Reconhecimento facial com JS

RECONHECIMENTO FACIAL

Hoje vamos fazer um hands-on em uma biblioteca que eu achei muito interessante chamada TrackingJS. Ela nos ajuda a trabalhar com visão computacional.

Visão computacional é uma forma que temos de processar imagens para extrair alguma coisa delas, nesse exemplo vamos fazer um tracking facial, reconhecer a face em uma imagem.

Um exemplo prático seria por exemplo, se a pessoa subir uma foto para o perfil dela, esse tracking facial poderia te ajudar a centralizar e realizar o crop da foto.

A primeira coisa que vamos fazer é acessar o site “trackingjs.com” e baixar um pacote com todos os arquivos. Vamos pegar a pasta build e deixar dentro do diretório em que vamos criar a aplicação. Além disso, vou rodar também o HTTP server na pasta que eu estou criando os arquivos.

Vamos criar um arquivo index.html. O trackingjs já vem com várias coisas que podemos reaproveitar, uma delas é reconhecer o vídeo da webcam. Para fazer isso, vamos importar da pasta build o traking-min.js e o data/face-min.js:

<html>

<head>

<title>Face Traking</title>

<style>

video, canvas {

position: absolute;

border: 1px solid red;

}

</style>

</head>

<body>

<script rsc="tracking-min.js"></script>

<script rsc="data/face-min.js"></script>

</body>

</html>

O reconhecimento de faces funciona basicamente por meio de um treinamento, onde fazemos em uma rede neural e precisamos desse arquivo de dados, que é o treinamento realizado.

Agora vamos criar dois itens, um deles é uma tag víde. Vamos definir uma largura e altura. O outro é um canvas para podermos desenhar em cima desse vídeo e mostrar onde está sendo reconhecido realmente o rosto:

<body>

<video id="video" width="320" height="240" preload autoplay loop muted /></video>

<canvas id="canvas" width="320" height="240"></canvas>

<script rsc="tracking-min.js"></script>

<script rsc="data/face-min.js"></script>

</body>

Agora vamos começar realmente a fazer esse tracking do rosto. Quando carregarmos a página, vamos chamar a função init que vai ter nosso vídeo, canvas um contexto para o canvas e um tracker, que é nosso rastreador em específico:

<script>

function init(){

const video = document.getElementById('video')

const canvas = document.getElementById('canvas')

const context = canvas.getContext('2d')

const tracker = new traking.ObjectTracker('face')

}

window.onload = init()

</script>

Agora podemos mandar rastrear a tag vídeo utilizando a câmera. Fazendo isso, eu consigo enviar um event:

tracking.track('#video', tracker, {camera: true})

tracker.on('track', event => {

console.log(event)

})

Ao dar F5 no browser e acessar o F12, percebam que ele muda à medida que o rosto se mexe dentro do limite que escolhemos, com isso vamos desenhar em cima do canvas:

 

<script>

function init(){

const video = document.getElementById('video')

const canvas = document.getElementById('canvas')

const context = canvas.getContext('2d')

const tracker = new traking.ObjectTracker('face')

tracking.track('#video', tracker, {camera: true})

tracker.on('track', event => {

console.log(event)

context.clearRect(0,0,canvas.width, canvas.height )

event.data.foEach( rect => {

console.log(rect)

})

})

}

window.onload = init()

</script>

O retângulo já está lá reconhecendo a cabeça ao se mexer, porém ainda não conseguimos visualizar ele. Então, para cada retângulo reconhecido, vamos desenhar ele na tela:

event.data.foEach( rect => {

context.strokeStyle = '#ff0000'

context.lineWidth = 2

context.strokeRect(rect.x, rect.y, rect.width, rect.height)

})

Com isso já conseguimos ver o reconhecimento do meu rosto. Em uma aplicação real, eu poderia, por exemplo, reconhecer o rosto, dar um freeze e cortar a imagem um pouco para cima e para os lados para ajudar no crop.

Além disso ainda podemos mostrar uma informação de onde está sendo reconhecido esse retângulo:

event.data.foEach( rect => {

context.strokeStyle = '#ff0000'

context.lineWidth = 2

context.strokeRect(rect.x, rect.y, rect.width, rect.height)

context.fillText(`x: ${rect.x}, w: $:{rect.width}`, rect.x+rect.width+20, rect.y+20)

context.fillText(`y: ${rect.y}, h: $:{rect.height}`, rect.x+rect.width+20, rect.y+40)

})

Assim temos a informação precisa de onde foi encontrado o nosso rosto. Poderíamos utilizar isso para fazer o crop. Como colocamos isso em um vetor, é possível reconhecer mais de um rosto no vetor, a partir disso podemos fazer, por exemplo, um sistema de tag para marcar os amigos.

Deixe suas dúvidas e sugestões nos comentários. Curta o DevPleno no Facebook, se inscreva no canal no YouTube e cadastre seu e-mail para não perder as atualizações. Abraço!