Metodologia científica e arquitetura de privacidade
O Detect Face Shape combina antropometria craniofacial clínica com visão computacional no navegador para fornecer classificação geométrica facial objetiva.
Garantia de privacidade biométrica zero-servidor
Execução puramente no cliente via WebAssembly e WebGL
A maioria das ferramentas web exige o envio de fotos de alta resolução para servidores em nuvem onde são processadas e armazenadas. Isso gera riscos significativos à privacidade e segurança biométrica.
O detectfaceshape.app opera com uma arquitetura zero-servidor:
- Os binários do modelo Google MediaPipe Face Landmarker e o runtime WASM são executados estritamente na sandbox do seu navegador.
- Todas as fotos e quadros de câmera são decodificados em um canvas fora da tela na memória volátil do navegador e apagados imediatamente após a classificação.
- Nenhum dado de imagem, coordenada ou vetor biométrico é transmitido pela rede. Você pode até desconectar a internet após a página carregar e o detector continuará funcionando perfeitamente.
Antropometria craniofacial e marcos principais
A classificação facial no detectfaceshape.app tem raízes na antropometria médica padronizada por Leslie G. Farkas. Em vez de adivinhar, nosso algoritmo extrai 4 dimensões físicas precisas de 468 marcos:
Trichion (10) a Menton (152)
A distância vertical entre o centro da linha do cabelo e o queixo, definindo o comprimento geral do rosto.
Zígio esquerdo (234) ao direito (454)
A distância horizontal máxima entre os arcos zigomáticos, definindo o eixo horizontal primário do rosto.
Frontotemporal esquerda (127) à direita (356)
A largura horizontal entre as têmporas na testa, crucial para identificar geometrias de Coração e Triângulo.
Gônio esquerdo (58) ao direito (288)
A distância entre os ângulos mandibulares bilaterais, diagnóstica para formatos quadrados e triangulares.
Referências acadêmicas e citações
- Farkas, L. G. (1994). Anthropometry of the Head and Face (2nd ed.). New York: Raven Press. Medições padronizadas de proporções faciais e valores craniofaciais normativos em diversas populações.
- 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.