vlambda博客
学习文章列表

登顶 GitHub 趋势榜,标星1.8k:200 行 JS 代码让画面人物瞬间消失!


登顶 GitHub 趋势榜,标星1.8k:200 行 JS 代码让画面人物瞬间消失!
整理 | 夕颜
出品 | CSDN(ID:CSDNnews)
          登顶 GitHub 趋势榜,标星1.8k:200 行 JS 代码让画面人物瞬间消失!        
今天,一个名为 Real-Time-Person-Removal(实时人物去除)项目在GitHub上火了,登上近日GitHub Trending第一,目前已经获得1.8k star。
 
这个项目的神奇之处在于,只需要在网络浏览器中使用JavaScript,用200多行TensorFlow.js代码,就可以实时让视频画面中的人物对象从复杂的背景中凭空消失!
 
这虽然不能让你在现实生活中像哈利·波特一样隐身的梦想成真,但至少在视频、动画里可以体验一把隐身的快感👻👻👻!
 
首先奉上GitHub地址:https://github.com/jasonmayes/Real-Time-Person-Removal


登顶 GitHub 趋势榜,标星1.8k:200 行 JS 代码让画面人物瞬间消失!

这个项目能干啥?

本项目的作者@jasonmayes(Jason Mayes)是谷歌的一名资深开发者,是机器智能研究和高级开发的倡导者,作为一名TensorFlow.js专家,他拥有超过15年使用新技术开发创新Web解决方案的经验。
 
他在项目介绍中表示,这段代码的目的在于随着时间的推移学习视频背景的构成,让作者可以尝试从背景中移除任何人物,而所有效果都是使用TensorFlow.js在浏览器中实时实现的。
 
但同时作者表示,这只是一个实验,并非在所有情况下都是完美的。
 

登顶 GitHub 趋势榜,标星1.8k:200 行 JS 代码让画面人物瞬间消失!

消失的人



登顶 GitHub 趋势榜,标星1.8k:200 行 JS 代码让画面人物瞬间消失!


废话不多说,上代码!

可能有人会觉得在复杂的背景下实现“隐身”是很复杂的吧,而且还是实时的,但实际上实现这样的效果却只需要200多行JS代码:
 
 
   
   
 
 1/**
2 * @license
3 * Copyright 2018 Google LLC. All Rights Reserved.
4 * Licensed under 
the Apache License, Version 2.0 (the "License");
5 * 
you may not use this file except in compliance with the License.
6 * You may obtain 
a copy of the License at
7 *
8 * http://www.apache.org/licenses/LICENSE-2.0
9 *
10 * Unless required by applicable law or agreed to in writing, software
11 * distributed under 
the License is distributed on an "AS IS" BASIS,
12 * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
13 * See 
the License for the specific language governing permissions and
14 * limitations under 
the License.
15 * =============================================================================
16 */

17
18/********************************************************************
19 * Real-Time-Person-Removal Created by Jason Mayes 2020.
20 *
21 * Get latest code on my Github:
22 * https://github.com/jasonmayes/Real-Time-Person-Removal
23 *
24 * Got questions? Reach out to me on social:
25 * Twitter: @jason_mayes
26 * LinkedIn: https://www.linkedin.com/in/creativetech
27 ********************************************************************/

28
29const video = document.getElementById('webcam');
30const liveView = document.getElementById('liveView');
31const demosSection = document.getElementById('demos');
32const DEBUG = false;
33
34// An object to configure parameters to set for the bodypix model.
35// See github docs for explanations.
36const bodyPixProperties = {
37  architecture: 'MobileNetV1',
38  outputStride: 16,
39  multiplier: 0.75,
40  quantBytes: 4
41};
42
43// An object to configure parameters for detection. I have raised
44// the segmentation threshold to 90% confidence to reduce the
45// number of false positives.
46const segmentationProperties = {
47  flipHorizontal: false,
48  internalResolution: 'high',
49  segmentationThreshold: 0.9
50};
51
52// Must be even. The size of square we wish to search for body parts.
53// This is the smallest area that will render/not render depending on
54// if a body part is found in that square.
55const SEARCH_RADIUS = 300;
56const SEARCH_OFFSET = SEARCH_RADIUS / 2;
57
58
59// RESOLUTION_MIN should be smaller than SEARCH RADIUS. About 10x smaller seems to 
60// work well. Effects overlap in search space to clean up body overspill for things
61// that were not classified as body but infact were.
62const RESOLUTION_MIN = 20;
63
64
65// Render returned segmentation data to a given canvas context.
66function processSegmentation(canvas, segmentation) {
67  var ctx = canvas.getContext('2d');
68
69  // Get data from our overlay canvas which is attempting to estimate background.
70  var imageData = ctx.getImageData(00, canvas.width, canvas.height);
71  var data = imageData.data;
72
73  // Get data from the live webcam view which has all data.
74  var liveData = videoRenderCanvasCtx.getImageData(00, canvas.width, canvas.height);
75  var dataL = liveData.data;
76
77  // Now loop through and see if pixels contain human parts. If not, update 
78  // backgound understanding with new data.
79  for (let x = RESOLUTION_MIN; x < canvas.width; x += RESOLUTION_MIN) {
80    for (let y = RESOLUTION_MIN; y < canvas.height; y += RESOLUTION_MIN) {
81      // Convert xy co-ords to array offset.
82      let n = y * canvas.width + x;
83
84      let foundBodyPartNearby = false;
85
86      // Let's check around a given pixel if any other pixels were body like.
87      let yMin = y - SEARCH_OFFSET;
88      yMin = yMin < 0 ? 0: yMin;
89
90      let yMax = y + SEARCH_OFFSET;
91      yMax = yMax > canvas.height ? canvas.height : yMax;
92
93      let xMin = x - SEARCH_OFFSET;
94      xMin = xMin < 0 ? 0: xMin;
95
96      let xMax = x + SEARCH_OFFSET;
97      xMax = xMax > canvas.width ? canvas.width : xMax;
98
99      for (let i = xMin; i < xMax; i++) {
100        for (let j = yMin; j < yMax; j++) {
101
102          let offset = j * canvas.width + i;
103          // If any of the pixels in the square we are analysing has a body
104          // part, mark as contaminated.
105          if (segmentation.data[offset] !== 0) {
106            foundBodyPartNearby = true;
107            break;
108          } 
109        }
110      }
111
112      // Update patch if patch was clean.     
113      if (!foundBodyPartNearby) {
114        for (let i = xMin; i < xMax; i++) {
115          for (let j = yMin; j < yMax; j++) {
116            // Convert xy co-ords to array offset.
117            let offset = j * canvas.width + i;
118
119
120            data[offset * 4] = dataL[offset * 4];    
121            data[offset * 4 + 1] = dataL[offset * 4 + 1];
122            data[offset * 4 + 2] = dataL[offset * 4 + 2];
123            data[offset * 4 + 3] = 255;            
124          }
125        }
126      } else {
127        if (DEBUG) {
128          for (let i = xMin; i < xMax; i++) {
129            for (let j = yMin; j < yMax; j++) {
130              // Convert xy co-ords to array offset.
131              let offset = j * canvas.width + i;
132
133
134              data[offset * 4] = 255;    
135              data[offset * 4 + 1] = 0;
136              data[offset * 4 + 2] = 0;
137              data[offset * 4 + 3] = 255;            
138            }
139          } 
140        }
141      }
142
143
144    }
145  }
146  ctx.putImageData(imageData, 00);
147}
148
149// Let's load the model with our parameters defined above.
150// Before we can use bodypix class we must wait for it to finish
151// loading. Machine Learning models can be large and take a moment to
152// get everything needed to run.
153var modelHasLoaded = false;
154var model = undefined;
155
156model = bodyPix.load(bodyPixProperties).then(function (loadedModel) {
157  model = loadedModel;
158  modelHasLoaded = true;
159  // Show demo section now model is ready to use.
160  demosSection.classList.remove('invisible');
161});
162
163/********************************************************************
164// Continuously grab image from webcam stream and classify it.
165********************************************************************/

166
167var previousSegmentationComplete = true;
168
169// Check if webcam access is supported.
170function hasGetUserMedia() {
171  return !!(navigator.mediaDevices &&
172    navigator.mediaDevices.getUserMedia);
173}
174
175// This function will repeatidly call itself when the browser is ready to process
176// the next frame from webcam.
177function predictWebcam() {
178  if (previousSegmentationComplete) {
179    // Copy the video frame from webcam to a tempory canvas in memory only (not in the DOM).
180    videoRenderCanvasCtx.drawImage(video, 00);
181    previousSegmentationComplete = false;
182    // Now classify the canvas image we have available.
183    model.segmentPerson(videoRenderCanvas, segmentationProperties).then(function(segmentation) {
184      processSegmentation(webcamCanvas, segmentation);
185      previousSegmentationComplete = true;
186    });
187  }
188
189  // Call this function again to keep predicting when the browser is ready.
190  window.requestAnimationFrame(predictWebcam);
191}
192
193// Enable the live webcam view and start classification.
194function enableCam(event) {
195  if (!modelHasLoaded) {
196    return;
197  }
198
199  // Hide the button.
200  event.target.classList.add('removed');  
201
202  // getUsermedia parameters.
203  const constraints = {
204    video: true
205  };
206
207  // Activate the webcam stream.
208  navigator.mediaDevices.getUserMedia(constraints).then(function(stream) {
209    video.addEventListener('loadedmetadata', function() {
210      // Update widths and heights once video is successfully played otherwise
211      // it will have width and height of zero initially causing classification
212      // to fail.
213      webcamCanvas.width = video.videoWidth;
214      webcamCanvas.height = video.videoHeight;
215      videoRenderCanvas.width = video.videoWidth;
216      videoRenderCanvas.height = video.videoHeight;
217      let webcamCanvasCtx = webcamCanvas.getContext('2d');
218      webcamCanvasCtx.drawImage(video, 00);
219    });
220
221    video.srcObject = stream;
222
223    video.addEventListener('loadeddata', predictWebcam);
224  });
225}
226
227// We will create a tempory canvas to render to store frames from 
228// the web cam stream for classification.
229var videoRenderCanvas = document.createElement('canvas');
230var videoRenderCanvasCtx = videoRenderCanvas.getContext('2d');
231
232// Lets create a canvas to render our findings to the DOM.
233var webcamCanvas = document.createElement('canvas');
234webcamCanvas.setAttribute('class''overlay');
235liveView.appendChild(webcamCanvas);
236
237// If webcam supported, add event listener to button for when user
238// wants to activate it.
239if (hasGetUserMedia()) {
240  const enableWebcamButton = document.getElementById('webcamButton');
241  enableWebcamButton.addEventListener('click', enableCam);
242else {
243  console.warn('getUserMedia() is not supported by your browser');
244}

 CSS:
 1/**
2 * @license
3 * Copyright 2018 Google LLC. All Rights Reserved.
4 * Licensed under 
the Apache License, Version 2.0 (the "License");
5 * 
you may not use this file except in compliance with the License.
6 * You may obtain 
a copy of the License at
7 *
8 * http://www.apache.org/licenses/LICENSE-2.0
9 *
10 * Unless required by applicable law or agreed to in writing, software
11 * distributed under 
the License is distributed on an "AS IS" BASIS,
12 * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
13 * See 
the License for the specific language governing permissions and
14 * limitations under 
the License.
15 * =============================================================================
16 */

17
18
19
20
21/******************************************************
22 * Stylesheet by Jason Mayes 2020.
23 *
24 * Get latest code on my Github:
25 * https://github.com/jasonmayes/Real-Time-Person-Removal
26 * Got questions? Reach out to me on social:
27 * Twitter: @jason_mayes
28 * LinkedIn: https://www.linkedin.com/in/creativetech
29 *****************************************************/

30
31
32
33
34body {
35  font-family: helvetica, arial, sans-serif;
36  margin: 2em;
37  color: #3D3D3D;
38}
39
40
41
42
43h1 {
44  font-style: italic;
45  color: #FF6F00;
46}
47
48
49
50
51h2 {
52  clear: both;
53}
54
55
56
57
58em {
59  font-weight: bold;
60}
61
62
63
64
65video {
66  clear: both;
67  display: block;
68}
69
70
71
72
73section {
74  opacity: 1;
75  transition: opacity 500ms ease-in-out;
76}
77
78
79
80
81header, footer {
82  clear: both;
83}
84
85
86
87
88button {
89  z-index: 1000;
90  position: relative;
91}
92
93
94
95
96.removed {
97  display: none;
98}
99
100
101
102
103.invisible {
104  opacity: 0.2;
105}
106
107
108
109
110.note {
111  font-style: italic;
112  font-size: 130%;
113}
114
115
116
117
118.webcam {
119  position: relative;
120}
121
122
123
124
125.webcam, .classifyOnClick {
126  position: relative;
127  float: left;
128  width: 48%;
129  margin: 21%;
130  cursor: pointer;
131}
132
133
134
135
136.webcam p, .classifyOnClick p {
137  position: absolute;
138  padding: 5px;
139  background-color: rgba(25511100.85);
140  color: #FFF;
141  border: 1px dashed rgba(2552552550.7);
142  z-index: 2;
143  font-size: 12px;
144}
145
146
147
148
149.highlighter {
150  background: rgba(025500.25);
151  border: 1px dashed #fff;
152  z-index: 1;
153  position: absolute;
154}
155
156
157
158
159.classifyOnClick {
160  z-index: 0;
161  position: relative;
162}
163
164
165
166
167.classifyOnClick canvas, .webcam canvas.overlay {
168  opacity: 1;
169
170  top: 0;
171  left: 0;
172  z-index: 2;
173}
174
175
176
177
178#liveView {
179  transform-origi

Html:

 
   
   
 
 1<!DOCTYPE html>
2<html lang="en">
3  <head>
4    <title>Disappearing People Project</title>
5    <meta charset="utf-8">
6    <meta http-equiv="X-UA-Compatible" content="IE=edge">
7    <meta name="viewport" content="width=device-width, initial-scale=1">
8    <meta name="author" content="Jason Mayes">
9
10
11
12
13    <!-- Import the webpage's stylesheet -->
14    <link rel="stylesheet" href="/style.css">
15
16
17
18
19    <!-- Import TensorFlow.js library -->
20    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs/dist/tf.min.js" type="text/javascript"></script>
21  </head>
22  <body>
23    <h1>Disappearing People Project</h1>
24
25    <header class="note">
26      <h2>Removing people from complex backgrounds in real time using TensorFlow.js</h2>
27    </header>
28
29
30
31
32    <h2>How to use</h2>
33    <p>Please wait for the model to load before trying the demos below at which point they will become visible when ready to use.</p>
34    <p>Here is a video of what you can expect to achieve using my custom algorithm. The top is the actual footage, the bottom video is with the real time removal of people working in JavaScript!</p>
35    <iframe width="540" height="812" src="https://www.youtube.com/embed/0LqEuc32uTc?controls=0&autoplay=1" frameborder="0" allow="accelerometer; autoplay; encrypted-media; gyroscope; picture-in-picture" allowfullscreen></iframe>
36
37    <section id="demos" class="invisible">
38
39
40
41
42      <h2>Demo: Webcam live removal</h2>
43      <p>Try this out using your webcam. Stand a few feet away from your webcam and start walking around... Watch as you slowly disappear in the bottom preview.</p>
44
45      <div id="liveView" class="webcam">
46        <button id="webcamButton">Enable Webcam</button>
47        <video id="webcam" autoplay></video>
48      </div>
49    </section>
50
51
52
53
54
55    <!-- Include the Glitch button to show what the webpage is about and
56         to make it easier for folks to view source and remix -->

57    <div class="glitchButton" style="position:fixed;top:20px;right:20px;"></div>
58    <script src="https://button.glitch.me/button.js"></script>
59
60    <!-- Load the bodypix model to recognize body parts in images -->
61    <script src="https://cdn.jsdelivr.net/npm/@tensorflow-models/[email protected]"></script>
62
63    <!-- Import the page's JavaScript to do some stuff -->
64    <script src="/script.js" defer></script>
65  </bod
66


登顶 GitHub 趋势榜,标星1.8k:200 行 JS 代码让画面人物瞬间消失!

实时演示

你也可以在自己的Web浏览器中根据自己的喜好试着复现一下:
 
Codepen.io: https://codepen.io/jasonmayes/pen/GRJqgma
Glitch.com: https://glitch.com/~disappearing-people
 
等待模型加载完成,然后就可以使用了。
 
这是使用作者自定义算法实现的视频。上半部分是实际镜头,底部是用JavaScript实时删除人物的视频。
 
用你自己的网络摄像头试一下,要距离摄像头几英尺远,然后来回走动,在底部预览中你会慢慢从画面中消失。赶快试试吧,使用效果别忘了留言和大家一起分享哦!
【End】
CSDNx巨杉大学联合认证学习,免费开放! “分布式数据库集训营”帮助您 开始 学习分布式数据库、分布式架构知识,现在加入活动,完成课程还将专属礼品。 快来参加吧~
推荐阅读 
你点的每一个在看,我认真当成了喜欢
猛戳“ 阅读原文 ”,了解详情!