.st0{fill:#FFFFFF;}

Las 10 principales API de Reconocimiento Facial 

 septiembre 14, 2020

Por  Felipe Arguello42

El reconocimiento facial se convierte cada día en una tecnología accesible para multiples aplicaciones de seguridad y de control de acceso. He aquí una selección de las principales API de Reconocimiento Facial disponibles y que podría utilizar en el desarrollo de sus aplicaciones y/o productos.

El reconocimiento facial es un sistema de procesos o algoritmos que traduce las características de un rostro de una fuente digital en números que se pueden utilizar para luego identificar el rostro.

La detección de rostros y la ética que rodea a la práctica se han convertido en un tema importante en tecnología y un tema válido en las discusiones políticas. El reconocimiento facial tiene algunos nombres diferentes (es decir, procesamiento de imágenes, visión por computadora) y cae en la categoría más amplia de inteligencia artificial y aprendizaje automático . Ha crecido de la mano del auge de las prácticas de ciencia de datos, el popular lenguaje de programación Python y la agregación de almacenes de datos masivos. Una de las técnicas de ciencia de datos que se puede utilizar para identificar un rostro es una red neuronal.

API de reconocimiento facial

  1. Kairos : ofrece una amplia variedad de soluciones de reconocimiento de imágenes a través de su API. Sus puntos finales API incluyen la identificación de género, edad, profundidad emocional, reconocimiento facial tanto en fotos como videos, y más.
  2. Trueface.ai – Un defecto con algunas API de reconocimiento facial es que no pueden diferenciar entre una cara y una imagen de una cara. TrueFace.ai resuelve ese problema con su capacidad de hacer parodia de detección a través de su API.
  3. Rekognition de Amazon : esta API de reconocimiento facial está completamente integrada en el ecosistema de Amazon Web Service. El uso de esta API facilitará la creación de aplicaciones que hagan uso de otros productos de AWS.
  4. Reconocimiento facial y detección facial por Lambda Labs : con más de 1,000 llamadas por mes en el nivel de precios gratis y solo $ 0.0024 por llamada API adicional, esta API es una opción realmente asequible para los desarrolladores que desean utilizar una API de reconocimiento facial.
  5. EmoVu by Eyeris – Esta API fue creada por Eyeris y es una API de reconocimiento de emociones basada en el aprendizaje profundo . EmoVu permite obtener excelentes resultados de reconocimiento de emociones mediante la identificación de microexpresiones faciales en tiempo real.

Microsoft y Google también en la lista

  1. Microsoft Face API : una genial característica que encontré mientras investigaba en Microsoft Face API, es que la API tiene la capacidad de hacer “búsquedas faciales similares”. Cuando a este punto final API se le da una colección de caras, y una nueva cara como una consulta, la API devolverá una colección de caras similares de la colección.
  2. Reconocimiento facial de Animetrics : mediante el uso de algoritmos avanzados de 2D a 3D, esta API convertirá una imagen 2D en un modelo 3D. El modelo 3D se usará para fines de reconocimiento facial.
  3. Face ++ : esta API también tiene un SDK sin conexión para iOS y Android para que puedas usar. El SDK fuera de línea no proporciona reconocimiento de rostros, pero puede realizar detección de rostros, comparación, rastreo y puntos de referencia, todo mientras el teléfono no tiene servicio celular.
  4. Google Cloud Vision : al integrarse en Google Cloud Platform, esta API será muy fácil de integrar en aplicaciones que ya utilizan otros productos y servicios de Google Cloud Platform.
  5. Reconocimiento visual de IBM Watson : ya sean caras, objetos, colores o alimentos, esta API le permite identificar muchos tipos diferentes de clasificadores. Si los clasificadores incluidos no son suficientes, entonces puede entrenar y usar sus propios clasificadores personalizados.

Las redes neuronales están un poco más allá del alcance de este artículo, pero deberíamos tener una idea general antes de usar la API. Si tuviéramos que enviar una imagen a una red neuronal , se procesaría en diferentes niveles. La red estaría tratando de responder una pregunta, por ejemplo, “ ¿Hay un rostro en esta imagen? “. Se seleccionarían secciones de la fotografía y el sistema recopilaría información sobre si la iluminación y los colores revelan bordes, curvas o un objeto. Esta información no significa nada a menos que el sistema tenga algo con qué compararla.

El sistema, hipotéticamente, tiene patrones de puntos de datos que se han identificado positivamente como caras parecidas. Si los puntos de datos recopilados de las secciones de la fotografía enviada son consistentes con los patrones de puntos de datos de las caras, entonces la red neuronal puede responder, «¡Sí, hay una cara en esta fotografía!», O «No creo que haya hay algo aquí ”. Normalmente, esto se hace con «intervalos de confianza» que están entre 0 y 1. 

Origen de la Imágenes

{"email":"Email address invalid","url":"Website address invalid","required":"Required field missing"}
>