Реалізація розпізнавання облич у мобільному додатку

Реалізація розпізнавання облич у мобільному додатку

Додаток для верифікації клієнтів потребує точної біометрії, але неправильний антиспуфінг перетворює систему на фільтр для фото з екрану. Юридичні ризики не менші: невраховані вимоги GDPR або 152-ФЗ — прямий шлях до блокування додатку в сторах. Ми вирішуємо обидва рівні завдання — від детекції до compliance — під ключ.

Типова картина: розробник інтегрує ML Kit для детекції, вилучає face embedding через FaceNet і на цьому зупиняється. Перший же security review показує, що система пропускає роздруковану фотографію. А App Store Review відхиляє білд через відсутність явної згоди на збір біометрії. Щоб уникнути таких проблем, пайплайн потрібно будувати з урахуванням трьох обов'язкових кроків: детекція + alignment, embedding, антиспуфінг — і compliance-аудиту.

Наш досвід показує: без розділення пайплайну на незалежні кроки неможливо отримати стабільний результат на різних пристроях та освітленні. Нижче — як ми це робимо.

Як влаштований пайплайн розпізнавання облич?

Пайплайн складається з трьох послідовних кроків:

1. Детекція — знайти обличчя в кадрі, отримати bounding box та ключові точки (landmarks).
2. Верифікація/ідентифікація — отримати face embedding (128- або 512-мірний вектор) та порівняти з базою еталонів.
3. Антиспуфінг — переконатися, що перед камерою жива людина, а не фото/відео/маска.

Пропустити третій крок — означає створити систему, яку обходить будь-яка роздрукована фотографія. Навіть базовий пасивний антиспуфінг відсіює 70–80% простих атак.

Детекція та landmarks

Вибір бібліотеки залежить від платформи та вимог до точності. Порівняємо два основні підходи:

На iOS: VNDetectFaceLandmarksRequest з Vision framework. Повертає VNFaceObservation з landmarks (76 точок: контур обличчя, брови, ніс, губи, очі) та boundingBox. Працює on-device, без мережі, ~8–15 ms на iPhone 12.

На Android: ML Kit Face Detection з FaceDetectorOptions.ACCURATE. Повертає FirebaseFace з 468 точками при увімкненому setContourDetectionEnabled(true) — це повний face mesh. Важчий, але потрібний для точного вирівнювання обличчя перед embedding.

Face alignment перед інференсом embedding-моделі критичний. Без вирівнювання по очах точність face recognition падає на 15–25%. Геометрично: знаходимо центри очей, обчислюємо кут повороту, афінна трансформація до стандартного положення (очі на висоті 1/3 від верху, симетрично).

Embedding та порівняння

Стандарт — FaceNet (128D) або ArcFace (512D). FaceNet з коробки доступний як TFLite-модель. ArcFace — точніший, але важчий. Для мобілу: FaceNet INT8 — 12 MB, інференс ~35 ms на Pixel 6.

Косинусна відстань між векторами — основна метрика. Threshold для «одне обличчя»: зазвичай cosine similarity > 0.75. Поріг підбирається під конкретний датасет — це не універсальна константа.

Зберігання еталонних embeddings: в зашифрованому Keychain (iOS) або EncryptedSharedPreferences / Android Keystore (Android). Ніколи — вихідні фотографії. Embedding необоротний (теоретично), фотографія — ні.

Як працює антиспуфінг?

Два підходи:

Пасивний антиспуфінг швидший, але активний надійніший в 2 рази проти 3D-масок. Для банківських та фінтех-додатків рекомендуємо комбінацію: пасивний + активний challenge. Для корпоративного доступу пасивний достатній. Отримайте консультацію, щоб підібрати оптимальний метод під ваш сценарій.

Що потрібно для compliance?

Біометричні дані (face embedding — це біометрія згідно GDPR ст. 9 та 152-ФЗ ст. 11) потребують явної згоди користувача, окремої від загального Terms of Service. Зберігати embeddings в хмарі можна лише з шифруванням в транзиті та at rest та за наявності DPA з провайдером. Якщо додаток працює в РФ з російськими користувачами — вимоги 152-ФЗ про локалізацію даних.

В App Store Review Guidelines п. 5.1.1 прямо забороняє збирати біометрію без явного дозволу. Відмова в рев'ю за цим пунктом — не рідкість. Замовте аудит compliance на старті — це зекономить тижні доопрацювань.

Що входить в роботу

Реалізація включає:

• Інтеграцію детектора (Vision / ML Kit) та вибір моделі embedding (FaceNet / ArcFace)
• Розробку активного або пасивного антиспуфінгу
• Налаштування зашифрованого сховища еталонів
• Підготовку compliance-документації (згоди, DPA)
• Тестування на 100+ зразків атак (фото, відео, маска)
• Деплой в App Store / Google Play з супроводом рев'ю
• Вихідний код, документацію та навчання команди

Терміни та гарантії

Детекція + ідентифікація on-device без антиспуфінгу — 1–2 тижні. Повний пайплайн з антиспуфінгом, зашифрованим сховищем та compliance-аудитом — 3–4 тижні. Вартість розраховується індивідуально.

Ми гарантуємо точність не менше 95% FAR при 0.1% FRR на референсному датасеті (уточнюється під завдання). У нас 5+ років та 20+ проєктів з біометрією в банках та фіскальних системах. Зв'яжіться, щоб отримати консультацію та оцінити план інтеграції під ваш продукт.

Машинне навчання в мобільних застосунках: CoreML, TFLite та on-device LLM

Ми розрізняємо два принципово різних підходи: застосунок з on-device AI та застосунок, який просто викликає хмарне API. Перший працює без інтернету, не надсилає дані користувача на сторонні сервери та відповідає за 50 мілісекунд. Другий залежить від затримки мережі та тарифного плану. Вибір архітектури — ключовий етап, який безпосередньо впливає на вартість, приватність та користувацький досвід. Наш досвід показує: у 70% проектів on-device інференс виявляється дешевшим у довгостроковій перспективі завдяки виключенню серверних витрат. Економія може сягати 40% щомісячних витрат — отримайте консультацію, ми порахуємо для вашого кейсу.

Як вибрати між CoreML та TFLite для on-device інференсу?

CoreML — нативний фреймворк Apple для запуску ML-моделей на пристрої, описаний у документації Apple. Підтримує Neural Engine (A11 Bionic та новіші), GPU та CPU як fallback. Моделі конвертуються у формат .mlmodel через coremltools з PyTorch, ONNX або TensorFlow. Конвертація — не завжди тривіальна: кастомні шари вимагають реалізації MLCustomLayer, а квантизація до INT8 іноді помітно знижує точність на специфічних даних. Ми гарантуємо, що підсумкова модель проходить валідацію на реальних даних до та після конвертації.

TensorFlow Lite — крос-платформна альтернатива для Android та Flutter відповідно до специфікації Google. На Android використовує NNAPI (Neural Networks API) для апаратного прискорення — з Android 10+ NNAPI стабільніший, до цього краще явно використовувати GPU delegate через GpuDelegate. Типова помилка: модель навчена на нормалізованих даних у діапазоні [0,1], а в застосунку на вхід подається [0,255] — інференс працює, але з безглуздими результатами без помилки. Ми включаємо модуль автоматичної валідації вхідних даних у SDK.

Для задач класифікації зображень, детекції об'єктів та сегментації доступні готові оптимізовані моделі. YOLOv8 у CoreML форматі запускає детекцію кадру 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite з GPU delegate — близько 8 мс на Pixel 7 при класифікації.

Що робити, якщо потрібна генерація тексту на пристрої?

Запуск невеликих мовних моделей на пристрої став реальністю за останні роки. Apple Intelligence використовує власні моделі через Private Cloud Compute, але для сторонніх розробників доступні інші шляхи.

llama.cpp з Metal backend на iOS — робочий підхід для phi-3-mini (3.8B параметрів, 4-bit квантизація, ~2.3 ГБ). Інференс: 15–25 токенів/секунду на iPhone 15 Pro. Для інтеграції в Swift використовуємо Swift Package llama.swift або обгортку через C-інтерфейс llama.h. Бінарник до застосунку не додаємо — модель завантажується при першому запуску та зберігається в Application Support. Наші сертифіковані розробники налаштовують інкрементальне завантаження, щоб не блокувати перший запуск.

На Android аналог — Google AI Edge (колишній MediaPipe LLM Inference API) з підтримкою Gemma-2B. Працює через GPU delegate, на Tensor G3 чіпі Pixel 8 Pro — близько 20 токенів/секунду.

Інтеграція OpenAI API та інших хмарних моделей

Для сценаріїв, де cloud inference допустимий, інтеграція OpenAI, Anthropic або Google Gemini — це HTTP клієнт + streaming SSE. У Swift зручно через AsyncThrowingStream для стрімінгових відповідей. У Kotlin — через Flow.

Критично важливо: API-ключі ніколи не зберігаються в бандлі застосунку. Навіть обфускований ключ витягується з IPA за 10 хвилин через strings або frida. Правильна архітектура: мобільний застосунок → власний backend → OpenAI API. Backend контролює rate limiting, логує запити, захищає ключ.

Що входить у роботу (результати)

• Навчена та квантизована модель під цільовий пристрій (документація за метриками)
• SDK для інтеграції (Swift/Kotlin/Flutter) з прикладами виклику
• Тести продуктивності на 3–5 реальних пристроях
• Інструкція з оновлення моделі OTA
• Підтримка при проходженні модерації App Store / Google Play (перевірка відповідності Guidelines 4.2, 5.1)
• 2 тижні технічної підтримки після релізу

Типовий пайплайн проекту

1. Аналіз завдання — вимірюємо latency, privacy, size, підтримувані пристрої.
2. Прототипування моделі — в Python, оцінка accuracy на цільових даних.
3. Конвертація та квантизація — під CoreML/TFLite з валідацією.
4. Інтеграція в застосунок — модель обгортається в сервісний шар (легко замінювати CoreML → TFLite → хмара).
5. Тестування — на реальних пристроях, вимір FPS, RAM, батареї.
6. Деплой — через TestFlight / Firebase App Distribution, моніторинг метрик.

Терміни: інтеграція готової CoreML/TFLite моделі — 1–2 тижні, розробка кастомної моделі з мобільною оптимізацією — від 6 тижнів, on-device LLM чат з персоналізацією — 4–8 тижнів.

Чому ми беремося за складні кейси?

10+ років досвіду в мобільній розробці, 50+ впроваджених AI/ML рішень, гарантія сумісності з актуальними версіями iOS та Android. Всі проекти проходять code review та навантажувальне тестування. У вартість вже входить підготовка документації для модерації та навчання вашої команди.

Зв'яжіться з нами — ми допоможемо вибрати архітектуру та впровадити ML у ваш застосунок під ключ. Замовте аудит наявного рішення — безкоштовно оцінимо потенціал економії серверних витрат. Отримайте консультацію експерта — напишіть нам сьогодні.