由于开发需求要实现人脸识别，顺便在此记录一下，希望给各位前端爱好者带来帮助。
1、安装依赖
首先，确保你已经安装了Vue.js，并且创建了一个Vue项目。然后，安装face-api.js及其相关依赖。由于face-api.js依赖于TensorFlow.js，你可能还需要安装这个库。可以通过npm或yarn来安装：
npm install face-api.js这是我安装的版本
2、下载模型文件
face-api.js需要一些预先训练好的模型文件来执行人脸检测和识别。你需要从GitHub仓库中下载这些文件，并放置在项目的public目录下，或者配置一个正确的路径指向这些文件。可以从face-api.js的GitHub页面下载模型。
-
在这个页面上，你会看到多个模型文件，例如
ssd_mobilenetv1_model-weights_manifest.json、face_landmark_68_model-weights_manifest.json等。为了使用face-api.js的不同功能，如人脸检测、特征点定位、表情识别等，你需要下载相应的模型文件。 -
你可以手动下载，也可以直接克隆，你也可以私聊我一下我给你发。
git clone https://github.com/justadudewhohacks/face-api.js.git
3.克隆完之后你需要把模型文件放到 public下的models没有models自己创建，你也可以自己规定路径，只要路径正确就行。
到此准备工作就做完了，当然你需要配置好vue框架。
3、封装组件
为了更好地组织代码并使其可复用，我们可以将人脸识别的功能封装成一个Vue组件。下面是一个更完善的示例，展示了如何创建一个名为FaceRecognition.vue的自定义组件，该组件负责处理视频流、人脸检测、以及展示检测结果。完整代码块在这
<template>
<div class="face-recognition">
<video ref="video" width="640" height="480" autoplay></video>
<canvas ref="canvas" width="640" height="480"></canvas>
<div>当前人流量：{{ peopleCount }}</div>
</div>
</template>
<script>
import * as faceapi from 'face-api.js';
export default {
name: 'FaceRecognition',
data() {
return {
isLoaded: false,
lastDetections: [], // 上一帧检测到的人脸
peopleCount: 0, // 当前人流量计数
};
},
mounted() {
this.loadModels();
},
methods: {
async loadModels() {
try {
await Promise.all([
faceapi.nets.faceRecognitionNet.loadFromUri('/models'),
faceapi.nets.faceLandmark68Net.loadFromUri('/models'),
faceapi.nets.ssdMobilenetv1.loadFromUri('/models'),
]);
this.isLoaded = true;
this.startVideo();
} catch (error) {
console.error('Failed to load models:', error);
}
},
startVideo() {
if (navigator.mediaDevices && this.isLoaded) {
navigator.mediaDevices.getUserMedia({ video: true })
.then(stream => {
this.$refs.video.srcObject = stream;
this.$refs.video.onloadedmetadata = () => {
this.detectFaces();
};
})
.catch(error => console.error('getUserMedia error:', error));
}
},
async detectFaces() {
const video = this.$refs.video;
const canvas = this.$refs.canvas;
const ctx = canvas.getContext('2d');
const detectionOptions = new faceapi.SsdMobilenetv1Options({ minConfidence: 0.9 });
let recentDetections = [];
const detectionHistoryLength = 5;
setInterval(async () => {
if (video.readyState === video.HAVE_ENOUGH_DATA) {
ctx.drawImage(video, 0, 0, canvas.width, canvas.height);
const detections = await faceapi.detectAllFaces(video, detectionOptions).withFaceLandmarks();
// console.log('查看获取帧',validDescriptors)
// 确保只收集有效的面部描述符
const validDescriptors = detections
console.log('查看获取帧',validDescriptors)
recentDetections.push(...validDescriptors.map(face => face.descriptor));
// 限制历史长度并去重
recentDetections = recentDetections.slice(-detectionHistoryLength);
// console.log('查看获取帧',recentDetections)
const uniqueDescriptors = Array.from(new Set(recentDetections));
this.peopleCount = uniqueDescriptors.length; // 直接使用去重后的数组长度，因已排除undefined，无需JSON.stringify和parse
faceapi.draw.drawDetections(canvas, detections);
faceapi.draw.drawFaceLandmarks(canvas, detections);
}
}, 100);
}
},
beforeDestroy() {
// 清理视频流
if (this.$refs.video.srcObject) {
this.$refs.video.srcObject.getTracks().forEach(track => track.stop());
}
},
};
</script>
<style scoped>
.face-recognition {
position: relative;
}
</style>4、使用组件
创建文件直接引入组件然后注册使用即可
<template>
<div id="app">
<FaceDetection />
</div>
</template>
<script>
import FaceDetection from '@/components/FaceDetection/FaceDetection.vue';
export default {
name: 'App',
components: {
FaceDetection,
},
};
</script>5、实现逻辑
- 在
mounted()生命周期钩子中，首先加载模型，然后启动视频流。 - 创建一个方法如
detectFaces()来周期性地从视频流中捕获帧，使用faceapi.detectAllFaces()来检测人脸，并绘制检测结果到<canvas>上。 - 根据需要，你可以扩展此逻辑来实现更复杂的人脸识别功能，比如与已知人脸匹配等。
6、注意事项
- 确保你的应用有访问用户媒体设备的权限。
- 处理好异步加载模型和获取视频流的错误情况。
- 由于浏览器的安全策略，你可能需要在HTTPS环境下运行此应用，或者在localhost上进行开发。
- 考虑性能优化，避免频繁的重绘导致的性能问题。
7、实现效果
