Le Contexte
Les systèmes de reconnaissance faciale d'entreprise traditionnels dépendent d'API cloud coûteuses et attentatoires à la vie privée (AWS, Azure) qui diffusent des flux de caméras sensibles vers des serveurs externes. Cela engendre de graves risques de conformité, des coûts d'infrastructure récurrents et une vulnérabilité aux pannes réseau. Les organisations avaient besoin d'une solution biométrique isolée (air-gapped), performante, capable d'assurer un suivi en temps réel, un mapping 3D et une protection anti-spoofing sans compromettre la souveraineté des données.
Approche
- 01
Conception d'un cœur de reconnaissance sous Python utilisant ArcFace pour les embeddings angulaires 512 dimensions et YuNet pour la détection, couplé à ChromaDB pour la recherche de similarité vectorielle HNSW et SQLite pour la gestion des métadonnées relationnelles.
- 02
Intégration d'un double ensemble MiniFASNet ONNX (patches de contexte 2.7x et 4.0x) associé à des heuristiques multispectrales et à un flux de capture multi-angles guidé par la pose 3D (CENTRE, GAUCHE, DROITE, HAUT, BAS) pour cartographier la géométrie complète du visage.
- 03
Développement d'un module d'analyse multimédia avancé prenant en charge le balayage par tuiles SAHI pour les photos de groupe ou vidéos, la lecture vidéo avec suivi simultané, et un prédicteur de mouvement inspiré de ByteTrack pour les sujets en mouvement rapide.
Résultat
Livraison d'un hub de R&D biométrique entièrement autonome et fonctionnant hors ligne, atteignant une latence d'inférence inférieure à 50 ms, une défense robuste contre les attaques par usurpation (impression et relecture), et une architecture modulaire prête pour le déploiement en entreprise.