前言：
这里要介绍的是 Tensorflow.js 官方提供的两个人脸检测模型，分别是 face-detection 和 face-landmarks-detection。他们不但可以对视频中的人间进行精确定位，而且还能对当前设备 (手机 / 电脑摄像头) 采集的直播流实时监测人脸。所以这些的应用场景就很常见了，比如在线美颜，实时添加互动虚拟挂件等等。
虽然这两个模型实现的功能类似，但是也还是有区别滴。face-landmarks-detection 相比 face-detection 对人脸的检测有更多的特征点，而特征点更多可用来做类似建模匹配的重合度就越高，以下会通过官方的例子打印出脸部的特征点数据。
实操：
- 下载源码。
- 单独提出 demos 里 upload_video。
这里要说明一下，因为个人习惯，我这里还是通过 parcel 方式打包。官方推荐是 yarn，而且有文档流程介绍，可以按着上面运行。而我的方法完全不按套路出牌，其实单独提出 demo 里项目运行也是不正确，npm 安装报错连连，那我就对我遇到的几个错误做一一复原吧。
2.1. npm install 抛出各种依赖包版本冲突，npm ERR! code ERESOLVE npm ERR，如下。
2.1.1. 原因：
由于本人前端水平有限，经过查阅，是 npm 版本原因。npm 从 v7 开始，默认安装 peerDependencies。在多数情况下，导致版本冲突，从而终端安装过程，在安装前可以查询一下 npm -v，小于 v7 就不用看下面方法了。
2.1.2. 解决方法：
在命令后面添加
--legacy-peer-deps
加了这个就可以绕过 peerDependency 自动安装，告诉 NPM 忽略项目中引入的各个模块之间的相同模块，但不同版本的问题，保证各个引入的依赖之间对自身所使用的不同版本模块共存，最后的依赖就安装成功了，最后就执行 parcel index 打包。
2.2. parcel 时，抛出 face-detection 模型不存在，如下。
2.2.1. 原因：
这里就是我运行项目时的方法不对，因为运行时需要在外面进行安装打包会生成模型文件，而 demos 里的模型引入其实是引入前面打包好的文件，我们可以看到 package.json 里。
2.2.2. 解决方法：
将 package.json 里的模型依赖删掉，也就是上面标注的部分，然后通过 npm 进行安装，安装成后 json 文件会更新，其他问题类似。
npm install @tensorflow-models/face-detection --legacy-peer-deps
运行效果：
- face-detection
通过打印可以看到以上数据，box 是目标的宽高等值，而 keypoints 就是检测出人脸的 6 个特征点。包括特征的名称和移动位置等信息。
- face-landmarks-detection
打印出的不同的 face-detection 的是，keypoints 数据更多，除了检测出人脸五官，而且五官轮廓的点位置也全部识别出来了。
随时随地看视频
