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：

import * as facemesh from '@tensorflow-models/facemesh;

2.通过script标签：

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

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：

// 加载MediaPipe facemesh模型资产。
const model = await facemesh.load();
 
// 向模型传入视频流，从MediaPipe图中获取检测到的一组人脸。
const video = document.querySelector("video");
const faces = await model.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：

{
    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：

import * as handtrack from '@tensorflow-models/handpose;

2.通过script标签：

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

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：

// 加载MediaPipe handpose模型资产。
const model = await handpose.load();
 
// 向模型传入视频流，从MediaPipe图中获取预测。
const video = document.querySelector("video");
const hands = await model.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：

{
    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。

原文链接：
https://blog.tensorflow.org/2020/03/face-and-hand-tracking-in-browser-with-mediapipe-and-tensorflowjs.html

创作场景

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