Web 端即時防擋臉彈幕（基於機器學習）

防擋臉彈幕，也就是大量彈幕飄過，但不會遮擋影片畫面中的人物，看起來像是從人物背後飄過去的。

機器學習已經火了好幾年了，但很多人都不知道瀏覽器中也能運行這些能力；

本文介紹在視頻彈幕方面的實踐優化過程，文末列舉了一些本方案可適用的場景，期望能開啟一些腦洞。

mediapipe Demo（https://google.github.io/mediapipe/）展示

主流防擋臉彈幕實現原理

點播

up 上傳影片

伺服器後台計算提取影片畫面中的人像區域，轉換成svg 儲存

客戶端播放影片的同時，從伺服器下載svg與彈幕合成，人像區域不顯示彈幕

 直播

1. 主播推流時，即時（主播設備）從畫面提取人像區域，轉換成svg
2. 將svg 資料合併到視訊串流中（SEI），推流至伺服器
3. 客戶端播放影片同時，從視訊串流（SEI）解析出svg
4. 將svg 與彈幕合成，人像區域不顯示彈幕

本文實現方案

客戶端播放視頻同時，實時從畫面提取人像區域信息，將人像區域信息導出成圖片與彈幕合成，人像區域不顯示彈幕。

實作原理

1. 採用機器學習開源程式庫從視訊畫面即時擷取人像輪廓，如Body Segmentation（https://github.com/tensorflow/tfjs-models/blob/ master/body-segmentation/README.md）
2. 將人像輪廓轉導出為圖片，設定彈幕層的 mask-image（https://developer.mozilla.org/zh-CN/docs/ Web/CSS/mask-image）

 比較傳統（直播SEI實時）方案

優點：

• 易於實現；只需要Video標籤一個參數，無需多端協同配合
• 無網路頻寬消耗

缺點：

• 理論效能極限劣於傳統方案；相當於效能資源換網絡資源

面臨的問題

眾所周知，JavaScript 的效能較差，因此不適合用於處理CPU 密集型任務。由官方demo變成工程實踐，最大的挑戰就是－效能。

這次實作最終將 CPU 佔用優化到 5% 左右（2020 M1 Macbook），達到生產可用狀態。

實踐調優過程

選擇機器學習模型

BodyPix （https://github.com/tensorflow/tfjs-models/blob/master/body-segmentation/ src/body_pix/README.md）

精確度太差，臉部狹窄，有很明顯的彈幕與人物臉部邊緣重疊現象

# BlazePose（https://github.com/tensorflow/tfjs-models/blob/master/pose-detection/src/blazepose_mediapipe/README.md）

#精確度優秀，且提供了肢體點位資訊，但效能較差

傳回資料結構範例

[{score: 0.8,keypoints: [{x: 230, y: 220, score: 0.9, score: 0.99, name: "nose"},{x: 212, y: 190, score: 0.8, score: 0.91, name: "left_eye"},...],keypoints3D: [{x: 0.65, y: 0.11, z: 0.05, score: 0.99, name: "nose"},...],segmentation: {maskValueToLabel: (maskValue: number) => { return 'person' },mask: {toCanvasImageSource(): ...toImageData(): ...toTensor(): ...getUnderlyingType(): ...}}}]

MediaPipe SelfieSegmentation （https://github.com/tensorflow/tfjs-models/blob/master /body-segmentation/src/selfie_segmentation_mediapipe/README.md）

精確度優秀（跟BlazePose 模型效果一致），CPU 佔用相對BlazePose 模型降低15% 左右，效能取勝，但返回資料中不提供肢體點位資訊

返回資料結構範例

{maskValueToLabel: (maskValue: number) => { return 'person' },mask: {toCanvasImageSource(): ...toImageData(): ...toTensor(): ...getUnderlyingType(): ...}}

初版實作

參考MediaPipe SelfieSegmentation 模型 官方實作（https://github.com/tensorflow/tfjs-models/blob /master/body-segmentation/README.md#bodysegmentationdrawmask），未做優化的情況下 CPU 佔用70% 左右

const canvas = document.createElement('canvas')canvas.width = videoEl.videoWidthcanvas.height = videoEl.videoHeightasync function detect (): Promise<void> {const segmentation = await segmenter.segmentPeople(videoEl)const foregroundColor = { r: 0, g: 0, b: 0, a: 0 }const backgroundColor = { r: 0, g: 0, b: 0, a: 255 } const mask = await toBinaryMask(segmentation, foregroundColor, backgroundColor) await drawMask(canvas, canvas, mask, 1, 9)// 导出Mask图片，需要的是轮廓，图片质量设为最低handler(canvas.toDataURL('image/png', 0)) window.setTimeout(detect, 33)} detect().catch(console.error)

降低提取頻率，平衡性能-體驗

#一般視頻30FPS，嘗試彈幕遮罩（後稱Mask）刷新頻率降為15FPS，體驗上還能接受

window.setTimeout(detect, 66) // 33 => 66

此時，CPU 佔用50% 左右

解決效能瓶頸

分析火焰圖可發現，效能瓶頸在 toBinaryMask 和 toDataURL

重寫toBinaryMask

分析原始碼，結合列印segmentation的訊息，發現segmentation.mask .toCanvasImageSource可取得原始ImageBitmap對象，即是模型擷取出來的資訊。嘗試自己編寫程式碼，將ImageBitmap轉換為遮罩（Mask），以取代使用開源程式庫所提供的預設實作。

實現原理

async function detect (): Promise<void> {const segmentation = await segmenter.segmentPeople(videoEl) context.clearRect(0, 0, canvas.width, canvas.height)// 1. 将`ImageBitmap`绘制到 Canvas 上context.drawImage(// 经验证 即使出现多人，也只有一个 segmentationawait segmentation[0].mask.toCanvasImageSource(),0, 0,canvas.width, canvas.height)// 2. 设置混合模式context.globalCompositeOperation = 'source-out'// 3. 反向填充黑色context.fillRect(0, 0, canvas.width, canvas.height)// 导出Mask图片，需要的是轮廓，图片质量设为最低handler(canvas.toDataURL('image/png', 0)) window.setTimeout(detect, 66)}

第2、3 步相當於給人像區域外的內容填充黑色（反向填充ImageBitmap），是為了配合css（mask-image）， 不然只有當彈幕飄到人像區域才可見（與目標效果正好相反）。

globalCompositeOperation MDN（https://developer.mozilla.org/zh-CN/docs/Web/API/CanvasRenderingContext2D/globalCompositeOperation）

此时，CPU 占用 33% 左右

多线程优化

我原先认为toDataURL是由浏览器内部实现的，无法再进行优化，现在只有优化toDataURL这个耗时操作了。

虽没有替换实现，但可使用 OffscreenCanvas （https://developer.mozilla.org/zh-CN/docs/Web/API/OffscreenCanvas）+ Worker，将耗时任务转移到 Worker 中去， 避免占用主线程，就不会影响用户体验了。

并且ImageBitmap实现了Transferable接口，可被转移所有权，跨 Worker 传递也没有性能损耗（https://hughfenghen.github.io/fe-basic-course/js-concurrent.html#%E4%B8%A4%E4%B8%AA%E6%96%B9%E6%B3%95%E5%AF%B9%E6%AF%94）。

// 前文 detect 的反向填充 ImageBitmap 也可以转移到 Worker 中// 用 OffscreenCanvas 实现， 此处略过 const reader = new FileReaderSync()// OffscreenCanvas 不支持 toDataURL，使用 convertToBlob 代替offsecreenCvsEl.convertToBlob({type: 'image/png',quality: 0}).then((blob) => {const dataURL = reader.readAsDataURL(blob)self.postMessage({msgType: 'mask',val: dataURL})}).catch(console.error)

可以看到两个耗时的操作消失了

此时，CPU 占用 15% 左右

降低分辨率

继续分析，上图重新计算样式（紫色部分）耗时约 3ms

Demo 足够简单很容易推测到是这行代码导致的，发现 imgStr 大概 100kb 左右（视频分辨率 1280x720）。

danmakuContainer.style.webkitMaskImage = `url(${imgStr})

通过canvas缩小图片尺寸（360P甚至更低），再进行推理。

优化后，导出的 imgStr 大概 12kb，重新计算样式耗时约 0.5ms。

此时，CPU 占用 5% 左右

启动条件优化

虽然提取 Mask 整个过程的 CPU 占用已优化到可喜程度。

当在画面没人的时候，或没有弹幕时候，可以停止计算，实现 0 CPU 占用。

无弹幕判断比较简单（比如 10s 内收超过两条弹幕则启动计算），也不在该 SDK 实现范围，略过

 判定画面是否有人

第一步中为了高性能，选择的模型只有ImageBitmap，并没有提供肢体点位信息，所以只能使用getImageData返回的像素点值来判断画面是否有人。

画面无人时，CPU 占用接近 0%

发布构建优化

依赖包的提交较大，构建出的 bundle 体积：684.75 KiB / gzip: 125.83 KiB

所以，可以进行异步加载SDK，提升页面加载性能。

1. 分别打包一个 loader，一个主体
2. 由业务方 import loader，首次启用时异步加载主体

这个两步前端工程已经非常成熟了，略过细节。

运行效果

总结

过程

• 选择高性能模型后，初始状态 CPU 70%
• 降低 Mask 刷新频率（15FPS），CPU 50%
• 重写开源库实现（toBinaryMask），CPU 33%
• 多线程优化，CPU 15%
• 降低分辨率，CPU 5%
• 判断画面是否有人，无人时 CPU 接近 0%

CPU 数值指主线程占用

注意事项

• 兼容性：Chrome 79及以上，不支持 Firefox、Safari。因为使用了OffscreenCanvas
• 不应创建多个或多次创建segmenter实例（bodySegmentation.createSegmenter），如需复用请保存实例引用，因为：
• 创建实例时低性能设备会有明显的卡顿现象
• 会内存泄露；如果无法避免，这是mediapipe 内存泄露 解决方法（https://github.com/google/mediapipe/issues/2819#issuecomment-1160335349）

经验

• 优化完成之后，提取并应用 Mask 关键计算量在 GPU (30%左右)，而不是 CPU
• 性能优化需要业务场景分析，防挡弹幕场景可以使用低分辨率、低刷新率的 mask-image，能大幅减少计算量
• 该方案其他应用场景：
• 替换/模糊人物背景
• 人像马赛克
• 人像抠图
• 卡通头套，虚拟饰品，如猫耳朵、兔耳朵、带花、戴眼镜什么的（换一个模型，略改）
• 关注Web 神经网络 API （https://mp.weixin.qq.com/s/v7-xwYJqOfFDIAvwIVZVdg）进展，以后实现相关功能也许会更简单

本期作者

                                                                               刘俊   

嗶哩嗶哩資深開發工程師

以上是Web 端即時防擋臉彈幕（基於機器學習）的詳細內容。更多資訊請關注PHP中文網其他相關文章！