Startseite / Produkte / Erkennungs-Engines / Face Match Engine

ENGINE

Face Match Engine

Gesichtserkennung zum Einklinken in Ihren Stack. Die Cams Face Match Engine macht aus einem Foto eine Identität und führt eine vollständige Pipeline aus Erkennen, Ausrichten, Embedding und Vergleich mit ONNX-ArcFace plus passivem Anti-Spoofing aus – alles hinter drei einfachen HTTPS-Endpoints. Senden Sie ein Gesichtsbild oder ein vorberechnetes Embedding.

Loslegen Entwicklerdokumentation FaceUp live testen ↗

Überblick

Serverseitige Gesichtsregistrierung, 1:1-Verifizierung und 1:N-Identifizierung über REST – mit integrierter ArcFace-Embedding-Berechnung, SCRFD-Erkennung, Ausrichtung und Anti-Spoofing.

Ein eigenständiger Gesichtserkennungsdienst, der Registrierung, Verifizierung (1:1) und Identifizierung (1:N) unter /api/biometric/v1/face/ bereitstellt. Jedes Bild durchläuft SCRFD-Erkennung, 5-Punkt-Ausrichtung per Ähnlichkeitstransformation, Presentation-Attack-Detection der MiniFASNet-Klasse und ein 512-dimensionales ArcFace-Embedding (insightface w600k_r50), danach exakte Kosinus-Ähnlichkeit mit einer Bewertung von 0–100. Galerien sind mandantenfähig, pro Mandant und Benutzer getrennt, mit einem vorgewärmten dekodierten Cache und einem gemeinsamen Thread-Pool für schnelles 1:N. Dank einer einzigen ONNX-Provider-Umschaltung (CPU, CUDA, TensorRT oder OpenVINO) ist sie GPU-ready, ganz ohne Codeänderung.

ENGINERESTHTTPSJSONC++

Im Einsatz bei:Bargeldlose Kantine & Cafeteria Baustellen Fuhrpark, Transport & Fahrer Fitnessstudios, Clubs & Fitness Besucherverwaltung Schulen, Hochschulen & Campus Events, Festivals & Stadien

⚡

Live ausprobieren – FaceUp. Anwesenheit per Gesichtserkennung direkt im Browser – Gesicht registrieren und Anwesenheit mit Liveness erfassen, ohne App-Installation. Keine Anmeldung nötig – starten Sie mit Ihrer Geräte-Seriennummer.

POST /api/biometric/v1/face/identify (1:N)

curl .../api/biometric/v1/face/identify \
  -H "sn: $SN" -H "auth-token: $TOKEN" \
  -d '{ "image": "<base64 jpeg>" }'
# -> detect -> PAD anti-spoof -> align -> ArcFace -> cosine
{ "ok":true, "match":true, "score":87,
  "candidates":5312, "user_id":"1042" }

Live erleben

Face Match Engine – Live-Demo

► Demo ansehen

Funktionen

Was er kann

Ein Gesicht registrieren

Ein oder mehrere Gesichter pro Benutzer aus einem Base64-Bild oder einem vorberechneten 512-dimensionalen Embedding speichern.

Verifizieren (1:1)

Bestätigen, dass ein erfasstes Gesicht zu einem angegebenen Benutzer passt, mit Rückgabe eines Match-Flags und eines Werts von 0–100.

Identifizieren (1:N)

Ein erfasstes Gesicht in der gesamten Mandantengalerie suchen und den besten Treffer oberhalb des Schwellenwerts zurückgeben.

Anti-Spoofing (PAD)

MiniFASNet-PAD weist Foto- und Bildschirm-Wiedergaben bei jeder Verifizierung und Identifizierung ab, bevor ein Embedding berechnet wird.

Qualitätsprüfung

Weist bei der Registrierung Gesichter ab, die zu klein, unscharf, dunkel, hell oder schräg sind, damit nur saubere Templates in die Galerie gelangen.

1:N-Abgleich im großen Maßstab

Ein vorgewärmter In-Memory-Cache und ein begrenzter Thread-Pool halten den Brute-Force-Kosinusabgleich bis in den Bereich von ca. 1 Mio. Templates schnell.

Merkmale

Alles inklusive

Drei Endpoints – registrieren, verifizieren (1:1) und identifizieren (1:N) – die ein Base64-Bild oder ein vorberechnetes 512-dimensionales Embedding akzeptieren
ArcFace R50 (insightface w600k_r50) L2-normalisierte 512-dimensionale Embeddings mit Kosinus-Abgleich und Bewertung von 0–100
Integrierte SCRFD-det_10g-Gesichtserkennung plus geschlossene 5-Punkt-Ausrichtung auf ArcFace 112x112
Passives Einzelbild-Anti-Spoofing (MiniFASNet-PAD) weist Druck- und Bildschirm-Wiedergaben vor dem Embedding ab
Qualitätsprüfung bei der Registrierung: Prüfungen von Gesichtsgröße, Schärfe, Helligkeit und Frontalität mit einstellbaren Schwellenwerten
Mandantenfähige Galerien, pro Mandant und Benutzer getrennt, mit Filterung nach Modellversion über Modell-Upgrades hinweg
Vorgewärmter Galerie-Cache pro Mandant plus gemeinsamer Thread-Pool für 1:N (gemessen ca. 5,3-fache Beschleunigung, ca. 104 ms bei einer Galerie mit 1 Mio. Templates)
GPU-ready durch ONNX-Provider-Umschaltung (cpu/cuda/tensorrt/openvino) mit CPU-Fallback und ohne Codeänderung
Konfigurierbarer Match-Schwellenwert (Standard 60) und eine Eingaberichtlinie, die an nicht vertrauenswürdigen Edges ausschließlich Bildeingaben verlangen kann

Mit der Face Match Engine entwickeln

Schlüssel holen, Dokumentation lesen und live gehen. Unser Team unterstützt Sie bei Ihrer ersten Integration.

Mit einem Ingenieur sprechen WhatsApp

FAQ

Häufige Fragen

Kann ich statt eines Bildes ein vorberechnetes Embedding senden?

Ja. Anfragen akzeptieren entweder ein JSON-Embedding-Array oder ein Base64-Bild. Embedding-Eingaben werden vollständig live in der Engine abgeglichen; Bildeingaben durchlaufen die komplette Pipeline aus Erkennen, Ausrichten, PAD und Embedding. Embedding-Eingaben lassen sich per Richtlinie an nicht vertrauenswürdigen Edges deaktivieren.

Erkennt die Face Match Engine Spoofing?

Ja. Jede Verifizierung und Identifizierung führt vor dem Embedding eine passive Anti-Spoofing-Prüfung (PAD) mit MiniFASNet am erkannten Gesichtsausschnitt durch und weist Druck- und Bildschirm-Wiedergaben ab. Es handelt sich um Einzelbild-RGB-PAD; 3D-Masken und hochwertige Video-Wiedergaben erfordern Tiefen- oder IR-Hardware.

Welches Gesichtserkennungsmodell wird verwendet?

ArcFace R50 (insightface w600k_r50), das L2-normalisierte 512-dimensionale Embeddings erzeugt, mit SCRFD det_10g zur Erkennung und einem 5-Punkt-Aligner per Ähnlichkeitstransformation.

Kann sie auf einer GPU laufen?

Ja. Setzen Sie den ONNX-Provider auf cuda (oder tensorrt/openvino); Detektor, Embedder und PAD nutzen alle den konfigurierten Provider, mit CPU-Fallback und ohne Codeänderung.

Wie groß darf die Galerie bei der 1:N-Identifizierung sein?

Sie nutzt einen vorgewärmten dekodierten Cache und einen gemeinsamen Thread-Pool für den Brute-Force-Kosinusabgleich, gemessen bei etwa 104 ms über eine Galerie mit 1 Mio. Templates; darüber hinaus führt der Weg über einen Approximate-Nearest-Neighbor-Index.