Face-api.js是一个JavaScript API，是基于tensorflow.js核心API的人脸检测和人脸识别的浏览器实现。它实现了一系列的卷积神经网络（CNN），针对网络和移动设备进行了优化。

在InfoQ的访谈中，face-api和 face-recognition.js的创造者文森特•穆勒解释了他们的动机：

其实，我有另一个类库face-recognition.js，它能够检测脸部和用node.js进行人脸识别。在某个时候，我发现了tensorflow.js，并对浏览器中的机器学习产生了浓厚的兴趣。

因此，我很好奇如果可以移植现有的人脸检测和人脸识别模型到tensorflow.js，它能否可以依然运转如常。

这一切怎么开始呢。

对于人脸检测来说，face-api.js实现了模型SSD Mobilenet V1，这是个微小的人脸检测器，是个实验性的暂态混沌神经网络（MTCNN）。

SSD（单发多盒探测器）MobileNet V1是一个基于MobileNet V1的模型，旨在获得高精度检测边界框。这个模型主要计算每张脸在图像中的位置，并返回边界框以及每个脸的检测概率。

这个微小的人脸检测器是个实时人脸检测的模型，相比于SSD Mobilenet V1，它更快，更小，消耗的资源更少。这个模型已经在14 千张标记有边界框的图像上做过训练了。据穆勒说，只有有限资源的客户使用这个模型应该不会有问题的。

MTCNN（多任务级联卷积神经网络）是一种实验模型，以另一种人脸检测器SSD MobileNet V1和Tiny Yolo V2的面貌出现，从而提供了更多配置的可能性。

对于68点人脸标记检测，有两个轻量级和快速模式，face_landmark_68_model只需要350 kb， 而face_landmark_68_tiny_model则只要求80 kb。两种模型都采用了深度可分离卷积和紧密连接块的思想。该模型已经在大约35千张标有68脸部标记点的脸部图片集上训练过了。

对于人脸识别，是基于ResNet-34类架构的一个模型，提供以face.js从任何脸图像对脸部描述的计算。这个模型不仅限于用于训练的脸部集，这意味着开发人员可以用它对任何人做人脸识别。它可以通过比较脸部描述找出两个任意的相似面孔。

为从face-api.js开始着手，从dist/face-api.js或dist/face-api.min.js下载最新的构建，并引入这个脚本：

u0026lt;script src=u0026quot;face-api.jsu0026quot;u0026gt;u0026lt;/scriptu0026gt;

为加载一个模型，必须提供模型文件作为资产，然后，假设模型驻留在/models下：

await faceapi.loadSsdMobilenetv1Model（'/models'）// accordingly for the other models：// await faceapi.loadTinyFaceDetectorModel（'/models'）// await faceapi.loadMtcnnModel（'/models'）// await faceapi.loadFaceLandmarkModel（'/models'）// await faceapi.loadFaceLandmarkTinyModel（'/models'）// await faceapi.loadFaceRecognitionModel（'/models'）

对于想在本地运行示例的开发人员来说，执行下面的步骤并浏览 http：//localhost：3000/：

git clone https：//github.com/justadudewhohacks/face-api.js.git cd face-api.js/examplesnpm inpm start

关于face-api.js的更多信息可以在GitHub库中找到，里面还有人脸识别教程和人脸跟踪教程。

查看英文原文：Face-api.js： JS Face Recognition Leveraging TensorFlow.js