进入 WebXR 的世界

随着元宇宙的兴起,VR和AR技术再次回到同学们的视野。

比起完全是0%支持率的WebGPU,作为WebVR技术的后继者,WebXR Device API以0%+71.08%的支持率展示了对于一个新的feature的期待。

进入 WebXR 的世界_第1张图片

面对越来越碎片化的移动端生态,Web标准作为可能是唯一的跨平台工具,在生态中的重要性不言而喻。

如果想要学习WebXR,从哪里入手呢?别急,虽然WebXR和WebGPU还都不成熟,但是现有的技术已经可以让我们实现超出你想象的效果了。

3DoF和6DoF

3DoF是Three Degrees of Freedom的简称,意思是三个自由度。同理,6DoF是Six Degrees of Freedom的简称,表示有6个自由度。

当只有三个自由度的时候,就是我们日常使用的3D模型系统那样的,只能响应旋转操作。千里之行,始于足下。我们就从3个自由度开始。

2D时代,我们通过布局来管理页面的版面。到了3D情况下有些不同。我们先从一个例子来体会一下。

CSS时代我们就是画各种盒子的,所以为了向CSS致敬,我们也画一个3D的盒子。

前端写3D,最主要的框架是Three.js。我们从Three.js的一个封装,A-frame入手。类似于div,在A-frame中使用a-scene来作为一个场景的容器。场景中放各种实体。实体有各种属性。

a-box是一个3D的盒子。a-sky是一个背景天空。



  
    
  
  
    
      
      
    
  

显示出来的效果如下:

进入 WebXR 的世界_第2张图片

a-box的position属性是x,y,z的值。其中x的正方向向右,y的正方向向上,z的正方向向外。

rotation也是按x,y,z轴旋转。

我们试下先水平向左转30度。为了区分上图我们换个颜色:



  
    
  
  
    
      
      
    
  

进入 WebXR 的世界_第3张图片

这个盒子可不是静态的哈,可以拖着玩一玩。

进入 WebXR 的世界_第4张图片

一个场景不能只有孤零零一个元素啊,我们再给我们的盒子上面顶个球。我们给盒子也换个方向,让它右转30度。



  
    
  
  
    
      
      
      
    
  

效果如下:

进入 WebXR 的世界_第5张图片

这两个元素是一体的,可以一起拖来拖去。

从3D到6D

光有形状太单调了,我们需要像加载2D时代的图片一样的3D模型。

a-assets用来指定资源,每一条资源项目用a-assets-item来表示。


        
      

引用的时候,我们给模型指定类型就好:

          
      

我们给上面的例子的球上面加个眼镜吧:



  
    
  
  
    
      
      
      
      
        
      
      
    
  

然后我们一脚踢开VR的大门,点击右下解的VR按钮,最终变成下面这样子:

进入 WebXR 的世界_第6张图片

这时候我们需要VR眼镜和支持VR的游览器。需要硬件设备的支持来让我们从3自由度跨越到6自由度。

小伙伴们表示缺少VR设备,我们先按下不表,说说不需要设备就可以使用的AR技术。

比如,上面的图我们通过AR的插件可以支持AR模式:

进入 WebXR 的世界_第7张图片

AR的第一步

把眼镜戴到人脸上

A-frame主要用来处理VR,但是它也是AR的基础。要实现AR,我们再加一个支持AR的库就好了,比如MindAR.

我们下面就把上面加载的小眼镜戴到脑袋上:

我们来看看源代码:



    
      
      
      
      
      
    
    
      
        
          
            
            
          
          
          
        
          
          
        
          
      
       

我们可以看到,我们在a-scene里面引入了mindar-face属性的方式来调用Mind-AR的库。因为用到摄像头,我们增加一个a-camera实体。

头部遮挡器模型

在代码中我们发现一个奇怪的东西,我们引入了一个不知道有什么作用的gltf model.

这是初涉AR都会遇到的问题。就是我们从摄像头中获取了足够的人脸的信息,但是我们还需要对人头进行3D模型的重建,这样才能跟眼镜的模型一起计算遮挡关系。

在Mind-AR中,通过mindar-face-occluder属性来实现这个遮挡器的模型,如上面的代码所示。

另外,我们是如何将确定在人脸的什么位置呢?

这需要深度学习人脸识别的模型给我们提供帮助。我们使用Tensorflow.js的Face Landmarks Detection模型,它会将人脸识别为468个关键点。

进入 WebXR 的世界_第8张图片

如果看不清的话,我们将头顶部分局部放大一下:

进入 WebXR 的世界_第9张图片

从中我们可以看到,头顶最中央的位置的锚点编号是10,我们的眼镜定位就是选这个点做定位的。


        
          

我们当然也可以用两眼中间的168号点作为眼镜定位的点,实际上我们看到,我们的头模型正是以这个168点为锚进行定位的:


        
          

事件处理

光有AR代码还不行,我们还得加上事件处理来处理各种玩法。

比如我们想判断AR系统什么时候就绪,可以去监听arReady事件:

document.addEventListener("DOMContentLoaded", () => {
            const scene = document.querySelector('a-scene');
            const arSystem = scene.systems['mindar-face-system'];

            scene.addEventListener("arReady", (event)=>{
                alert('AR系统加载成功!');
            })
          });

除此之外,arSystem还支持下面的事件:

  • arError: 错误处理

  • targetFound: 人脸识别成功

  • targetLost: 人脸丢失

Mind-AR背后的技术

进入 WebXR 的世界_第10张图片

我们打开控制台,可以看到Mind-AR背后的几个技术:

  • wasm

  • simd

  • webgl2

要支持这种级别的计算,wasm+simd加上webgl2/WebGPU是标配。还没有学习相关技术的同学,敬请关注我的相关系列文章。

另外,前面我们展示的是人脸识别的能力。我们采用其它的深度学习网络,就可以实现其它的锚点功能。

比如,我们可以用coco keypoints模型,使用17个点来定位人的姿态。

进入 WebXR 的世界_第11张图片

如果觉得17个点太粗糙,还想针对手和脚做更精确一点的定位,我们可以换成blazepose的32点的模型:

进入 WebXR 的世界_第12张图片

更多的tfjs的模型,还有其它兄弟框架的模型,都可以集成进来一起为我们工作。

比如可以翻翻tfjs的模型库:https://github.com/tensorflow/tfjs-models

用React写Mind-AR

如果不习惯HTML格式的话,Mind-AR也支持React的写法:

import React, { useState } from 'react';
import 'mind-ar/dist/mindar-image.prod.js';
import 'aframe';
import 'mind-ar/dist/mindar-image-aframe.prod.js';
import './App.css';
import MindARViewer from './mindar-viewer';

function App() {
  const [started, setStarted] = useState(false);
  return (
    
      

Example React component with MindAR

      
    {!started &&  {setStarted(true)}}>Start}     {started &&  {setStarted(false)}}>Stop}       
      {started && (                        
      )}     
  ); } export default App;


小结

总结Web AR技术,我们主要做三件事:

  1. 图像识别与物体跟踪:这是一门比较成熟的基于深度学习的技术。实践中,我们主要使用tensorflow.js的模型来实现

  2. 建模:就像我们给头进行建模所做的事情一样,要让我们识别出来的视频变成3D模型

  3. 合成:在建模的基础上,将其他的对象一起绘制上去。这方面主要就是结合Three.js, Babylon.js以及VR的A-frame等框架

我们要在手机上落地,还需要对tf.js这样的深度学习引擎,物体识别的算法,还有3D绘图技术进行深度的优化。

此外,3D建模只是模仿外形,我们还没有触及物体的灵魂。后面我们还需要结合数字孪生等技术,让物体数据驱动、智能化,提升交互的效率,更好地服务于业务。

✿  拓展阅读

进入 WebXR 的世界_第13张图片

进入 WebXR 的世界_第14张图片

作者|刘子瑛

编辑|橙子君

进入 WebXR 的世界_第15张图片

你可能感兴趣的:(人脸识别,java,python,深度学习,js)