FaceStream.AI
Real-time Face Recognition in Live Video, selbst-hostbare Computer-Vision-Plattform mit Anti-Spoofing
Problem. Gesichtserkennung in Live-Videoströmen ist rechenintensiv, latenzkritisch und, sobald sie sicherheitsrelevant wird, anfällig für Täuschung (Fotos, Videos, Masken). Cloud-Dienste scheiden aus, wenn Daten das eigene Netz nicht verlassen dürfen.
Architektur & Innovation. FaceStream.AI erkennt Gesichter in Echtzeit und liefert einen annotierten Videostream. Der Kern ist eine dockerisierte, konsequent mit Threading parallelisierte Pipeline: Detection und Recognition auf Basis der Modelle aus face_recognition, ergänzt um eine Silent-Face-Anti-Spoofing/Liveness-Stufe, einen Event-Log mit gespeicherten Treffern und einen konfigurierbaren UDP/HTTP-Notification-Service zur Integration in Fremdsysteme. RetinaFace wurde evaluiert, für die Live-Verarbeitung aber zugunsten der performanteren face_recognition-Modelle verworfen. Auch das Erkennungsintervall ist einstellbar, ein bewusstes Trade-off zwischen Genauigkeit und Ressourcenverbrauch.
Business Impact. Leichtgewichtig, edge-deploybar und vollständig self-hosted, nutzbar für Zutritt, Sicherheit und Automatisierung, ohne personenbezogene Daten in die Cloud zu geben.
Technologien: Python, Docker, face_recognition (dlib), Silent-Face-Anti-Spoofing, Multithreading, HTTP/UDP-Notifications.