tensorflow。js对视频直播人脸检测和特征点收集

　　前言：
　　这里要介绍的是Tensorflow。js官方提供的两个人脸检测模型，分别是facedetection和facelandmarksdetection。他们不但可以对视频中的人间进行精确定位，而且还能对当前设备（手机电脑摄像头）采集的直播流实时监测人脸。所以这些的应用场景就很常见了，比如在线美颜，实时添加互动虚拟挂件等等。
　　虽然这两个模型实现的功能类似，但是也还是有区别滴。facelandmarksdetection相比facedetection对人脸的检测有更多的特征点，而特征点更多可用来做类似建模匹配的重合度就越高，以下会通过官方的例子打印出脸部的特征点数据。
　　实操：
　　1。下载源码。
　　2。单独提出demos里uploadvideo。
　　这里要说明一下，因为个人习惯，我这里还是通过parcel方式打包。官方推荐是yarn，而且有文档流程介绍，可以按着上面运行。而我的方法完全不按套路出牌，其实单独提出demo里项目运行也是不正确，npm安装报错连连，那我就对我遇到的几个错误做一一复原吧。
　　2。1。npminstall抛出各种依赖包版本冲突，npmERR！codeERESOLVEnpmERR，如下。
　　2。1。1。原因：
　　由于本人前端水平有限，经过查阅，是npm版本原因。npm从v7开始，默认安装peerDependencies。在多数情况下，导致版本冲突，从而终端安装过程，在安装前可以查询一下npmv，小于v7就不用看下面方法了。
　　2。1。2。解决方法：在命令后面添加legacypeerdeps
　　加了这个就可以绕过peerDependency自动安装，告诉NPM忽略项目中引入的各个模块之间的相同模块，但不同版本的问题，保证各个引入的依赖之间对自身所使用的不同版本模块共存，最后的依赖就安装成功了，最后就执行parcelindex打包。
　　2。2。parcel时，抛出facedetection模型不存在，如下。
　　2。2。1。原因：
　　这里就是我运行项目时的方法不对，因为运行时需要在外面进行安装打包会生成模型文件，而demos里的模型引入其实是引入前面打包好的文件，我们可以看到package。json里。
　　2。2。2。解决方法：
　　将package。json里的模型依赖删掉，也就是上面标注的部分，然后通过npm进行安装，安装成后json文件会更新，其他问题类似。npminstalltensorflowmodelsfacedetectionlegacypeerdeps
　　运行效果：
　　1。facedetection
　　运行地址：http：127。0。0。1：1234？modelmediapipefacedetector
　　通过打印可以看到以上数据，box是目标的宽高等值，而keypoints就是检测出人脸的6个特征点。包括特征的名称和移动位置等信息。
　　2。facelandmarksdetection
　　地址：http：127。0。0。1：1234？modelmediapipefacemesh
　　打印出的不同的facedetection的是，keypoints数据更多，除了检测出人脸五官，而且五官轮廓的点位置也全部识别出来了。