如何在浏览器中运行深度网络

本教程将向我们展示如何使用 OpenCV.js 直接在浏览器中运行深度学习模型。本教程引用了一个人脸检测与人脸识别模型流水线的示例。

人脸检测

人脸检测网络以 BGR 图像作为输入，并产生一组可能包含人脸的边界框。我们所要做的，仅仅是选出那些具有较高置信度的边界框。

人脸识别

该网络名为 OpenFace（项目地址 https://github.com/cmusatyalab/openface）。 人脸识别模型接收大小为 96x96 的 RGB 人脸图像。随后它返回一个 128 维的单位向量，将输入人脸表示为单位多维球面上的一个点。因此，两张人脸之间的差异就是两个输出向量之间的夹角。

示例

整个示例是一个 HTML 页面，其中包含使用 OpenCV.js 功能的 JavaScript 代码。你可以在下方看到该页面的嵌入内容。按 Start 按钮开始演示。按 Add a person 为一个被识别为未知的人命名。接下来我们将讨论代码的主要部分。

@htmlinclude js_face_recognition.html

1. 运行人脸检测网络，检测输入图像中的人脸。 你可以调整输入 blob 的大小，以在检测质量和效率之间取得平衡。输入 blob 越大，能检测到的人脸就越小。

2. 运行人脸识别网络，根据输入的人脸图像得到 128 维单位特征向量。

3. 执行识别。 将新的特征向量与已注册的特征向量进行匹配。返回匹配度最高的人的姓名。

4. 主循环。 我们应用程序的主循环从摄像头接收帧，并对帧上检测到的每一张人脸进行识别。我们在 OpenCV.js 初始化完成且深度学习模型下载完毕后，仅启动该函数一次。