LOCAL VISION INTELLIGENCE / DETECT / EMBED / TRACK / RETRIEVE
Face Scan
把一张目标照片，变成可追踪的本地检索能力
不是把摄像头喂给一个黑盒云服务，而是把检测、特征提取、轨迹去重、相似度检索和可视化收进同一条本地 Pipeline：给它一张照片，它就能在图片、视频、桌面摄像头和浏览器画面里认真帮你找人。
真实现场不会配合模型。
人脸识别最容易被演示视频里的完美光线骗过：真实输入里有模糊、侧脸、遮挡、重复帧和设备性能差异。项目需要同时做到结果可解释、实时流畅、不过度重复计算，并让阈值和隐私边界始终留在使用者手里。
每个判断都能被追踪。
以 YuNet 完成人脸检测、以 SFace INT8 提取 embedding，并把质量门控、轻量轨迹预测和精确余弦检索串成统一 Pipeline。每条轨迹只在首次出现、质量提升或刷新到期时更新特征；CPU 与 OpenCV CUDA 自动短基准后再选路，避免为了 GPU 三个字母反而把体验跑慢。
不是一次推理，
是一条可观察的链路。
Image / Compare
目标照片建模、两图余弦对比、候选排名和标注导出
Stream Pipeline
视频、相机、浏览器 JPEG 帧共享检测、识别、跟踪和渲染链路
Face Library
SQLite 人脸样本、相似度检索、人物合并与本地数据管理
Quality Gate
清晰度、尺寸、曝光、对比度与检测置信度共同决定是否计算特征
Tracker
IoU、中心距离、速度预测与刷新策略，减少同一张脸的重复推理
Console / API
本地 Web 控制台、MJPEG 预览、快照、健康状态和 JSON 结果
系统确认了什么
6 EVENTS- INFO
图片检索、两图对比、视频、桌面摄像头与浏览器摄像头统一接入
VERIFIED - INFO
YuNet 检测 + SFace INT8 embedding，本地计算不依赖远程识别服务
VERIFIED - INFO
matched / suspicious / unknown 三段式状态，避免把阈值伪装成确定性结论
VERIFIED - INFO
质量门控、轨迹去重与抗抖动跟踪，降低逐帧重复计算
VERIFIED - INFO
SQLite 人脸库、人物样本合并、候选排名与 HTTP API
VERIFIED - INFO
人流密度、拥挤帧、快速移动等轻量现场提示指标
VERIFIED
后续演进 · 以下为路线图，具体阶段以项目说明为准。
从验证样本到实时现场
先把“找得到”做成可验证的工具
- 目标照片建库与图片检索
- 两图对比及阈值判断
- 单目标视频 / 摄像头识别
- 本地控制台与标注结果导出
让实时检索更稳，也让现场信息更可读
- 多目标与 SQLite 人脸库
- 质量过滤、轨迹去重与抗抖动
- 浏览器摄像头与 MJPEG 服务
- 密度、拥挤与快速移动提示
能力边界
也是系统的一部分。
- 01
本地优先：模型、特征与人脸库默认留在本机，不把隐私当作一个可选插件。
- 02
阈值不是概率承诺：不同镜头、光线和人群必须用验证集重新标定。
- 03
先解释再判断：低质量人脸仍可返回位置与拒绝原因，而不是悄悄消失。
- 04
能力有边界：不提供活体检测、防照片攻击或法律合规自动判断，也不把轻量指标包装成完整行为分析。