人工智能python3+tensorflow人脸识别_使用 face-api.js 在你的浏览器中做人脸识别（基于 tensorflow.js）...

我很兴奋地告诉你，终于可以在浏览器中运行人脸识别了！这篇文章我将介绍 face-api.js ，这个类库构建于  tensorflow.js 之上。它实现了多个 CNNs(卷积神经网络)以解决人脸检测、人脸识别和人脸标识检测的问题，并进行了优化适用于网络和移动设备。

与往常一样，我们将看一个简单的代码示例，演示几行代码就可以使用该软件包。如果您想先尝试一些示例，请查看演示页面！ 但不要忘了回来读这篇文章。 ;)

让我们开始吧！

注意，该项目正在积极开发中。请务必查看我的最新文章，随时了解 face-api.js的最新功能：

如何通过深度学习解决人脸识别

如果您希望尽快入门，您可以跳过这一节，直接跳到代码中。但为了更好地了解face-api.js 中用于实现人脸识别的方法，我强烈建议您继续学习，因为我经常被问到这一点。

简单来讲，我们想要实现的是，根据给定的人脸图像来识别一个人。方法是，为我们想识别的每个人提供一个(或多个)图像，并用人名标记。我们将输入图像与参考数据进行比较，找到 最相似的 参考图像。如果两个图像足够相似，输出 人名，否则输出未知。

提起来很容易！然而，还有两个问题。首先，如果我们有一多人的图像，并且我们想识别所有人，那会怎么样？其次，我们需要能够获得两个人脸图像的相似度百分比，以便对它们进行比较……

人脸检测

第一个问题的答案是人脸检测。简单地说，我们将首先定位输入图像中的所有人脸。Face-api.js 为不同的使用情况实现多个人脸检测器。

最准确的人脸检测器是 SSD(单发多框检测器 Single Shot Multibox Detector)，它是基于 MobileNet V1 的CNN，在网络顶部堆叠了一些附加的框预测层。

更进一步，face-api.js 实现了优化的 Tiny Face Detector，是 Tiny Yolo v2 的甚至更小版本，它利用深度可分离卷积代替常规卷积，与之相比，速度更快，但精度略低 SSD MobileNet V1。

最后，还有一个MTCNN(多任务级联卷积神经网络)实现，但是现在主要用于实验目的。

网络会返回每个面孔的边界框，以及相应的得分，例如每个边界框显示一张脸的概率。分数用于过滤边界框，因为图像可能根本不包含任何面孔。请注意，即使只有一个