InspireFace: Plattformübergreifendes C/C++-SDK für Face Recognition auf Edge-Geräten

Einleitung

Wir freuen uns, InspireFace vorzustellen – ein leistungsstarkes C/C++-SDK für Face Recognition, das speziell für plattformübergreifige Edge-Deployments entwickelt wurde. InspireFace bringt die State-of-the-Art-Face-Analysis-Technologien von InsightFace mit einer einheitlichen, leicht integrierbaren API auf Mobile-, Desktop- und Embedded-Systeme.

Kernfunktionen

Extreme Performance

InspireFace ist konsequent auf Geschwindigkeit optimiert:

• vollständige Pipeline (Detection + Alignment + Feature Extraction) in unter 2 ms auf dem iPhone 13 mit CoreML/ANE
• optimierte Inferenz für CPU, GPU und NPU
• kompakte Modelle für ressourcenbeschränkte Hardware

Plattformübergreifende Unterstützung

Deployments sind auf vielen Plattformen möglich:

• Linux: x86_64, ARM64, RISC-V
• macOS: Intel und Apple Silicon
• iOS: iPhone und iPad mit CoreML-Beschleunigung
• Android: ARM und x86 mit NNAPI-Unterstützung
• Embedded: Rockchip NPU (RK3588/RK3566/RK3568)
• CUDA: NVIDIA-GPU-Beschleunigung für Serverumgebungen

Umfassende Funktionalität

InspireFace liefert eine vollständige Face-Analysis-Pipeline:

• Face Detection: hochpräzise Lokalisierung von Gesichtern
• Face Recognition: Extraktion von ArcFace-basierten Identity Embeddings
• Face Alignment: präzise Landmark-Erkennung
• Attribute Analysis: Schätzung von Alter, Geschlecht und Ausdruck
• Liveness Detection: Anti-Spoofing gegen Presentation Attacks
• Head Pose Estimation: Schätzung von Yaw, Pitch und Roll
• Facial Action Detection: Erkennung von Blinzeln, Nicken und Kopfschütteln
• Mask Detection: Erkennung von Gesichtsmasken

Architektur

InspireFace basiert auf einer modularen, mehrschichtigen Architektur:

1. C API Layer: stabiles ABI für Sprachinteroperabilität

2. Core Engine: optimierte Inferenz-Pipeline

3. Backend Abstraction: austauschbare Backends wie ONNX Runtime, CoreML, TensorRT und RKNN

4. Model Management: effizientes Laden und Caching von Modellen

Schnellstart

C/C++-Integration

#include "inspireface.h"

// Initialize
HResult ret = HFLaunchInspireFace(model_path);

// Create session
HFSession session;
HFCreateInspireFaceSession(
    HF_ENABLE_FACE_RECOGNITION | HF_ENABLE_LIVENESS,
    HF_DETECT_MODE_ALWAYS_DETECT,
    3,  // max face count
    -1, // use default pixel format
    0,  // use default thread count
    &session
);

// Process image
HFImageData image = {width, height, 3, data};
HFImageStream stream;
HFCreateImageStream(&image, &stream);

// Detect and recognize
HFMultipleFaceData faces;
HFExecuteFaceTrack(session, stream, &faces);
HFFaceFeature feature;
HFExtractFaceFeature(session, stream, faces.tokens[0], &feature);

Python-Integration

import cv2
import inspireface as isf

# Initialize and create session
session = isf.InspireFaceSession(
    isf.HF_ENABLE_FACE_RECOGNITION | isf.HF_ENABLE_LIVENESS,
    isf.HF_DETECT_MODE_ALWAYS_DETECT
)

# Process image
image = cv2.imread("face.jpg")
faces = session.face_detection(image)

# Extract features
for face in faces:
    feature = session.face_feature_extract(image, face)
    print(f"Feature dimension: {len(feature)}")

Performance-Benchmarks

Lizenzierung

InspireFace ist in zwei Lizenzmodellen verfügbar:

• Academic License: kostenfrei für Forschung und Lehre
• Commercial License: für produktive Nutzung kontaktieren Sie uns bitte

Nächste Schritte

Dokumentation, Beispiele und vorgefertigte Binärdateien finden Sie im InspireFace GitHub repository. Für kommerzielle Lizenzanfragen erreichen Sie uns unter contact@insightface.ai.