。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,然后运行以下命令以运行应用程序。

$ docker compose watch

应用程序运行后,打开 Web 浏览器并访问 https://127.0.0.1:80 上的应用程序。您可能需要授予应用程序访问您网络摄像头的权限。

现在您可以更改源代码,并在容器中看到更改自动反映,而无需重新构建和重新运行容器。

打开 index.js 文件并将第 83 行的人脸特征点更新为绿色而不是蓝色。

-        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。人脸特征点现在应该显示为绿色。

要停止应用程序,请在终端中按 ctrl+c

共享您的镜像

在 Docker Hub 上发布您的 Docker 镜像可简化他人的部署流程,从而实现与各种项目的无缝集成。它还促进了您容器化解决方案的采用,扩展了其在开发者生态系统中的影响。要共享您的镜像

  1. 注册 或登录 Docker Hub

  2. 重新构建您的镜像以包含对应用程序的更改。这次,在镜像名称前添加您的 Docker ID。Docker 使用此名称来确定要将其推送到哪个存储库。打开一个终端并在 TensorJS-Face-Detection 目录中运行以下命令。将 YOUR-USER-NAME 替换为您的 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 替换为您的 Docker ID。

    $ docker push YOUR-USER-NAME/face-detection-tensorjs
    
  4. 验证您是否已将镜像推送到 Docker Hub。

    1. 转到 Docker Hub
    2. 选择 **Repositories**。
    3. 查看您的存储库的 **Last pushed** 时间。

其他用户现在可以使用 docker run 命令下载并运行您的镜像。他们需要将 YOUR-USER-NAME 替换为您的 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 应用程序中进行人脸检测。它强调了运行容器化 TensorFlow.js 应用程序的简便性,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 上共享您的 Docker 镜像,以简化他人的部署,从而增强应用程序在开发者社区中的影响力。

相关信息