Metodología científica y arquitectura de privacidad
Detect Face Shape combina la antropometría craneofacial clínica con visión artificial del lado del cliente para clasificar la geometría facial de forma objetiva.
Garantía de privacidad biométrica sin servidores
Ejecución 100% en el cliente mediante WebAssembly y WebGL
La mayoría de herramientas web exigen subir fotos en alta resolución a servidores en la nube donde se procesan y almacenan. Esto plantea riesgos significativos para la privacidad y la seguridad biométrica.
detectfaceshape.app funciona con una arquitectura sin servidores:
- Los binarios del modelo Google MediaPipe Face Landmarker y el entorno WASM se ejecutan estrictamente dentro del entorno seguro de tu navegador.
- Todas las fotos y fotogramas se decodifican en un canvas fuera de pantalla en la memoria volátil local del navegador y se eliminan inmediatamente tras la clasificación.
- Ningún dato de imagen, coordenadas biométricas ni vectores se envían a través de la red. Puedes desconectar Internet tras cargar la página y el detector seguirá funcionando impecablemente.
Antropometría craneofacial y puntos clave
La clasificación facial en detectfaceshape.app se basa en la antropometría médica estandarizada iniciada por Leslie G. Farkas. En lugar de adivinar, nuestro algoritmo extrae 4 dimensiones físicas precisas de 468 coordenadas:
Trichion (10) a Menton (152)
La distancia vertical entre la línea del cabello y la punta de la barbilla, que define la longitud facial general.
Zygion izquierda (234) a derecha (454)
La distancia horizontal máxima entre los arcos cigomáticos, que establece el eje horizontal primario.
Frontotemporal izquierda (127) a derecha (356)
La anchura horizontal entre las sienes a través de la frente, crítica para identificar caras corazón y triángulo.
Gonion izquierda (58) a derecha (288)
La distancia entre los ángulos mandibulares bilaterales, diagnóstica para formas cuadradas y triangulares.
Referencias académicas y citas
- Farkas, L. G. (1994). Anthropometry of the Head and Face (2nd ed.). New York: Raven Press. Mediciones estandarizadas de proporciones faciales y valores craneofaciales normativos en diversas poblaciones.
- Liu, Z., Lin, Y., Cao, Y., Hu, H., Wei, Y., Zhang, Z., Lin, S., & Guo, B. (2021). Swin Transformer: Hierarchical Vision Transformer using Shifted Windows. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 10012–10022.
- Lugaresi, C., et al. (2019). MediaPipe: A Framework for Building Perception Pipelines. arXiv preprint arXiv:1906.08172. Google Research.