网站用什么程序做的,建立采样点感控监督机制,个人网站能挂广告吗,购买建立网站费怎么做会计凭证首先#xff0c;要理解我们的目标#xff0c;我们将实时获取视频中的面部区域并将其周围的内容转为不透明以制造出弹幕的“遮挡效应”。
步骤一#xff1a;环境准备
我们将使用 TensorFlow.js 的 Body-segmentation 库来完成面部识别部分#xff0c;并使用 OffscreenCanv…首先要理解我们的目标我们将实时获取视频中的面部区域并将其周围的内容转为不透明以制造出弹幕的“遮挡效应”。
步骤一环境准备
我们将使用 TensorFlow.js 的 Body-segmentation 库来完成面部识别部分并使用 OffscreenCanvas 来绘制更新后的图像。
安装相关库
npm install tensorflow-models/body-segmentation步骤二使用 body-segmentation 检测脸部
首先我们需要导入所需的库并配置我们的模型。
import { createSegmenter, SupportedModels } from tensorflow-models/body-segmentation;
import type { Ref } from vue;const model SupportedModels.MediaPipeSelfieSegmentation;
const segmenterConfig {runtime: mediapipe,solutionPath: https://cdn.jsdelivr.net/npm/mediapipe/selfie_segmentation,modelType: general
}
const segmenter await createSegmenter(model, segmenterConfig);接下来我们会定期从视频流中获取图像然后使用 segmenter.segmentPeople(videoEl) 对其进行处理。
步骤三使用 OffscreenCanvas 进行绘制
我们接下来要创建一个 worker并将画布对象和 mask 图像传给它。在 worker 端我们会从 mask 图像中剔除人脸部分然后在这部分绘制白色产生弹幕的“遮挡效应”。 注意转移权移动给worker。
const worker new Worker(/src/assets/pull/worker.ts);
let offscreen;
export async function detect(videoEl: HTMLVideoElement, canvas: RefHTMLCanvasElement) {if (!offscreen) {offscreen canvas.value.transferControlToOffscreen();}const segmentation await segmenter.segmentPeople(videoEl);const mask await segmentation[0].mask.toCanvasImageSource();worker.postMessage({ canvas: offscreen, mask: mask }, [offscreen]);window.setTimeout(() detect(videoEl, canvas), 66);
}步骤四Worker中绘制图像
在 worker 中我们需要接收主线程传来的信息并进行绘制。然后我们将绘制后的结果发送回主线程。
self.onmessage function (event) {const offscreen event.data.canvas;const mask event.data.mask;const context offscreen.getContext(2d);const reader new FileReaderSync();// ... 清空画布并绘制图像操作offscreen.convertToBlob({type: image/png, quality: 0 }).then((blob: Blob) {const dataURL reader.readAsDataURL(blob);self.postMessage({ msgType: mask, val: dataURL });}).catch(console.error);
};经过以上步骤我们成功制造了弹幕的“遮挡效应”。
