TensorFlow教程

[canvas][camera][TensorFlow]项目采坑记录: 微信小程序逐帧上传

本文主要是介绍[canvas][camera][TensorFlow]项目采坑记录: 微信小程序逐帧上传,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

引入

项目需求:在前端使用camera组件持续扫描,将捕捉到的帧上传到后端进行算法识别判断,并返回判断结果。若结果为“成功”,则将捕捉到的正确帧显示在屏幕上。

尝试

wx.onCameraFrame(frame=>{
    //frame.width
    //frame.height
    //frame.data
})

wx.onCameraFrameAPI接受一个回调函数,返回frame的宽高和frame的图像编码(ArrayBuffer格式)

尝试(一)

经过查找,wx.arrayBufferToBase64API,可以实现arraybuffer到Base64的转换,但实际使用的过程中发现处理速度极其缓慢,并且对手机性能消耗太大,不满足实时性的需求

尝试(二)

后来发现了将arrayBuffer画到canvas上,再将canvas画布的图片导出为base64的方式,遂进行了尝试。

  • wx.canvasPutImageData
  • wx.canvasToTempFilePath
  • wx.getFileSystemManager()

采坑1

frame.data的格式为ArrayBuffer,不能直接上传,需要进行如下处理:

var data = new Uint8Array(frame.data);
var clamped = new Uint8ClampedArray(data);


 wx.canvasPutImageData({
          canvasId: 'getImg',
          x: 0,
          y: 0,
          width: frame.width,
          height: frame.height,
          data: clamped,
          success(res) { ... },
          fail(err) { ... }
}

采坑2

fail canvas is empty

  • 问题:
    canvasPutImageData未绑定this
  • 解决方法:
    在函数开头定义变量that指向this,并使用that绑定

    //html
    <canvas canvas-id="myCanvas"></canvas>
    
    //js
    onReady(){
        const that = this
        wx.canvasPutImageData({ 
            canvasId: 'myCanvas'
            ...
        },that)
    }

采坑3

wx.canvasToTempFilePath报错:"create bitmap failed"
在csdn中得到了解答:https://blog.csdn.net/txyzqc/...

  • 解决方法:
    用来存放图片的canvas不能设置 hidden="true",所以可以利用position: absolute进行绝对定位,使得canvas脱离文档流,并通过设置top和left等位置,将canvas移出视口。 此时,"create bitmap failed"错误不再发生。

渲染阻塞

问题:在实际使用中发现,由于在回调函数中频繁的进行setData操作,不断地触发了UI的渲染。导致画面非常不流畅。

解决方法:利用"加锁"的方式

data:{
    lock: true,
    queue:[]
}

...

const that = this
const listener = camera.onCameraFrame(frame=>{
    if(lock){
        queue.push(frame)
        that.setData({lock: false})
    }
})

...

listener.start({
    success(res){
        setInterval(()=>{
            let frame = queue[0]
            //处理frame
            queue.shift()
            lock = true
        },500)
    }
})

这样很好地限制了处理速度,保证setData尽量低频率调用,但实际体验中还是会有轻微卡顿(canvasToTempFilePath会阻塞渲染)。

图片上传

由于生成图片是个耗费性能的工作,所以理应使得传到后台的图片尽可能小,防止页面卡顿。但同时又需要将正确帧显示在页面上,这就造成了矛盾。

  • 错误尝试:每次上传帧的同时进行拍照,若拍照返回的结果是正确的,则将拍照的本地图片进行展示。
    问题:1.拍照的声音在ios端无法关闭;2.拍照消耗性能;3. 由于返回正确结果需要时间(http请求),而在这段时间里camera组件展示的帧页面已经发生了改变,所以在做照片展示时会感受到突兀的回跳。
  • 解决方式:在返回正确答案的瞬间进行拍照,这样性能的消耗较小,并且camera组件的帧画面是连续的。

最终解决方案:小程序部署TensorFlowJS

文档:https://github.com/GeekYmm/te...
最终效果:解决了卡顿问题,页面流畅体验良好。

这篇关于[canvas][camera][TensorFlow]项目采坑记录: 微信小程序逐帧上传的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!