防擋臉彈幕，即大量彈幕飄過，但不會遮擋視頻畫面中的人物，看起來像是從人物背后飄過去的。

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 上傳視頻

服務器后臺計算提取視頻畫面中的人像區域，轉換成 svg 存儲

客戶端播放視頻的同時，從服務器下載 svg 與彈幕合成，人像區域不顯示彈幕

 直播

1. 主播推流時，實時（主播設備）從畫面提取人像區域，轉換成 svg
2. 將 svg 數據合并到視頻流中（SEI），推流至服務器
3. 客戶端播放視頻同時，從視頻流中（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。

實現原理

1. 采用機器學習開源庫從視頻畫面實時提取人像輪廓，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，設置彈幕層的 mask-image（https://developer.mozilla.org/zh-CN/docs/Web/CSS/mask-image）

 對比傳統（直播SEI實時）方案

優點：

• 易于實現；只需要Video標簽一個參數，無需多端協同配合
• 無網絡帶寬消耗

缺點：

• 理論性能極限劣于傳統方案；相當于性能資源換網絡資源

面臨的問題

眾所周知“JS 性能太辣雞”，不適合執行 CPU 密集型任務。由官方demo變成工程實踐，最大的挑戰就是——性能。

本次實踐最終將 CPU 占用優化到 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，面部偏窄，有很明顯的彈幕與人物面部邊緣重疊現象

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

精確度優秀，且提供了肢體點位信息，但性能較差

返回數據結構示例

[
  {
    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 占用相對 BlazePose 模型降低 15% 左右，性能取勝，但返回數據中不提供肢體點位信息

返回數據結構示例

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

初版實現

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

const canvas = document.createElement('canvas')
canvas.width = videoEl.videoWidth
canvas.height = videoEl.videoHeight
async 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)
  // 導出Mask圖片，需要的是輪廓，圖片質量設為最低
  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（后稱 Mask）刷新頻率降為 15FPS，體驗上還能接受

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

此時，CPU 占用 50% 左右

解決性能瓶頸

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

重寫toBinaryMask

分析源碼，結合打印segmentation的信息，發現segmentation.mask.toCanvasImageSource可獲取原始ImageBitmap對象，即是模型提取出來的信息。嘗試自行實現將ImageBitmap轉換成 Mask 的能力，替換開源庫提供的默認實現。

實現原理

async function detect (): Promise<void> {
  const segmentation = await segmenter.segmentPeople(videoEl)
 
  context.clearRect(0, 0, canvas.width, canvas.height)
  // 1. 將`ImageBitmap`繪制到 Canvas 上
  context.drawImage(
    // 經驗證 即使出現多人，也只有一個 segmentation
    await segmentation[0].mask.toCanvasImageSource(),
    0, 0,
    canvas.width, canvas.height
  )
  // 2. 設置混合模式
  context.globalCompositeOperation = 'source-out'
  // 3. 反向填充黑色
  context.fillRect(0, 0, canvas.width, canvas.height)
  // 導出Mask圖片，需要的是輪廓，圖片質量設為最低
  handler(canvas.toDataURL('image/png', 0))
 
  window.setTimeout(detect, 66)
}

第 2、3 步相當于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）

此時，CPU 占用 33% 左右

多線程優化

只剩下toDataURL這個耗時操作了，本以為toDataURL是瀏覽器內部實現，無法再進行優化了。

雖沒有替換實現，但可使用 OffscreenCanvas （https://developer.mozilla.org/zh-CN/docs/Web/API/OffscreenCanvas）+ Worker，將耗時任務轉移到 Worker 中去， 避免占用主線程，就不會影響用戶體驗了。

并且ImageBitmap實現了Transferable接口，可被轉移所有權，跨 Worker 傳遞也沒有性能損耗（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 也可以轉移到 Worker 中
// 用 OffscreenCanvas 實現， 此處略過
 
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)

可以看到兩個耗時的操作消失了

此時，CPU 占用 15% 左右

降低分辨率

繼續分析，上圖重新計算樣式（紫色部分）耗時約 3ms

Demo 足夠簡單很容易推測到是這行代碼導致的，發現 imgStr 大概 100kb 左右（視頻分辨率 1280x720）。

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

通過canvas縮小圖片尺寸（360P甚至更低），再進行推理。

優化后，導出的 imgStr 大概 12kb，重新計算樣式耗時約 0.5ms。

此時，CPU 占用 5% 左右

啟動條件優化

雖然提取 Mask 整個過程的 CPU 占用已優化到可喜程度。

當在畫面沒人的時候，或沒有彈幕時候，可以停止計算，實現 0 CPU 占用。

無彈幕判斷比較簡單（比如 10s 內收超過兩條彈幕則啟動計算），也不在該 SDK 實現范圍，略過

判定畫面是否有人

第一步中為了高性能，選擇的模型只有ImageBitmap，并沒有提供肢體點位信息，所以只能使用getImageData返回的像素點值來判斷畫面是否有人。

畫面無人時，CPU 占用接近 0%

發布構建優化

依賴包的提交較大，構建出的 bundle 體積：684.75 KiB / gzip: 125.83 KiB

所以，可以進行異步加載SDK，提升頁面加載性能。

1. 分別打包一個 loader，一個主體
2. 由業務方 import loader，首次啟用時異步加載主體

這個兩步前端工程已經非常成熟了，略過細節。

運行效果

總結

過程

• 選擇高性能模型后，初始狀態 CPU 70%
• 降低 Mask 刷新頻率（15FPS），CPU 50%
• 重寫開源庫實現（toBinaryMask），CPU 33%
• 多線程優化，CPU 15%
• 降低分辨率，CPU 5%
• 判斷畫面是否有人，無人時 CPU 接近 0%

CPU 數值指主線程占用

注意事項

• 兼容性：Chrome 79及以上，不支持 Firefox、Safari。因為使用了OffscreenCanvas
• 不應創建多個或多次創建segmenter實例（bodySegmentation.createSegmenter），如需復用請保存實例引用，因為：
• 創建實例時低性能設備會有明顯的卡頓現象
• 會內存泄露；如果無法避免，這是mediapipe 內存泄露 解決方法（https://github.com/google/mediapipe/issues/2819#issuecomment-1160335349）

經驗

• 優化完成之后，提取并應用 Mask 關鍵計算量在 GPU (30%左右)，而不是 CPU
• 性能優化需要業務場景分析，防擋彈幕場景可以使用低分辨率、低刷新率的 mask-image，能大幅減少計算量
• 該方案其他應用場景：
• 替換/模糊人物背景
• 人像馬賽克
• 人像摳圖
• 卡通頭套，虛擬飾品，如貓耳朵、兔耳朵、帶花、戴眼鏡什么的（換一個模型，略改）
• 關注Web 神經網絡 API （https://mp.weixin.qq.com/s/v7-xwYJqOfFDIAvwIVZVdg）進展，以后實現相關功能也許會更簡單

本期作者

  劉俊

嗶哩嗶哩資深開發工程師