Metodologi Saintifik & Seni Bina Privasi
Detect Face Shape menggabungkan antropometri kraniofasial klinikal dengan penglihatan komputer bahagian klien untuk menyediakan pengelasan geometri muka yang objektif.
Jaminan Privasi Biometrik Sifar Pelayan
Pelaksanaan bahagian klien tulen melalui WebAssembly & WebGL
Kebanyakan alat analisis wajah web memerlukan pengguna memuat naik foto resolusi tinggi ke pelayan awan untuk diproses dan disimpan. Ini menimbulkan risiko privasi dan keselamatan biometrik yang ketara.
detectfaceshape.app beroperasi dengan seni bina sifar pelayan:
- Binari model Google MediaPipe Face Landmarker dan masa jalan WASM dilaksanakan secara ketat dalam kotak pasir pelayar tempatan anda.
- Semua foto yang dimuat naik dan bingkai kamera didekodkan pada kanvas luar skrin dalam memori meruap pelayar tempatan dan dipadamkan serta-merta selepas pengelasan.
- Tiada data imej, koordinat biometrik atau perwakilan vektor dihantar melalui rangkaian. Anda juga boleh memutuskan internet selepas halaman dimuatkan dan ia tetap berfungsi.
Antropometri Kraniofasial & Titik Tanda Utama
Pengelasan muka manusia dalam detectfaceshape.app berakar umbi dalam antropometri perubatan piawai oleh Leslie G. Farkas. Algoritma kami mengekstrak 4 dimensi fizikal tepat daripada 468 koordinat titik mercu:
Trichion (10) ke Menton (152)
Jarak menegak antara bahagian atas garis rambut dan hujung dagu, menentukan pemanjangan keseluruhan wajah.
Zygion Kiri (234) ke Kanan (454)
Jarak mendatar maksimum antara lengkungan zigomatik, membentuk paksi mendatar utama wajah.
Frontotemporale Kiri (127) ke Kanan (356)
Kelebaran mendatar antara pelipis merentasi dahi, penting untuk mengenal pasti geometri Hati dan Segi Tiga.
Gonion Kiri (58) ke Kanan (288)
Jarak merentasi sudut rahang dua hala, penting untuk mendiagnosis bentuk Petak dan Segi Tiga.
Rujukan Akademik & Petikan
- Farkas, L. G. (1994). Anthropometry of the Head and Face (2nd ed.). New York: Raven Press. Ukuran piawai bagi perkadaran muka dan nilai kraniofasial normatif merentasi pelbagai populasi.
- 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.