หน้าแรก / ผลิตภัณฑ์ / เอนจินการจดจำ / Face Match Engine

ENGINE

Face Match Engine

การจดจำใบหน้าแบบพร้อมใช้สำหรับสแต็กของคุณ Cams Face Match Engine เปลี่ยนภาพถ่ายให้เป็นตัวตน โดยรันไปป์ไลน์ตรวจจับ จัดแนว ฝัง และเปรียบเทียบแบบเต็มด้วย ONNX ArcFace พร้อมการป้องกันการปลอมแปลงแบบ passive — ทั้งหมดผ่าน HTTPS endpoint ง่าย ๆ สามตัว ส่งภาพใบหน้าหรือ embedding ที่คำนวณไว้แล้วก็ได้

เริ่มต้นใช้งาน เอกสารสำหรับนักพัฒนา ลอง FaceUp แบบสด ↗

ภาพรวม

ลงทะเบียนใบหน้า ยืนยันตัวตนแบบ 1:1 และระบุตัวตนแบบ 1:N ฝั่งเซิร์ฟเวอร์ผ่าน REST — พร้อม ArcFace embedding, การตรวจจับ SCRFD, การจัดแนว และการป้องกันการปลอมแปลงในตัว

บริการจดจำใบหน้าแบบสแตนด์อโลนที่เปิด enroll, verify (1:1) และ identify (1:N) ที่ /api/biometric/v1/face/ แต่ละภาพผ่านการตรวจจับ SCRFD การจัดแนว 5 จุดแบบ similarity-transform การตรวจจับการโจมตีแบบนำเสนอระดับ MiniFASNet และ ArcFace (insightface w600k_r50) embedding 512 มิติ จากนั้นคำนวณ cosine similarity แบบตรงตัวให้คะแนน 0-100 แกลเลอรีเป็นแบบหลายผู้เช่า แยกตามผู้เช่าและผู้ใช้ พร้อมแคชที่ถอดรหัสแล้วแบบอุ่นเครื่องและเธรดพูลร่วมสำหรับ 1:N ที่รวดเร็ว พร้อมใช้ GPU ด้วยการสลับ ONNX provider เพียงตัวเดียว (CPU, CUDA, TensorRT หรือ OpenVINO) โดยไม่ต้องแก้โค้ด

ENGINERESTHTTPSJSONC++

ใช้ใน:โรงอาหารและคาเฟทีเรียแบบไร้เงินสด ไซต์ก่อสร้าง ยานพาหนะ การขนส่ง และคนขับ ฟิตเนส สโมสร และศูนย์สุขภาพ การจัดการผู้มาเยือน โรงเรียน วิทยาลัย และสถานศึกษา อีเวนต์ เทศกาล และสนามกีฬา

⚡

ลองใช้แบบสด — FaceUp ลงเวลาด้วยการจดจำใบหน้าบนเบราว์เซอร์ของคุณเลย — ลงทะเบียนใบหน้าและลงเวลาพร้อม liveness ไม่ต้องติดตั้งแอป ไม่ต้องลงชื่อเข้าใช้ — เริ่มด้วยหมายเลขซีเรียลของอุปกรณ์

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" }

ดูการใช้งานจริง

Face Match Engine — เดโมสด

► ดูเดโม

ความสามารถ

ทำอะไรได้บ้าง

ลงทะเบียนใบหน้า

เก็บใบหน้าหนึ่งหรือหลายใบต่อผู้ใช้จากภาพ base64 หรือ embedding 512 มิติที่คำนวณไว้แล้ว

ยืนยันตัวตน (1:1)

ยืนยันว่าใบหน้าที่สแกนตรงกับผู้ใช้ที่อ้าง โดยส่งคืนแฟลกการจับคู่และคะแนน 0-100

ระบุตัวตน (1:N)

ค้นหาใบหน้าที่สแกนเทียบกับแกลเลอรีทั้งหมดของผู้เช่า และส่งคืนรายการที่ตรงที่สุดที่สูงกว่า threshold

การป้องกันการปลอมแปลง (PAD)

MiniFASNet PAD ปฏิเสธการเล่นซ้ำภาพถ่ายและหน้าจอในทุกการยืนยันและระบุตัวตน ก่อนคำนวณ embedding ใด ๆ

การคัดกรองคุณภาพ

ปฏิเสธใบหน้าที่เล็กเกินไป เบลอ มืด สว่างเกิน หรือเอียงเกินตอนลงทะเบียน เพื่อให้เฉพาะเทมเพลตที่สะอาดเข้าสู่แกลเลอรี

การจับคู่ 1:N ในระดับขนาดใหญ่

แคชในหน่วยความจำแบบอุ่นเครื่องและเธรดพูลที่มีขอบเขตทำให้ brute-force cosine เร็วได้ถึงระดับราว 1 ล้านเทมเพลต

คุณสมบัติ

รวมทุกอย่างไว้ให้

สาม endpoint — enroll, verify (1:1) และ identify (1:N) — รับภาพ base64 หรือ embedding 512 มิติที่คำนวณไว้แล้ว
ArcFace R50 (insightface w600k_r50) embedding 512 มิติแบบ L2-normalized พร้อมการจับคู่ cosine ให้คะแนน 0-100
การตรวจจับใบหน้า SCRFD det_10g ในตัว พร้อมการจัดแนว 5 จุดแบบ closed-form ไปยัง ArcFace 112x112
การป้องกันการปลอมแปลงแบบ passive เฟรมเดียว (MiniFASNet PAD) ปฏิเสธการเล่นซ้ำภาพพิมพ์และหน้าจอก่อน embedding
ประตูคุณภาพตอนลงทะเบียน: ตรวจขนาดใบหน้า ความคมชัด ความสว่าง และการหันหน้าตรง พร้อม threshold ที่ปรับได้
แกลเลอรีหลายผู้เช่าแยกตามผู้เช่าและผู้ใช้ พร้อมการกรองเวอร์ชันโมเดลข้ามการอัปเกรดโมเดล
แคชแกลเลอรีรายผู้เช่าแบบอุ่นเครื่องพร้อมเธรดพูลร่วมสำหรับ 1:N (วัดได้เร็วขึ้นประมาณ 5.3 เท่า ราว 104 ms บนแกลเลอรี 1 ล้านเทมเพลต)
ตัวสลับ ONNX provider ที่พร้อมใช้ GPU (cpu/cuda/tensorrt/openvino) พร้อม CPU fallback โดยไม่ต้องแก้โค้ด
match threshold ที่ปรับได้ (ค่าเริ่มต้น 60) และนโยบายอินพุตที่บังคับให้รับเฉพาะภาพบน edge ที่ไม่น่าเชื่อถือได้

สร้างด้วย Face Match Engine

รับคีย์ อ่านเอกสาร แล้วส่งมอบ ทีมของเราช่วยดูแลการผสานรวมครั้งแรกของคุณ

คุยกับวิศวกร WhatsApp

คำถามที่พบบ่อย

ส่ง embedding ที่คำนวณไว้แล้วแทนภาพได้หรือไม่

ได้ คำขอรับได้ทั้งอาร์เรย์ embedding แบบ JSON หรือภาพ base64 อินพุต embedding จะถูกจับคู่สดทั้งหมดภายในเอนจิน ส่วนอินพุตภาพจะรันไปป์ไลน์ตรวจจับ-จัดแนว-PAD-embed เต็มรูปแบบ สามารถปิดอินพุต embedding บน edge ที่ไม่น่าเชื่อถือได้ตามนโยบาย

Face Match Engine ตรวจจับการปลอมแปลงหรือไม่

ตรวจจับ ทุกการยืนยันและระบุตัวตนจะรันการตรวจสอบป้องกันการปลอมแปลงแบบ passive (PAD) ของ MiniFASNet บนส่วนใบหน้าที่ตรวจพบก่อน embedding เพื่อปฏิเสธการเล่นซ้ำภาพพิมพ์และหน้าจอ เป็น PAD แบบ RGB เฟรมเดียว หน้ากาก 3 มิติและการเล่นซ้ำวิดีโอคุณภาพสูงต้องใช้ฮาร์ดแวร์ depth หรือ IR

ใช้โมเดลจดจำใบหน้าอะไร

ArcFace R50 (insightface w600k_r50) ให้ embedding 512 มิติแบบ L2-normalized โดยใช้ SCRFD det_10g สำหรับการตรวจจับ และตัวจัดแนว 5 จุดแบบ similarity-transform

รันบน GPU ได้หรือไม่

ได้ ตั้ง ONNX provider เป็น cuda (หรือ tensorrt/openvino) ตัวตรวจจับ ตัว embed และ PAD ทั้งหมดใช้ provider ที่ตั้งไว้ พร้อม CPU fallback โดยไม่ต้องแก้โค้ด

การระบุตัวตนแบบ 1:N รองรับแกลเลอรีขนาดใหญ่เพียงใด

ใช้แคชที่ถอดรหัสแล้วแบบอุ่นเครื่องและเธรดพูลร่วมสำหรับการจับคู่ brute-force cosine วัดได้ราว 104 ms บนแกลเลอรี 1 ล้านเทมเพลต ส่วนที่เกินกว่านั้นใช้ดัชนี approximate-nearest-neighbor