谷歌 TensorFlow 团队和 MediaPipe 联合推出两款软件包，可对面部和手部特征进行跟踪
TensorFlow 最近在博客发文表示发布了两款新的软件包：facemesh 和 handpose，分别用于跟踪面部和手部的关键特征点。这两个软件包是由 MediaPipe 和谷歌研究部门的 TensorFlow.js 团队合作完成的。在不久的将来，研发团队将增加对多手跟踪的支持。以下 TensorFlow 博客完整内容。
我们也一直致力于加速我们的模型，特别是在移动设备上的那些模型。在过去几个月的开发中，我们看到 facemesh 和 handpose 的性能有了显著的提高，我们相信这一趋势将继续下去。
Facemesh 软件包
Handpose 软件包
在浏览器中尝试在线演示程序
Facemesh 软件包可以在图像中找出面部边界和特征点，而 handpose 可以找到手部边界和特征点。这些软件包体积小、速度快，并且完全在浏览器中运行，因此，数据不会离开用户的设备，从而保护了用户的隐私。你现在就可以通过下面的链接试一下：
这些包也可以作为 MediaPipe 的一部分使用，这是一个用于构建多模态感知管道的库：
我们希望实时的面部和手部跟踪能够带来新的交互模式。例如，人脸的几何位置是对表情进行分类的基础，手势跟踪是手势识别的第一步。我们很高兴可以看看具有这些功能的应用程序将如何在 Web 上拓展交互性和可访问性。
Facemesh
Facemesh 包从一个图像或视频流中推断出近似的 3D 面部表面几何形状，只需要一个摄像头输入，而不需要深度传感器。这种几何结构定位诸如眼睛、鼻子和嘴唇这样的脸部特征，包括细节，如嘴唇轮廓和面部轮廓。这些信息可用于下游任务，如表情分类（但不用于识别）。请参考我们的 模型卡 ，了解模型在不同数据集上的执行情况。这个包也可以通过 MediaPipe 获得。
性能特征
Facemesh 是一个轻量级包，只有大约 3MB 的权重值，因此非常适合在各种移动设备上进行实时推断。在测试时，请注意，TensorFlow.js 也提供了几个不同的后端可供选择，包括 WebGL 和带有 XNNPACK 的 WebAssembly（WASM），后者用于使用低端 GPU 的设备。下表显示了这个包在几种不同的设备和 TensorFlow.js 后端上的执行情况：
安装
安装 facemesh 软件包有以下两种方式：
1. 通过 NPM：
复制代码
import*asfacemeshfrom'@tensorflow-models/facemesh;
2. 通过 script 标签：
复制代码
使用
包安装完成以后，你只需要加载模型权重值，并传入一个图像来开始检测面部特征点：
复制代码
// 加载 MediaPipe facemesh 模型资产。
constmodel =awaitfacemesh.load();
// 向模型传入视频流，从 MediaPipe 图中获取检测到的一组人脸。
constvideo =document.querySelector("video");
constfaces =awaitmodel.estimateFaces(video);
// 每个 face 对象包含一个`scaledMesh`属性，
// 这是一个包含 468 个特征点的数组。
faces.forEach(face=>console.log(face.scaledMesh));
estimateFaces 的输入可以是视频、静态图像，甚至是在 node.js 管道中使用的 ImageData 接口。然后，facemesh 返回输入中人脸的预测对象数组，其中包括关于每个人脸的信息（例如，一个置信度评分，以及人脸内 468 个特征点的位置）。下面是一个预测对象样本：
复制代码
{
faceInViewConfidence:1,
boundingBox: {
topLeft: [232.28,145.26],// [x, y]
bottomRight: [449.75,308.36],
},
mesh: [
[92.07,119.49,-17.54],// [x, y, z]
[91.97,102.52,-30.54],
...
],
scaledMesh: [
[322.32,297.58,-17.54],
[322.18,263.95,-30.54]
],
annotations: {
silhouette: [
[326.19,124.72,-3.82],
[351.06,126.30,-3.00],
...
],
...
}
}
Handpose
Handpose 包检测输入图像或视频流中的手，并返回 21 个三维特征点来定位每只手的特征。这些特征点包括每个手指关节和手掌的位置。2019 年 8 月，我们通过 MediaPipe 发布了该模型——你可以在当时发布的博文中找到更多关于模型架构的信息。请参阅我们的模型卡，了解关于如何在不同的数据集上进行手部姿势识别的详细信息。这个包也可以通过 MediaPipe 获得。
性能特征
Handpose 是一个相对轻量级的包，包含大约 12MB 的权重值，适合于实时推断。下表显示了该包在不同设备上的执行情况：
安装
安装 handpose 软件包有以下两种方式：
1. 通过 NPM：
复制代码
import*ashandtrackfrom'@tensorflow-models/handpose;
2. 通过 script 标签：
复制代码
使用
包安装完成以后，你只需要加载模型权重值，并传入一副图像开始跟踪手部特征点：
复制代码
// 加载 MediaPipe handpose 模型资产。
constmodel =awaithandpose.load();
// 向模型传入视频流，从 MediaPipe 图中获取预测。
constvideo =document.querySelector("video");
consthands =awaitmodel.estimateHands(video);
// 每个 face 对象包含一个`landmarks`属性，
// 这是一个包含 21 个 3-D 特征点的数组。
hands.forEach(hand=>console.log(hand.landmarks));
与 facemesh 一样，estimateHands 的输入可以是视频、静态图像或 ImageData 接口。然后，该包返回一个对象数组，该数组描述输入中的手部信息。下面是一个预测对象样本：
复制代码
{
handInViewConfidence:1,
boundingBox: {
topLeft: [162.91,-17.42],// [x, y]
bottomRight: [548.56,368.23],
},
landmarks: [
[472.52,298.59,0.00],// [x, y, z]
[412.80,315.64,-6.18],
...
],
annotations: {
indexFinger: [
[412.80,315.64,-6.18],
[350.02,298.38,-7.14],
...
],
...
}
}
未来展望
MediaPipe 团队正在开发更精简的模型架构，而 TensorFlow.js 团队一直在研究加速推理的方法，比如操作符融合。更快的推理将反过来解锁更大、更精确的模型，以便在实时管道中使用。
About The Author
