face-matching-kyc

Face Matching KYC

Workflow KYC — étapes numérotées

1. Détection et alignement de visage

Librairies recommandées (par priorité) :

Contexte	Librairie	Points repères
Mobile Android/iOS (offline)	MediaPipe FaceMesh	468 points
Qualité maximale (backend)	RetinaFace	5 points
Équilibre vitesse/qualité	MTCNN	5 points

Transform affine sur 5 points (yeux G/D, nez, coins bouche) → normalisation 112×112 px.

# Python – alignement avec insightface
from insightface.app import FaceAnalysis
app = FaceAnalysis(allowed_modules=["detection", "recognition"])
app.prepare(ctx_id=0, det_size=(640, 640))

def align_and_embed(img_bgr):
    faces = app.get(img_bgr)
    if not faces:
        raise ValueError("Aucun visage détecté")
    return faces[0].normed_embedding  # float32 array 512-D, L2-normalisé

Critères de rejet image avant traitement :

• Résolution < 224×224 px → IMAGE_QUALITY_LOW
• Confiance détection < 0.90 → NO_FACE_DETECTED
• Plus d'un visage détecté → MULTIPLE_FACES
• Blur score (Laplacien) < 100 → BLURRY_IMAGE

2. Extraction d'embedding facial

Modèle par contexte :

Modèle	Embedding	FAR @ threshold 0.75	Cas d'usage
ArcFace R100	512-D	~0.05%	KYC bancaire, onboarding critique
MobileFaceNet	128-D	~0.3%	Mobile, contrainte latence
FaceNet InceptionResNetV1	128-D	~0.1%	Backend général

Règle : toujours L2-normaliser l'embedding avant le calcul de similarité.

import numpy as np

def cosine_similarity(emb1: np.ndarray, emb2: np.ndarray) -> float:
    # Les embeddings insightface/ArcFace sont déjà L2-normalisés
    return float(np.dot(emb1, emb2))  # dot product = cosine similarity si normalisés

3. Seuil de décision — similarity score

Score cosinus   Décision             Cas d'usage
─────────────   ──────────────────   ─────────────────────────────────
< 0.65          REJECT               Blocage systématique
0.65 – 0.75     REVIEW               File de revue manuelle obligatoire
0.75 – 0.85     PASS (medium)        Login biométrique, flux secondaires
≥ 0.85          PASS (high)          Ouverture compte, transaction critique