基于xr-frame实现微信小程序的人脸识别3D模型叠加AR功能（含源码）

前言

xr-frame是一套小程序官方提供的XR/3D应用解决方案，基于混合方案实现，性能逼近原生、效果好、易用、强扩展、渐进式、遵循小程序开发标准。xr-frame在基础库v2.32.0开始基本稳定，发布为正式版，但仍有一些功能还在开发，目前（2024.08.24）有一些限制如下：

1最低要求客户端iOS8.0.29、安卓8.0.30及以上，推荐稳定版在iOS8.0.36、安卓8.0.35及以上。
2基础库最低2.27.1及以上，推荐2.32.0及以上。
3开发工具需要最新版本，建议Nightly版本。
4小程序全局同一时刻只能存在一个xr-frame组件，否则可能会发生异常。
5同一个xr-frame组件只能存在一个xr-scene，并且必须为顶层。
6目前不支持和小程序传统标签比如混写。
7目前不支持wxml自动补全，真机调试需要特别注意，见真机调试文档。

后续的展望：

1 XR-FRAME内置特色的UI组件，让开发者可以在XR-FRAME组件中写UI，来实现一套酷炫的UI系统。
2 AR/VR能力持续增强，支持眼睛设备。
3 交互手段进一步强化，物理碰撞、触发等功能（已完成，待发布）。
4 工具能力强化，包括标签属性自动补全等。

本文以该解决方案的官方demo为参考开发微信小程序的图片识别并叠加模型动作的功能，具体使用的是Face识别模式，去识别出摄像头画面中的会通过图像算法识别出人面部的特征点，然后变换到3D空间，继而进行追踪，可用于一些脸部换装（眼镜、面具和口罩等）应用等场景。这里以面部识别的鼻梁位置上添加一个面罩模型，同时，在下巴和两眼眉毛位置添加一个带动作的蝴蝶模型。此外，在屏幕的画面上增加了案例中的全屏后处理效果。

效果

识别中:
在这里插入图片描述

模型叠加：
在这里插入图片描述

硬广

自制3D版三维搭建俄罗斯方块WX小游戏，走过路过可以扫描支持。
在这里插入图片描述

三维的消除，地狱难度：
在这里插入图片描述

实现功能

该功能基本是使用官方的微信小程序xr-frame系统的示例集中的“人脸识别案例”(/pages/ar/scene-ar-face-3d)修改而来，组件使用了components/xr-ar-face-3d,基本的代码都是沿用的，只不过修改了识别的展示，将云上的模型资源用本地的素材替换，并使用javascript工程代替了微信小程序案例的typescript 。

素材准备

本demo较为简单计划只有两个界面，一个主界面和一个人脸识别界面，主要就是一个主页背景（AI生成）、一个全局后期效果的动画和识别叠加的模型（蝴蝶、人脸面具等），资源如下：
在这里插入图片描述

主页搭建

主页的设计较为简单，一个背景图，附加一个标题，一个“AR识脸”的按钮，点击后进入人脸识别页面。

<!--pages/home/index.wxml-->
<view class="home-container"><image class="home-bg" src="../../assets/bgimg.png"/><view class="title">畅游AR世界</view><view class="btns"><navigator class="btn-nav" url="/pages/facear/index"><button class="btn green">AR识脸</button>  </navigator></view>
</view>

在这里插入图片描述

识别组件

由于“目前不支持和小程序传统标签比如混写”的限制，所以识别的功能需要制作成组件放入到页面，识别的组件参考的是components/xr-ar-face-3d。

首先人脸识别需要使用模型为Face和手机的前置摄像头，需要修改xr-scene的 ar-system属性：

 ar-system="modes:Face;camera:Front"

这里我们将ar-system的modes改为了Face，并且新增设置了camera属性为Front，表示开启前置相机（注意前置相机在客户端8.0.31后才支持）。

Json文件设定组件，并指定渲染为xr-frame渲染：

{"component": true,"usingComponents": {},"renderer": "xr-frame"
}

wxml中修改了xr的资源加载如下：

 <xr-assets bind:progress="handleAssetsProgress" bind:loaded="handleAssetsLoaded"><xr-asset-load type="gltf" asset-id="fox_mask" src="/assets/mask.glb" /><xr-asset-load type="gltf" asset-id="hudie" src="/assets/hudie.glb"/><xr-asset-load type="gltf" asset-id="joker_mask" src="/assets/joker_mask.glb" /><xr-asset-load asset-id="anim" type="keyframe" src="/assets/animation.json"/></xr-assets>

这里就将面具和蝴蝶glb的模型加载进入场景，类型是“gltf”模型，asset-id可以自定义编号，不过识别跟踪的时候需要绑定，src是资源的地址可以是远程或者本地地址，这里模型是放到assets文件夹下所以路径是/assets/***.glb。animation.json是全局的后处理效果动画。

创建AR追踪器实现如下：

 <xr-ar-tracker id='tracker' mode="Face" auto-sync="45 16 35 40"><xr-node name="nose" ><xr-gltf node-id="fox_mask" position="0 0 0" rotation="0 180 0" scale=".0045 .0045 .0045" model="fox_mask"></xr-gltf></xr-node><xr-node name="chin" ><xr-gltf  model="hudie" rotation="0 90 -90" anim-autoplay scale="1 1 1" ></xr-gltf> </xr-node><xr-node name="l_eye" ><xr-gltf  model="hudie" position="0 0 -0.2" rotation="0 90 -90" anim-autoplay scale="0.4 0.4 0.4" ></xr-gltf> </xr-node><xr-node name="r_eye" ><xr-gltf  model="hudie" position="0 0 -0.2" rotation="0 90 -90" anim-autoplay scale="0.4 0.4 0.4" ></xr-gltf> </xr-node></xr-ar-tracker>

其中mode是ar在追踪的模式，这里是Face(人脸)识别模式，auto-sync属性是一个数字数组，用于将对应顺序的子节点绑定到某个特征点上，其中-1表示忽略该节点，在运行过程中会自动同步变换信息，后续人脸特征点模块详细概述。

追踪器的子节点是xr-gltf 即识别后的模型展示，model就是关联asset-id，rotation修改模型旋转值，scale修改模型缩放，这两个值可能需要多次调整才能达到需要的效果，还有position用于位置修改。anim-autoplay设置自动播放模型动画（有动画才生效）。

后处理

为相机应用了一个渐晕vignette后处理效果，并为其加上了帧动画控制参数：

{"keyframe": {"vignette": {"0": {"asset-post-process.assetData.intensity": 0},"100": {"asset-post-process.assetData.intensity": 1}}},"animation": {"vignette": {"keyframe": "vignette","duration": 2,"ease": "ease-in-out","loop": -1,"direction": "both"}}
}

之前在资源加载的处理已经加载了animation.json文件，这里场景中直接加入一个xr-asset-post-process后处理资源，并将相机的 post-process 赋值为vignette（asset-id）：

    <xr-asset-post-process asset-id="vignette" type="vignette" data="intensity:1,smoothness:4,color:1 0 0 1" anim-keyframe="anim" anim-autoplay/><xr-cameraid="camera" node-id="camera" clear-color="0.925 0.925 0.925 1"background="ar" is-ar-camera near="0.01"  post-process="vignette" ></xr-camera>

人脸特征点

人脸（Face）模式的特征点和模型的对应关系是通过auto-sync属性来对应关联的，目前官网给出的完整人脸特征点以及值如下图：
在这里插入图片描述

如上的人脸识别组件中，auto-sync属性设置如下：
auto-sync="45 16 35 40
这个属性的值表示一个数组，数组的值用空格隔开，也就是说将xr-ar-tracker的对应顺序的子节点绑定到某个特征点，这里就是nose模型绑定到识别出来的人脸的鼻梁（45）位置，chin模型绑定到识别出来的人脸的下巴（16）位置，其他依次按节点和面部特征点关联上。

识别界面

上一步已经将ar人脸识别的功能弄成了组件，在识别界面的搭建主要是组件的使用，这里先在json中引用组件：

{"usingComponents": {"xr-face-ar": "../../components/xr-face-ar/index"},"navigationBarTitleText": "AR识脸","disableScroll": true, 
"renderer": "webview"
}

这里将components/xr-face-ar组件引用为xr-face-ar标签，设置标题和页面不可滑动。

在wxml中插入xr-face-ar：

<view class="ar-page"><xr-face-ardisable-scrollid="main-frame"class="main-ar-frame"width="{{renderWidth}}"height="{{renderHeight}}"style="width:{{width}}px;height:{{height}}px;top:{{top}}px;left:{{left}}px;display:block;"bind:arTrackerState="handleARTrackerState"/>
</view>

其中

    bind:arTrackerState="handleARTrackerState"

将ar追踪器的状态（arTrackerState）绑定到js中的handleARTrackerState函数：

   handleARTrackerState({detail}) {const {state, error} = detail;console.log(" handleARTrackerState 状态变更："+ state);this.setData({arTrackerShow: state == 2,arTrackerState: wx.getXrFrameSystem().EARTrackerState[state],arTrackerError: error});}