웹용 얼굴 인식 가이드

MediaPipe 얼굴 인식기 작업을 사용하면 이미지 또는 동영상에서 얼굴을 감지할 수 있습니다. 이 작업을 사용하여 프레임 내에서 얼굴과 얼굴 특징을 찾을 수 있습니다. 이 작업은 단일 이미지 또는 연속 이미지 스트림으로 작동하는 머신러닝 (ML) 모델을 사용합니다. 작업은 왼쪽 눈, 오른쪽 눈, 코 끝, 입, 왼쪽 눈 이주, 오른쪽 눈 이주와 같은 얼굴의 핵심 포인트와 함께 얼굴 위치를 출력합니다.

이 안내에서는 웹 및 JavaScript 앱에서 얼굴 감지기를 사용하는 방법을 보여줍니다. 이 태스크의 기능, 모델, 구성 옵션에 대한 자세한 내용은 개요를 참조하세요.

코드 예시

얼굴 인식기의 예시 코드에서는 이 작업을 JavaScript로 전체적으로 구현하여 참고할 수 있습니다. 이 코드를 사용하면 이 작업을 테스트하고 자체 얼굴 인식 앱 빌드를 시작할 수 있습니다. 웹브라우저만 사용하여 얼굴 인식기 예시 코드를 보고 실행하고 수정할 수 있습니다.

설정

이 섹션에서는 특히 얼굴 인식기를 사용하도록 개발 환경을 설정하는 주요 단계를 설명합니다. 플랫폼 버전 요구사항을 포함하여 웹 및 JavaScript 개발 환경 설정에 관한 일반적인 정보는 웹 설정 가이드를 참고하세요.

JavaScript 패키지

얼굴 인식기 코드는 MediaPipe @mediapipe/tasks-vision NPM 패키지를 통해 제공됩니다. 플랫폼 설정 가이드의 안내에 따라 이러한 라이브러리를 찾아 다운로드할 수 있습니다.

다음 명령어를 사용하여 NPM을 통해 필요한 패키지를 설치할 수 있습니다.

npm install @mediapipe/tasks-vision

콘텐츠 전송 네트워크 (CDN) 서비스를 통해 작업 코드를 가져오려면 HTML 파일의 <head> 태그에 다음 코드를 추가합니다.

<!-- You can replace JSDeliver with another CDN if you prefer to -->
<head>
  <script src="https://cdn.jsdelivr.net/npm/@mediapipe/tasks-vision/vision_bundle.js"
    crossorigin="anonymous"></script>
</head>

모델

MediaPipe 얼굴 감지기 작업에는 이 작업과 호환되는 학습된 모델이 필요합니다. 얼굴 인식기에 사용할 수 있는 학습된 모델에 대한 자세한 내용은 작업 개요 모델 섹션을 참조하세요.

모델을 선택 및 다운로드한 후 프로젝트 디렉터리에 저장합니다.

<dev-project-root>/app/shared/models/

할 일 만들기

얼굴 감지기 createFrom...() 함수 중 하나를 사용하여 추론을 실행할 작업을 준비합니다. 학습된 모델 파일의 상대 또는 절대 경로와 함께 createFromModelPath() 함수를 사용합니다. 모델이 이미 메모리에 로드되어 있다면 createFromModelBuffer() 메서드를 사용할 수 있습니다.

아래 코드 예에서는 createFromOptions() 함수를 사용하여 태스크를 설정하는 방법을 보여줍니다. createFromOptions 함수를 사용하면 구성 옵션으로 얼굴 감지기를 맞춤설정할 수 있습니다. 구성 옵션에 대한 자세한 내용은 구성 옵션을 참조하세요.

다음 코드는 커스텀 옵션으로 작업을 빌드하고 구성하는 방법을 보여줍니다.

const vision = await FilesetResolver.forVisionTasks(
  // path/to/wasm/root
  "https://cdn.jsdelivr.net/npm/@mediapipe/tasks-vision@latest/wasm"
);
const facedetector = await FaceDetector.createFromOptions(
    vision,
    {
      baseOptions: {
        modelAssetPath: "path/to/model"
      },
      runningMode: runningMode
    });

구성 옵션

이 태스크에는 웹 및 자바스크립트 애플리케이션을 위한 다음과 같은 구성 옵션이 있습니다.

옵션 이름	설명	값 범위	기본값
`option_var_1_web_js`	작업의 실행 모드를 설정합니다. 두 가지 모드가 있습니다. IMAGE: 단일 이미지 입력 모드입니다. VIDEO: 동영상의 디코딩된 프레임 또는 입력 데이터의 라이브 스트림(예: 카메라)의 모드입니다.	{`IMAGE, VIDEO`}	`IMAGE`
`minDetectionConfidence`	얼굴 인식이 성공한 것으로 간주되는 최소 신뢰도 점수입니다.	`Float [0,1]`	`0.5`
`minSuppressionThreshold`	얼굴 인식이 겹치는 것으로 간주되기 위한 최소 비최대 비표시 기준점입니다.	`Float [0,1]`	`0.3`

데이터 준비

얼굴 인식기는 호스트 브라우저에서 지원되는 모든 형식의 이미지에서 얼굴을 감지할 수 있습니다. 이 작업은 크기 조절, 회전, 값 정규화를 포함한 데이터 입력 전처리도 처리합니다. 동영상 속 얼굴을 감지하려면 API를 사용하여 한 번에 한 프레임을 빠르게 처리하세요. 프레임의 타임스탬프를 사용하여 동영상 내에서 얼굴이 등장하는 시점을 파악할 수 있습니다.

작업 실행

얼굴 인식기는 detect() (실행 모드 image 사용) 및 detectForVideo() (실행 모드 video 사용) 메서드를 사용하여 추론을 트리거합니다. 태스크는 데이터를 처리하고 얼굴 인식을 시도한 후 결과를 보고합니다.

얼굴 인식기 detect() 및 detectForVideo() 메서드는 동기식으로 실행되며 사용자 인터페이스 스레드를 차단합니다. 기기 카메라에서 동영상 프레임의 얼굴을 감지하면 각 감지 시 기본 스레드가 차단됩니다. 다른 스레드에서 detect() 및 detectForVideo() 메서드를 실행하는 웹 워커를 구현하여 이를 방지할 수 있습니다.

다음 코드는 작업 모델을 사용하여 처리를 실행하는 방법을 보여줍니다.

이미지

const image = document.getElementById("image") as HTMLImageElement;
const faceDetectorResult = faceDetector.detect(image);

동영상

await faceDetector.setOptions({ runningMode: "video" });

let lastVideoTime = -1;
function renderLoop(): void {
  const video = document.getElementById("video");

  if (video.currentTime !== lastVideoTime) {
    const detections = faceDetector.detectForVideo(video);
    processResults(detections);
    lastVideoTime = video.currentTime;
  }

  requestAnimationFrame(() => {
    renderLoop();
  });
}

얼굴 인식기 작업 실행을 더 완전하게 구현하려면 코드 예를 참고하세요.

결과 처리 및 표시

얼굴 인식기는 인식을 실행할 때마다 얼굴 인식기 결과 객체를 생성합니다. 결과 객체에는 이미지 좌표의 얼굴과 세계 좌표의 얼굴이 포함됩니다.

다음은 이 작업의 출력 데이터 예를 보여줍니다.

FaceDetectionResult:
  Detections:
    Detection #0:
      BoundingBox:
        origin_x: 126
        origin_y: 100
        width: 463
        height: 463
      Categories:
        Category #0:
          index: 0
          score: 0.9729152917861938
      NormalizedKeypoints:
        NormalizedKeypoint #0:
          x: 0.18298381567001343
          y: 0.2961040139198303
        NormalizedKeypoint #1:
          x: 0.3302789330482483
          y: 0.29289937019348145
        ... (6 keypoints for each face)
    Detection #1:
      BoundingBox:
        origin_x: 616
        origin_y: 193
        width: 430
        height: 430
      Categories:
        Category #0:
          index: 0
          score: 0.9251380562782288
      NormalizedKeypoints:
        NormalizedKeypoint #0:
          x: 0.6151331663131714
          y: 0.3713381886482239
        NormalizedKeypoint #1:
          x: 0.7460576295852661
          y: 0.38825345039367676
        ... (6 keypoints for each face)

다음 이미지는 작업 출력을 시각화한 것입니다.

경계 상자가 없는 이미지의 경우 원본 이미지를 참조하세요.

얼굴 인식기 예시 코드는 작업에서 반환된 결과를 표시하는 방법을 보여줍니다. 코드 예시를 참고하세요.