本頁面由 Cloud Translation API 翻譯而成。

網頁版臉部地標偵測指南

MediaPipe Face Marker 工作可讓您偵測圖片和影片中的臉孔地標和臉部表情。您可以使用這項工作來識別人臉表情、套用臉部濾鏡和特效，以及建立虛擬顯示圖片。這項工作使用的機器學習 (ML) 模型可與單一圖片或連續圖片串流搭配使用。這個工作會輸出 3D 臉部地標、混合形狀分數 (代表臉部表情的係數) 來即時推論出詳細臉部面，並轉換矩陣，執行轉譯效果所需的轉換。

以下操作說明將說明如何在網路和 JavaScript 應用程式中使用「臉孔地標」功能。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

Face 地標工具的範例程式碼提供這項任務的完整實作方式，以做為參考。這段程式碼可協助您測試這項工作，並開始建構您自己的臉部地標應用程式。只要使用網路瀏覽器，即可查看、執行和編輯臉部地標工具範例程式碼。

設定

本節將針對使用臉孔地標工具，特別說明如何設定開發環境的重要步驟。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 套件取得臉孔地標代碼。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 Face Marker 工作需要經過訓練且與這項工作相容的模型。如要進一步瞭解「臉孔地標工具」的可用已訓練模型，請參閱工作總覽「模型」一節。

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

使用其中一個臉孔地標 createFrom...() 函式，為執行推論做好準備工作。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地標工具。詳情請參閱「設定選項」。

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 faceLandmarker = await faceLandmarker.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
`running_mode`	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`
`numFaces`	`FaceLandmarker` 可以偵測的臉孔數量上限。只有在 `num_faces` 設為 1 時，系統才會套用平滑效果。	`Integer > 0`	`1`
`minFaceDetectionConfidence`	用於判定臉部偵測成功率的最低可信度分數。	`Float [0.0,1.0]`	`0.5`
`minFacePresenceConfidence`	在臉部地標偵測中，臉孔存在分數的最低可信度分數。	`Float [0.0,1.0]`	`0.5`
`minTrackingConfidence`	臉部追蹤偵測結果的可信度下限。	`Float [0.0,1.0]`	`0.5`
`outputFaceBlendshapes`	是否將臉孔地標工具輸出的內容呈現在臉上。臉部混合形狀是用來算繪 3D 臉部模型。	`Boolean`	`False`
`outputFacialTransformationMatrixes`	指定 FaceLandmarker 是否輸出臉部變形矩陣。FaceLandmarker 使用矩陣，將臉部地標從標準臉部模型轉換為偵測到的臉孔，讓使用者能對偵測到的地標套用效果。	`Boolean`	`False`

準備資料

臉孔地標工具可以偵測圖片中圖片的臉孔，且該格式是主機瀏覽器支援的任何格式。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。如要在影片中標記臉孔，您可以使用 API 快速處理一個影格，只要用影格的時間戳記判斷臉孔發生的時間即可。

執行工作

錶面地標會使用 detect() (執行模式 IMAGE) 和 detectForVideo() (執行模式 VIDEO) 方法來觸發推論。工作會處理資料、嘗試標示臉孔，然後回報結果。

對臉孔地標 detect() 和 detectForVideo() 方法發出的呼叫會同步執行，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 faceLandmarkerResult = faceLandmarker.detect(image);

影片

await faceLandmarker.setOptions({ runningMode: "VIDEO" });

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

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

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

如要進一步瞭解如何執行「臉孔地標」工作，請參閱程式碼範例。

處理並顯示結果

臉孔地標 er 會在每次執行偵測時傳回結果物件。結果物件會包含每個偵測到的臉孔網格，以及每個臉孔地標的座標。結果物件也可以視需要包含混合形狀 (表示臉部表情)，以及臉部轉換矩陣，對偵測到的地標套用臉部效果。

以下為這項工作的輸出資料範例：

FaceLandmarkerResult:
  face_landmarks:
    NormalizedLandmark #0:
      x: 0.5971359014511108
      y: 0.485361784696579
      z: -0.038440968841314316
    NormalizedLandmark #1:
      x: 0.3302789330482483
      y: 0.29289937019348145
      z: -0.09489090740680695
    ... (478 landmarks for each face)
  face_blendshapes:
    browDownLeft: 0.8296722769737244
    browDownRight: 0.8096957206726074
    browInnerUp: 0.00035583582939580083
    browOuterUpLeft: 0.00035752105759456754
    ... (52 blendshapes for each face)
  facial_transformation_matrixes:
    [9.99158978e-01, -1.23036895e-02, 3.91213447e-02, -3.70770246e-01]
    [1.66496094e-02,  9.93480563e-01, -1.12779640e-01, 2.27719707e+01]
    ...

下圖以視覺化方式呈現工作輸出內容：

Face Marker 範例程式碼會示範如何顯示工作傳回的結果，請參閱程式碼範例