Méthodologie scientifique et architecture de confidentialité
Detect Face Shape combine l'anthropométrie craniofaciale clinique avec la vision par ordinateur côté client pour une classification objective.
Garantie de confidentialité biométrique sans serveur
Exécution purement côté client via WebAssembly et WebGL
La plupart des outils en ligne exigent le téléversement de photos haute résolution sur des serveurs distants où elles sont traitées et stockées. Cela présente d'importants risques pour la vie privée et les données biométriques.
detectfaceshape.app fonctionne avec une architecture zéro serveur :
- Les binaires du modèle Google MediaPipe Face Landmarker et l'environnement WASM s'exécutent strictement dans le bac à sable de votre navigateur.
- Toutes les photos téléchargées et flux caméra sont décodés sur un canevas hors écran dans la mémoire volatile locale du navigateur et supprimés dès la classification terminée.
- Aucune donnée d'image, coordonnée biométrique ou vecteur n'est transmise via le réseau. Vous pouvez même déconnecter votre connexion Internet une fois la page chargée.
Anthropométrie craniofaciale et repères clés
La classification faciale sur detectfaceshape.app s'appuie sur l'anthropométrie médicale standardisée de Leslie G. Farkas. Au lieu d'approximations, notre algorithme extrait 4 dimensions précises à partir de 468 coordonnées :
Trichion (10) à Menton (152)
La distance verticale entre le haut du front et la pointe du menton, définissant l'allongement global du visage.
Zygion gauche (234) à droite (454)
La distance horizontale maximale entre les arcades zygomatiques, établissant l'axe horizontal principal.
Frontotemporal gauche (127) à droite (356)
La largeur horizontale entre les tempes, déterminante pour identifier les formes en cœur et en triangle.
Gonion gauche (58) à droite (288)
La distance entre les angles mandibulaires bilatéraux, révélatrice des formes carrées et triangulaires.
Références académiques et citations
- Farkas, L. G. (1994). Anthropometry of the Head and Face (2nd ed.). New York: Raven Press. Mesures standardisées des proportions faciales et valeurs craniofaciales normatives sur diverses populations.
- 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.