待补充 facex-engine/facex

嵌入AI 3/5 🧩 软硬件结合 已发布
facex-engine 136 Stars 未知 BOM 完整度: 0/5 教程完整度: 0/5
查看源码
待补充

项目简介

Full face stack that runs entirely in the browser. Detection, 576-point 3D mesh, recognition, anti-spoof, smile — all We

FaceX 是一个完全运行在浏览器中的人脸分析全栈开源项目，核心能力涵盖人脸检测、98点关键点定位、576点三维网格重建、人脸识别以及被动活体检测，所有推理均在纯 WebAssembly 环境中完成，无需云端、Python 或服务器支持。项目所有模型均从零训练，包括基于 FCOS 的检测器、WFLW 训练的 98 点定位、MediaPipe 蒸馏的 3D 网格、MobileFaceNet + ArcFace 的识别模型（LFW 准确率 99.07%），以及 MiniFASNet 活体检测模块。权重文件采用 AES-256-GCM 加密，通过浏览器 WebCrypto 解密，在防止随意爬取的同时支持 SaaS 场景下的密钥吊销与审计。

标签

avx-512 avx2 biometrics c99 computer-vision

项目特点

**纯浏览器端运行**：所有推理在 WebAssembly 中完成，无需后端服务器、Python 环境或云端支持，开箱即用
**全栈人脸分析能力**：集成检测、关键点定位、3D网格重建、识别和活体检测五大核心功能，一站式解决人脸分析需求
**自研高性能模型**：所有模型从零训练，LFW 人脸识别准确率达 99.07%，3D网格模型从 MediaPipe 蒸馏优化
**模型安全加密**：权重文件使用 AES-256-GCM 加密，通过浏览器 WebCrypto API 解密，有效防止模型被随意爬取和滥用
**轻量高效部署**：无需安装任何依赖，只需一个现代浏览器即可运行，适合前端集成和边缘计算场景

技术规格

运行环境
人脸检测模型
关键点定位
3D网格重建
人脸识别模型
识别准确率（LFW）
活体检测模型
权重加密方式
解密方式
编程语言
许可证

项目资源

GitHub 仓库 项目主页

物料清单 (BOM)

物料名称 数量 参考价格 备注
FCOS 检测器权重 1 — 人脸检测模型
98点关键点定位权重 1 — WFLW 训练
576点3D网格权重 1 — MediaPipe 蒸馏
MobileFaceNet + ArcFace 权重 1 — 人脸识别，LFW 99.07%
MiniFASNet 活体检测权重 1 — 被动活体检测
AES-256-GCM 加密权重文件 5 — 所有模型权重均加密
WebAssembly 运行时 1 — 浏览器内置支持
WebCrypto API 1 — 浏览器内置解密接口

能力画像

**记忆与知识检索**：3/5 — 项目内置人脸识别模型，可进行人脸特征提取和比对，但无通用知识检索能力
**动手与操作**：2/5 — 纯软件项目，无需硬件操作，但需要一定的前端开发能力进行集成
**编程与算法**：4/5 — 涉及计算机视觉、深度学习模型部署、WebAssembly 编译等算法和编程知识
**设计与建模**：3/5 — 包含 3D 网格重建能力，可输出 576 点人脸三维模型，但非通用建模工具
**实验与调试**：3/5 — 可在浏览器中直接测试和调试人脸分析效果，但模型训练和优化需外部环境
**协作与分享**：2/5 — 开源项目，可通过 GitHub 协作，但当前社区活跃度一般
**学习与研究**：4/5 — 适合学习浏览器端深度学习部署、人脸分析算法、模型加密等前沿技术
**系统集成**：4/5 — 可轻松集成到前端应用、浏览器插件、边缘计算设备中，无需后端支持

所需技能

前端开发（JavaScript/HTML/CSS） 计算机视觉基础知识（人脸检测、关键点定位、人脸识别） 深度学习模型部署（ONNX、WebAssembly） 模型加密与解密原理（AES-256-GCM） 浏览器 API 使用（WebCrypto、WebAssembly） Git 版本控制基础

适用场景

前端人脸识别登录系统（无需后端服务器）
浏览器端实时人脸特效和滤镜应用
边缘计算设备上的人脸分析（如树莓派、平板）
隐私敏感场景下的本地人脸处理（数据不出浏览器）
教育科研：学习浏览器端深度学习部署和人脸分析算法
活体检测：防止照片、视频等欺骗攻击的被动活体检测
3D 人脸重建：用于虚拟形象、美颜、AR 应用