由于开发需求要实现人脸识别，顺便在此记录一下，希望给各位前端爱好者带来帮助。

1、安装依赖

        首先，确保你已经安装了Vue.js，并且创建了一个Vue项目。然后，安装face-api.js及其相关依赖。由于face-api.js依赖于TensorFlow.js，你可能还需要安装这个库。可以通过npm或yarn来安装：

<code>npm install face-api.js

这是我安装的版本

2、下载模型文件

face-api.js需要一些预先训练好的模型文件来执行人脸检测和识别。你需要从GitHub仓库中下载这些文件，并放置在项目的public目录下，或者配置一个正确的路径指向这些文件。可以从face-api.js的GitHub页面下载模型。

在这个页面上，你会看到多个模型文件，例如 <code>ssd_mobilenetv1_model-weights_manifest.json、face_landmark_68_model-weights_manifest.json 等。为了使用 face-api.js 的不同功能，如人脸检测、特征点定位、表情识别等，你需要下载相应的模型文件。

你可以手动下载，也可以直接克隆，你也可以私聊我一下我给你发。

git clone https://github.com/justadudewhohacks/face-api.js.git

    3.克隆完之后你需要把模型文件放到 public下的models没有models自己创建，你也可以自己规定路径，只要路径正确就行。

到此准备工作就做完了，当然你需要配置好vue框架。

3、封装组件

        为了更好地组织代码并使其可复用，我们可以将人脸识别的功能封装成一个Vue组件。下面是一个更完善的示例，展示了如何创建一个名为<code>FaceRecognition.vue的自定义组件，该组件负责处理视频流、人脸检测、以及展示检测结果。完整代码块在这

<template>

<div class="face-recognition">code>

<video ref="video" width="640" height="480" autoplay></video>code>

<canvas ref="canvas" width="640" height="480"></canvas>code>

<div>当前人流量：{ { peopleCount }}</div>

</div>

</template>

<script>

import * as faceapi from 'face-api.js';

export default {

name: 'FaceRecognition',

data() {

return {

isLoaded: false,

lastDetections: [], // 上一帧检测到的人脸

peopleCount: 0, // 当前人流量计数

};

},

mounted() {

this.loadModels();

},

methods: {

async loadModels() {

try {

await Promise.all([

faceapi.nets.faceRecognitionNet.loadFromUri('/models'),

faceapi.nets.faceLandmark68Net.loadFromUri('/models'),

faceapi.nets.ssdMobilenetv1.loadFromUri('/models'),

]);

this.isLoaded = true;

this.startVideo();

} catch (error) {

console.error('Failed to load models:', error);

}

},

startVideo() {

if (navigator.mediaDevices && this.isLoaded) {

navigator.mediaDevices.getUserMedia({ video: true })

.then(stream => {

this.$refs.video.srcObject = stream;

this.$refs.video.onloadedmetadata = () => {

this.detectFaces();

};

})

.catch(error => console.error('getUserMedia error:', error));

}

},

async detectFaces() {

const video = this.$refs.video;

const canvas = this.$refs.canvas;

const ctx = canvas.getContext('2d');

const detectionOptions = new faceapi.SsdMobilenetv1Options({ minConfidence: 0.9 });

let recentDetections = [];

const detectionHistoryLength = 5;

setInterval(async () => {

if (video.readyState === video.HAVE_ENOUGH_DATA) {

ctx.drawImage(video, 0, 0, canvas.width, canvas.height);

const detections = await faceapi.detectAllFaces(video, detectionOptions).withFaceLandmarks();

// console.log('查看获取帧',validDescriptors)

// 确保只收集有效的面部描述符

const validDescriptors = detections

console.log('查看获取帧',validDescriptors)

recentDetections.push(...validDescriptors.map(face => face.descriptor));

// 限制历史长度并去重

recentDetections = recentDetections.slice(-detectionHistoryLength);

// console.log('查看获取帧',recentDetections)

const uniqueDescriptors = Array.from(new Set(recentDetections));

this.peopleCount = uniqueDescriptors.length; // 直接使用去重后的数组长度，因已排除undefined，无需JSON.stringify和parse

faceapi.draw.drawDetections(canvas, detections);

faceapi.draw.drawFaceLandmarks(canvas, detections);

}

}, 100);

}

},

beforeDestroy() {

// 清理视频流

if (this.$refs.video.srcObject) {

this.$refs.video.srcObject.getTracks().forEach(track => track.stop());

}

},

};

</script>

<style scoped>

.face-recognition {

position: relative;

}

</style>

4、使用组件