本頁面由 Cloud Translation API 翻譯而成。

網頁版臉部偵測指南

MediaPipe 臉部偵測器工作可讓你偵測圖片或影片中的臉孔。您可以使用這項工作找出影格中的臉孔和臉部特徵。這項工作使用的機器學習 (ML) 模型搭配單一圖片或連續圖片串流。這項工作會輸出臉部位置和下列臉部關鍵點：左眼、右眼、鼻子小費、嘴巴、左眼腹部和右眼對焦。

以下操作說明將說明如何針對網站和 JavaScript 應用程式使用臉部偵測器。如要進一步瞭解此工作的功能、模型和設定選項，請參閱總覽。

程式碼範例

臉部偵測器的範例程式碼以 JavaScript 完整實作這項工作，供您參考。這段程式碼可協助您測試這項工作，並開始建構自己的臉部偵測應用程式。您可以使用網路瀏覽器查看及編輯臉部偵測器程式碼範例。

設定

本節將針對使用臉部偵測器的需求，特別說明如何設定開發環境的關鍵步驟。如需瞭解如何設定網站和 JavaScript 開發環境的一般資訊，包括平台版本需求，請參閱網頁版設定指南。

JavaScript 套件

您可以透過 MediaPipe @mediapipe/tasks-vision NPM 套件取得臉部偵測器程式碼。您可以依照平台設定指南中的操作說明，尋找及下載這些程式庫。

您可以使用下列指令，透過 NPM 安裝所需套件：

npm install @mediapipe/tasks-vision

如要透過內容傳遞網路 (CDN) 服務匯入工作程式碼，請將下列程式碼加進 HTML 檔案的 <head> 標記中：

<!-- 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>

型號

MediaPipe 臉部偵測器工作需要使用與這項工作相容的已訓練模型。如要進一步瞭解臉部偵測器的可用已訓練模型，請參閱工作總覽的「模型」部分。

選取並下載模型，然後將其儲存在專案目錄中：

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

建立工作

使用其中一個臉部偵測器 createFrom...() 函式，準備執行推論的工作。使用 createFromModelPath() 函式搭配已訓練模型檔案的相對或絕對路徑。如果模型已載入記憶體，您可以使用 createFromModelBuffer() 方法。

以下程式碼範例示範如何使用 createFromOptions() 函式設定工作。createFromOptions 函式可讓您使用設定選項自訂臉部偵測器。如要進一步瞭解設定選項，請參閱「設定選項」一文。

以下程式碼示範如何使用自訂選項建構及設定工作：

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
    });

設定選項

這項工作有以下網頁和 JavaScript 應用程式的設定選項：

選項名稱	說明	值範圍	預設值
`option_var_1_web_js`	設定工作的執行模式。系統提供兩種模式： IMAGE：單一圖片輸入的模式。影片：這種模式為影片中解碼的影格或即時輸入資料 (例如攝影機) 的直播。	{`IMAGE, VIDEO`}	`IMAGE`
`minDetectionConfidence`	系統會將臉部偵測判定為成功的最低可信度分數。	`Float [0,1]`	`0.5`
`minSuppressionThreshold`	系統會將臉部偵測判定為重疊的非最大抑制門檻。	`Float [0,1]`	`0.3`

準備資料

臉部偵測器能以主機瀏覽器支援的任何格式偵測圖片中的臉孔。這項工作也會處理資料輸入預先處理，包括調整大小、旋轉和值正規化。如要偵測影片中的臉孔，您可以使用 API 一次快速處理一個影格，並依據影格的時間戳記判斷臉孔何時發生在影片中。

執行工作

臉部偵測器會使用 detect() (執行模式為 image) 和 detectForVideo() (執行模式 video) 方法觸發推論。工作會處理資料、嘗試偵測臉孔，然後回報結果。

對臉部偵測器 detect() 和 detectForVideo() 方法的呼叫會同步執行，並封鎖使用者介面執行緒。如果裝置攝影機的影片影格中偵測到臉孔，每次偵測都會封鎖主執行緒。如要避免這種情況發生，您可以實作網路 worker，在其他執行緒上執行 detect() 和 detectForVideo() 方法。

下列程式碼示範如何使用工作模型執行處理作業：

圖片

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

影片

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();
  });
}

如需執行臉部偵測器工作的完整實作資訊，請參閱程式碼範例。

處理並顯示結果

每次執行偵測時，臉部偵測器都會產生臉部偵測器結果物件。結果物件包含圖片座標中的臉孔和世界座標的臉孔。

以下為這項工作的輸出資料範例：

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)

下圖以視覺化方式呈現工作輸出內容：

如果圖片沒有定界框，請參閱原始圖片。

臉部偵測器範例程式碼示範如何顯示工作傳回的結果，請參閱程式碼範例