React + TypeScript: Tensorflow로 얼굴 감지

안녕 얘들아

실시간으로 얼굴에 자동으로 마스크를 적용하는 얼굴 감지 기능이 있는 애플리케이션을 개발했습니다.



이 기사에서는 이 애플리케이션을 개발하는 방법에 대해 설명합니다.

데모→ https://mask-app-one.vercel.app/
github→ https://github.com/YuikoIto/mask-app

이 응용 프로그램에는 로딩 애니메이션이 없으므로 처음 로딩할 때 몇 초 동안 기다려야 합니다.

react 애플리케이션 설정 및 react-webcam 설치

$ npx create-react-app face-mask-app --template typescript
$ yarn add react-webcam @types/react-webcam

그런 다음 웹 카메라를 설정해 보십시오.

// App.tsx

import { useRef } from "react";
import "./App.css";
import Webcam from "react-webcam";

const App = () => {
  const webcam = useRef<Webcam>(null);

  return (
    <div className="App">
      <header className="header">
        <div className="title">face mask App</div>
      </header>
      <Webcam
        audio={false}
        ref={webcam}
        style={{
          position: "absolute",
          margin: "auto",
          textAlign: "center",
          top: 100,
          left: 0,
          right: 0,
        }}
      />
    </div>
  );
}

export default App;

yarn start 및 액세스http://localhost:3000/ .



예이! 이제 웹 카메라를 사용할 수 있습니다.

Tensorflow를 사용하여 얼굴 감지를 사용해 보세요.

여기에서는 이 모델을 사용하고 있습니다. https://github.com/tensorflow/tfjs-models/tree/master/face-landmarks-detection

$ yarn add @tensorflow-models/face-landmarks-detection @tensorflow/tfjs-core @tensorflow/tfjs-converter @tensorflow/tfjs-backend-webgl

TypeScript를 사용하지 않는 경우 모두 설치할 필요가 없습니다. @tensorflow/tfjs , @tensorflow/tfjs-core 및 @tensorflow/tfjs-converter 대신 @tensorflow/tfjs-backend-webgl 를 설치하십시오.

// App.tsx

import "@tensorflow/tfjs-core";
import "@tensorflow/tfjs-converter";
import "@tensorflow/tfjs-backend-webgl";
import * as faceLandmarksDetection from "@tensorflow-models/face-landmarks-detection";
import { MediaPipeFaceMesh } from "@tensorflow-models/face-landmarks-detection/dist/types";

const App = () => {
  const webcam = useRef<Webcam>(null);

  const runFaceDetect = async () => {
    const model = await faceLandmarksDetection.load(
      faceLandmarksDetection.SupportedPackages.mediapipeFacemesh
    );
    detect(model);
  };

  const detect = async (model: MediaPipeFaceMesh) => {
    if (webcam.current) {
      const webcamCurrent = webcam.current as any;
      // go next step only when the video is completely uploaded.
      if (webcamCurrent.video.readyState === 4) {
        const video = webcamCurrent.video;
        const predictions = await model.estimateFaces({
          input: video,
        });
        if (predictions.length) {
          console.log(predictions);
        }
      }
    };
  };

  useEffect(() => {
    runFaceDetect();
  // eslint-disable-next-line react-hooks/exhaustive-deps
  }, [webcam.current?.video?.readyState])

로그를 확인하십시오.



좋아, 좋아 보인다.

얼굴에 마스크를 오버레이하도록 캔버스 설정

<canvas> 아래에 <Webcam>를 추가합니다.

//App.tsx
const App = () => {
  const webcam = useRef<Webcam>(null);
  const canvas = useRef<HTMLCanvasElement>(null);

  return (
    <div className="App">
      <header className="header">
        <div className="title">face mask App</div>
      </header>
      <Webcam
        audio={false}
        ref={webcam}
      />
      <canvas
        ref={canvas}
      />

영상과 캔버스의 크기를 맞춥니다.

    const videoWidth = webcamCurrent.video.videoWidth;
    const videoHeight = webcamCurrent.video.videoHeight;
    canvas.current.width = videoWidth;
    canvas.current.height = videoHeight;

그럼 this map을 보고 어디를 채워야 하는지 확인해보자.

이 지도로 보면 195번이 코 주변이다. 그래서 이 지점을 받침점으로 설정합니다. beginPath()〜closePath() 를 이용하여 쉽게 마스크를 그려봅시다.

// mask.ts

import { AnnotatedPrediction } from "@tensorflow-models/face-landmarks-detection/dist/mediapipe-facemesh";
import {
  Coord2D,
  Coords3D,
} from "@tensorflow-models/face-landmarks-detection/dist/mediapipe-facemesh/util";

const drawMask = (
  ctx: CanvasRenderingContext2D,
  keypoints: Coords3D,
  distance: number
) => {
  const points = [
    93,
    132,
    58,
    172,
    136,
    150,
    149,
    176,
    148,
    152,
    377,
    400,
    378,
    379,
    365,
    397,
    288,
    361,
    323,
  ];

  ctx.moveTo(keypoints[195][0], keypoints[195][1]);
  for (let i = 0; i < points.length; i++) {
    if (i < points.length / 2) {
      ctx.lineTo(
        keypoints[points[i]][0] - distance,
        keypoints[points[i]][1] + distance
      );
    } else {
      ctx.lineTo(
        keypoints[points[i]][0] + distance,
        keypoints[points[i]][1] + distance
      );
    }
  }
};

export const draw = (
  predictions: AnnotatedPrediction[],
  ctx: CanvasRenderingContext2D,
  width: number,
  height: number
) => {
  if (predictions.length > 0) {
    predictions.forEach((prediction: AnnotatedPrediction) => {
      const keypoints = prediction.scaledMesh;
      const boundingBox = prediction.boundingBox;
      const bottomRight = boundingBox.bottomRight as Coord2D;
      const topLeft = boundingBox.topLeft as Coord2D;
      // make the drawing mask larger a bit
      const distance =
        Math.sqrt(
          Math.pow(bottomRight[0] - topLeft[0], 2) +
            Math.pow(topLeft[1] - topLeft[1], 2)
        ) * 0.02;
      ctx.clearRect(0, 0, width, height);
      ctx.fillStyle = "black";
      ctx.save();
      ctx.beginPath();
      drawMask(ctx, keypoints as Coords3D, distance);
      ctx.closePath();
      ctx.fill();
      ctx.restore();
    });
  }
};

App.tsx에서 이draw 함수를 가져와서 사용하세요.

    const ctx = canvas.current.getContext("2d") as CanvasRenderingContext2D;
    requestAnimationFrame(() => {
      draw(predictions, ctx, videoWidth, videoHeight);
    });

마치다!

읽어 주셔서 감사합니다.
Tensorflow를 처음 사용하지만 공식 github 저장소의 좋은 README 덕분에 작은 응용 프로그램을 쉽게 만들 수 있습니다. Tensorflow를 사용하여 더 발전하겠습니다 🐣

🍎🍎🍎🍎🍎🍎

필요하시면 쪽지 주세요.

[email protected]

🍎🍎🍎🍎🍎🍎

참조

Canvasでよく使う描画テクまとめ

tfjs-models

Iris landmark tracking in the browser with MediaPipe and TensorFlow.js