Home / Producten / Herkenningsengines / Face Match Engine

ENGINE

Face Match Engine

Kant-en-klare gezichtsherkenning voor uw stack. De Cams Face Match Engine zet een foto om in een identiteit en draait een volledige pipeline van detecteren, uitlijnen, embedden en vergelijken met ONNX ArcFace plus passieve anti-spoofing — allemaal achter drie eenvoudige HTTPS-endpoints. Stuur een gezichtsbeeld of een vooraf berekende embedding.

Aan de slag Developerdocs Probeer FaceUp live ↗

Overzicht

Server-side gezichtsregistratie, 1:1-verificatie en 1:N-identificatie via REST — met ingebouwde ArcFace-embedding, SCRFD-detectie, uitlijning en anti-spoofing.

Een zelfstandige gezichtsherkenningsservice die registreren, verifiëren (1:1) en identificeren (1:N) aanbiedt op /api/biometric/v1/face/. Elk beeld doorloopt SCRFD-detectie, 5-punts uitlijning met gelijkvormigheidstransformatie, presentatieaanvaldetectie van de MiniFASNet-klasse en een ArcFace-embedding (insightface w600k_r50) van 512 dimensies, daarna exacte cosinusgelijkenis met een score van 0-100. Galerijen zijn multi-tenant, afgebakend per tenant en gebruiker, met een warme gedecodeerde cache en een gedeelde threadpool voor snelle 1:N. Hij is GPU-klaar via één ONNX-providerschakelaar (CPU, CUDA, TensorRT of OpenVINO) zonder codewijziging.

ENGINERESTHTTPSJSONC++

Gebruikt in:Cashless kantine en cafetaria Bouwplaatsen Wagenparken, transport en chauffeurs Sportscholen, clubs en fitness Bezoekersbeheer Scholen, hogescholen en campus Evenementen, festivals en stadions

⚡

Probeer het live — FaceUp. Aanwezigheid met gezichtsherkenning direct in uw browser — registreer een gezicht en markeer aanwezigheid met liveness, zonder app te installeren. Geen aanmelding nodig — begin met het serienummer van uw apparaat.

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" }

Zie het in actie

Face Match Engine — live demo

► Demo bekijken

Mogelijkheden

Wat het doet

Een gezicht registreren

Sla een of meer gezichten per gebruiker op vanuit een base64-beeld of een vooraf berekende embedding van 512 dimensies.

Verifiëren (1:1)

Bevestig dat een vastgelegd gezicht overeenkomt met een opgegeven gebruiker, met een matchvlag en een score van 0-100 als resultaat.

Identificeren (1:N)

Zoek een vastgelegd gezicht in de hele tenantgalerij en geef de beste match boven de drempel terug.

Anti-spoofing (PAD)

MiniFASNet PAD weigert foto- en schermweergaven bij elke verificatie en identificatie, nog voordat een embedding wordt berekend.

Kwaliteitscontrole

Weigert bij registratie gezichten die te klein, onscherp, donker, te helder of scheef zijn, zodat alleen schone sjablonen in de galerij komen.

1:N-matching op schaal

Een warme cache in het geheugen en een begrensde threadpool houden brute-force-cosinus snel tot ongeveer 1 miljoen sjablonen.

Functies

Alles inbegrepen

Drie endpoints — registreren, verifiëren (1:1) en identificeren (1:N) — die een base64-beeld of een vooraf berekende embedding van 512 dimensies accepteren
ArcFace R50 (insightface w600k_r50) L2-genormaliseerde embeddings van 512 dimensies met cosinus-matching met een score van 0-100
Ingebouwde SCRFD det_10g-gezichtsdetectie plus 5-punts uitlijning in gesloten vorm naar ArcFace 112x112
Passieve anti-spoofing per enkel frame (MiniFASNet PAD) weigert print- en schermweergaven vóór de embedding
Kwaliteitscontrole bij registratie: controles op gezichtsgrootte, scherpte, helderheid en frontaliteit met instelbare drempels
Multi-tenant galerijen afgebakend per tenant en gebruiker, met filtering op modelversie bij modelupgrades
Warme galeriecache per tenant plus een gedeelde threadpool voor 1:N (gemeten ~5,3x versnelling, ~104 ms over een galerij van 1M sjablonen)
GPU-klare ONNX-providerschakelaar (cpu/cuda/tensorrt/openvino) met CPU-fallback en zonder codewijziging
Configureerbare matchdrempel (standaard 60) en een invoerbeleid dat uitsluitend beeldinvoer kan afdwingen op onbetrouwbare edges

Bouw met Face Match Engine

Haal een sleutel op, lees de docs en ga live. Ons team helpt u bij uw eerste integratie.

Praat met een engineer WhatsApp

FAQ

Veelgestelde vragen

Kan ik een vooraf berekende embedding sturen in plaats van een beeld?

Ja. Verzoeken accepteren een JSON-embeddingarray of een base64-beeld. Embeddinginvoer wordt volledig live in de engine gematcht; beeldinvoer doorloopt de volledige pipeline van detecteren, uitlijnen, PAD en embedden. Embeddinginvoer kan via beleid worden uitgeschakeld op onbetrouwbare edges.

Detecteert de Face Match Engine spoofing?

Ja. Bij elke verificatie en identificatie draait een passieve anti-spoofingcontrole (PAD) van MiniFASNet op de gedetecteerde gezichtsuitsnede vóór de embedding, waarbij print- en schermweergaven worden geweigerd. Het is PAD op één RGB-frame; 3D-maskers en videoweergaven van hoge kwaliteit vereisen diepte- of IR-hardware.

Welk gezichtsherkenningsmodel gebruikt hij?

ArcFace R50 (insightface w600k_r50) dat L2-genormaliseerde embeddings van 512 dimensies produceert, met SCRFD det_10g voor detectie en een 5-punts aligner met gelijkvormigheidstransformatie.

Kan hij op een GPU draaien?

Ja. Stel de ONNX-provider in op cuda (of tensorrt/openvino); de detector, embedder en PAD gebruiken allemaal de geconfigureerde provider, met CPU-fallback en zonder codewijziging.

Hoe groot kan een galerij zijn voor 1:N-identificatie?

Hij gebruikt een warme gedecodeerde cache en een gedeelde threadpool voor brute-force-cosinus-matching, gemeten op ongeveer 104 ms over een galerij van 1M sjablonen; een index voor benaderde dichtstbijzijnde buren is het pad daarboven.