خانه / محصولات / موتورهای تشخیص / Face Match Engine

ENGINE

Face Match Engine

Q: آیا میتوانم بهجای تصویر، embedding از پیش محاسبهشده بفرستم؟

بله. درخواستها آرایه embedding در JSON یا تصویر base64 را میپذیرند. ورودی embedding کاملاً زنده و داخل موتور تطبیق داده میشود؛ ورودی تصویر خط لوله کامل تشخیص-همترازسازی-PAD-embedding را اجرا میکند. ورودی embedding را میتوان با سیاست روی لبههای نامطمئن غیرفعال کرد.

Q: آیا روی GPU اجرا میشود؟

بله. ارائهدهنده ONNX را روی cuda (یا tensorrt/openvino) تنظیم کنید؛ تشخیصدهنده، embedder و PAD همگی از ارائهدهنده پیکربندیشده استفاده میکنند، با fallback به CPU و بدون تغییر کد.

Q: شناسایی 1:N چه اندازه گالریای را پشتیبانی میکند؟

از کش رمزگشاییشده گرم و thread pool مشترک برای تطبیق کسینوسی brute-force استفاده میکند که حدود 104 ms روی گالری 1 میلیون الگو اندازهگیری شده است؛ برای فراتر از آن، شاخص approximate-nearest-neighbor مسیر پیش رو است.

تشخیص چهره آماده برای استفاده در پشته شما. Cams Face Match Engine یک عکس را به هویت تبدیل می‌کند و خط لوله کامل تشخیص، هم‌ترازسازی، embedding و مقایسه را با ONNX ArcFace به‌علاوه ضدجعل غیرفعال اجرا می‌کند — همه پشت سه endpoint ساده HTTPS. تصویر چهره یا embedding از پیش محاسبه‌شده بفرستید.

شروع کنید مستندات توسعه‌دهندگان FaceUp را زنده امتحان کنید ↗

نمای کلی

ثبت‌نام چهره، تأیید 1:1 و شناسایی 1:N در سمت سرور از طریق REST — با embedding ArcFace، تشخیص SCRFD، هم‌ترازسازی و ضدجعل داخلی.

یک سرویس مستقل تشخیص چهره که ثبت‌نام، تأیید (1:1) و شناسایی (1:N) را در /api/biometric/v1/face/ ارائه می‌دهد. هر تصویر از تشخیص SCRFD، هم‌ترازسازی 5 نقطه‌ای با تبدیل شباهت، تشخیص حمله ارائه از رده MiniFASNet و embedding 512 بعدی ArcFace (insightface w600k_r50) عبور می‌کند، سپس شباهت کسینوسی دقیق با امتیاز 0-100 محاسبه می‌شود. گالری‌ها چند-tenant هستند و به‌ازای هر tenant و کاربر محدود می‌شوند، با کش رمزگشایی‌شده گرم و thread pool مشترک برای 1:N سریع. با یک سوییچ ارائه‌دهنده ONNX (CPU، CUDA، TensorRT یا OpenVINO) و بدون تغییر کد آماده GPU است.

ENGINERESTHTTPSJSONC++

کاربرد در:غذاخوری و کافه‌تریای بدون پول نقد کارگاه‌های ساختمانی ناوگان، حمل‌ونقل و رانندگان باشگاه‌ها، کلوب‌ها و تناسب اندام مدیریت بازدیدکنندگان مدارس، دانشگاه‌ها و پردیس رویدادها، جشنواره‌ها و استادیوم‌ها

⚡

زنده امتحان کنید — FaceUp. حضور و غیاب با تشخیص چهره درست در مرورگر شما — یک چهره را ثبت‌نام کنید و با liveness حضور بزنید، بدون نصب اپ. نیازی به ورود نیست — با شماره سریال دستگاه خود شروع کنید.

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" }

در عمل ببینید

Face Match Engine — دموی زنده

► تماشای دمو

قابلیت‌ها

چه کاری انجام می‌دهد

ثبت‌نام یک چهره

یک یا چند چهره برای هر کاربر را از تصویر base64 یا embedding 512 بعدی از پیش محاسبه‌شده ذخیره کنید.

تأیید (1:1)

تأیید کنید که چهره دریافت‌شده با کاربر مدعی مطابقت دارد؛ پرچم تطبیق و امتیاز 0-100 برمی‌گردد.

شناسایی (1:N)

چهره دریافت‌شده را در کل گالری tenant جست‌وجو کنید و بهترین تطبیق بالاتر از آستانه را برگردانید.

ضدجعل (PAD)

MiniFASNet PAD پیش از محاسبه هر embedding، بازپخش عکس و صفحه نمایش را در هر تأیید و شناسایی رد می‌کند.

دروازه کیفیت

هنگام ثبت‌نام چهره‌های بسیار کوچک، تار، تاریک، پرنور یا کج را رد می‌کند تا فقط الگوهای تمیز وارد گالری شوند.

تطبیق 1:N در مقیاس بالا

کش گرم در حافظه و thread pool محدود، کسینوس brute-force را تا حدود 1 میلیون الگو سریع نگه می‌دارد.

امکانات

همه‌چیز در بسته

سه endpoint — ثبت‌نام، تأیید (1:1) و شناسایی (1:N) — با پذیرش تصویر base64 یا embedding 512 بعدی از پیش محاسبه‌شده
embeddingهای 512 بعدی نرمال‌شده L2 با ArcFace R50 (insightface w600k_r50) و تطبیق کسینوسی با امتیاز 0-100
تشخیص چهره داخلی SCRFD det_10g به‌علاوه هم‌ترازسازی 5 نقطه‌ای closed-form به ArcFace 112x112
ضدجعل غیرفعال تک‌فریمی (MiniFASNet PAD) بازپخش چاپی و صفحه نمایش را پیش از embedding رد می‌کند
دروازه کیفیت زمان ثبت‌نام: بررسی اندازه چهره، وضوح، روشنایی و روبه‌رو بودن با آستانه‌های قابل تنظیم
گالری‌های چند-tenant با محدودسازی بر اساس tenant و کاربر و فیلتر نسخه مدل در طول ارتقای مدل‌ها
کش گالری گرم برای هر tenant به‌علاوه thread pool مشترک برای 1:N (سرعت‌گیری اندازه‌گیری‌شده حدود 5.3 برابر، حدود 104 ms روی گالری 1 میلیون الگو)
سوییچ ارائه‌دهنده ONNX آماده GPU (cpu/cuda/tensorrt/openvino) با fallback به CPU و بدون تغییر کد
آستانه تطبیق قابل تنظیم (پیش‌فرض 60) و سیاست ورودی که می‌تواند روی لبه‌های نامطمئن فقط ورودی تصویر را الزامی کند

با Face Match Engine بسازید

یک کلید بگیرید، مستندات را بخوانید و عرضه کنید. تیم ما در اولین یکپارچه‌سازی شما کمک می‌کند.

گفتگو با یک مهندس WhatsApp

پرسش‌های متداول

آیا می‌توانم به‌جای تصویر، embedding از پیش محاسبه‌شده بفرستم؟

بله. درخواست‌ها آرایه embedding در JSON یا تصویر base64 را می‌پذیرند. ورودی embedding کاملاً زنده و داخل موتور تطبیق داده می‌شود؛ ورودی تصویر خط لوله کامل تشخیص-هم‌ترازسازی-PAD-embedding را اجرا می‌کند. ورودی embedding را می‌توان با سیاست روی لبه‌های نامطمئن غیرفعال کرد.

آیا Face Match Engine جعل را تشخیص می‌دهد؟

بله. هر تأیید و شناسایی پیش از embedding یک بررسی ضدجعل غیرفعال MiniFASNet (PAD) را روی برش چهره تشخیص‌داده‌شده اجرا می‌کند و بازپخش چاپی و صفحه نمایش را رد می‌کند. این PAD تک‌فریمی RGB است؛ ماسک‌های سه‌بعدی و بازپخش‌های ویدیویی باکیفیت به سخت‌افزار عمق یا IR نیاز دارند.

از چه مدل تشخیص چهره‌ای استفاده می‌کند؟

ArcFace R50 (insightface w600k_r50) که embeddingهای 512 بعدی نرمال‌شده L2 تولید می‌کند، با SCRFD det_10g برای تشخیص و هم‌ترازساز 5 نقطه‌ای با تبدیل شباهت.

آیا روی GPU اجرا می‌شود؟

بله. ارائه‌دهنده ONNX را روی cuda (یا tensorrt/openvino) تنظیم کنید؛ تشخیص‌دهنده، embedder و PAD همگی از ارائه‌دهنده پیکربندی‌شده استفاده می‌کنند، با fallback به CPU و بدون تغییر کد.

شناسایی 1:N چه اندازه گالری‌ای را پشتیبانی می‌کند؟

از کش رمزگشایی‌شده گرم و thread pool مشترک برای تطبیق کسینوسی brute-force استفاده می‌کند که حدود 104 ms روی گالری 1 میلیون الگو اندازه‌گیری شده است؛ برای فراتر از آن، شاخص approximate-nearest-neighbor مسیر پیش رو است.