前阵子学习了一下face-api.js ，偶有心得，跟大家分享一下。
face-api.js的原始项目是https://github.com/justadudewhohacks/face-api.js ，最后一个release是2020年3月22日的0.22.2版，组件较老，API文档很全，很适合开发参考。另有一位大佬的分支 https://github.com/vladmandic/face-api ,最近的release是2023年6月13日的1.7.12，组件较新，适合拿来使用。
face-api.js的人脸识别是基于对68个人脸特征点的检测来实现的，看得出来这个是基于二维图片识别来标识人脸的，可以在图片，视频中识别。跟咱们现在经常接触到的活体识别、3D结构光识别比可能要弱一些，不过胜在开源免费，也方便直接使用，在一些对人脸识别要求不高的场景，可以较好的应用。
vladmandic/face-api的release里包含demo，稍作修改就可以放在自己的项目里使用。比如webcam.js里，就有在浏览器中调用摄像头识别视频中人脸的方法。
具体怎么玩，可以这样弄下：
在后端定义一个人脸特征库 faces.json，格式如下：
[
{
uid:uid1,
descriptors:[
base64String1,
base64String2,
...
]
},
{
uid:uid2,
descriptors:[
base64String3,
base64String4,
...
]
}
...
]
一个用户可以登记一次或多次人脸特征（可以在自己的项目里自行限制），为了便与保存文件和网络传输，特征采用base64编码的字符串。其实face-api.js采集出来的人脸特征是一个Float32Array，包含128个浮点数。
人脸注册，前端可以用下面这段：
javascript
faceapi
.detectSingleFace(video, optionsSSDMobileNet)
.withFaceLandmarks()
.withFaceDescriptor()
.then((result) => {
if (result) {
fetch2s_reg(result.descriptor,userid).then({...});//将用户与特征绑定信息传到后端
return true;
}
else {
const fps = 1000 / (performance.now() - t0);
requestAnimationFrame(() => detectVideo(video, canvas));
return true;
}
})人脸识别，前端可以用下面这段：
javascript
faceapi
.detectSingleFace(video, optionsSSDMobileNet)
.withFaceLandmarks()
.withFaceDescriptor()
.then((result) => {
if (result) {
fetch2s_rec(result.descriptor).then({...});//将特征信息传到后端，后端进行匹配后返回前端结果
return true;
}
else {
const fps = 1000 / (performance.now() - t0);
requestAnimationFrame(() => detectVideo(video, canvas));
return true;
}
})前文介绍过一种后端可以向一个可信任前端调用的方法，在这里可以用一下。
可信任前端可以用于人脸识别匹配检查。浏览器访问它，将执行连接后端websocket，获取当前人脸库，创建人脸匹配器；每次后端收到新的人脸绑定信息后，也会更新人脸库，并将人脸库更新也传到这个可行前端，它重新创建人脸匹配器（根据已有的文档资料，发现只能根据全量人脸库，创建人脸匹配器，无法增量更新）
javascript
let labeledDescriptors = [
new faceapi.LabeledFaceDescriptors(
'obama',
[descriptorObama1, descriptorObama2]
),
new faceapi.LabeledFaceDescriptors(
'trump',
[descriptorTrump]
)
]
faceMatcher = new faceapi.FaceMatcher(labeledDescriptors)人脸识别，其实调用很简单：
javascript
let bestMatch = faceMatcher.findBestMatch(descriptor)拿人脸匹配器根据输入参数人脸特征，返回最佳匹配结果和差异度。
匹配是找出与目标特征值欧几里得距离最小的特征值，以及这个最小值的大小。
其他注意要点：JS前端到nodejs后端，人脸特征float32array可以fetch方式传arraybuffer数据，uid可以放到header里传出；后端nodejs收到arraybuffer的float32array数组，直接转base64编码，更新内存中的人脸库json数组中，并通过websocket发送到可信前端以更新人脸匹配器，关于保存到json文件，不用每次更新都写入，可以定义一个接口，按请求来写入。可信前端需要处理获取人脸库，将base64编码的字符串还原位float32array的人脸特征，然后创建人脸匹配器；以及执行人脸匹配检查。