--- title: Professional Face Recognition API emoji: 🛡️ colorFrom: green colorTo: blue sdk: docker pinned: false --- # 🛡️ FaceID Pro: Enterprise Facial Recognition API EN: System version: 1.0.1 Primary Engine: Nexar_Core_v1 AR: نسخة النظام: 1.0.1 المحرك الأساسي: Nexar_Core_v1 # الوصف: واجهة برمجة تطبيقات متطورة للتعرف على الوجوه، المقارنة البيومترية، واستخراج المعالم الرقمية بدقة عالية. # Description: A sophisticated, biometric-based API with a high degree of digital extraction. # نظام الحضور الذكي Pro v1.0 توفر واجهة برمجة التطبيقات هذه إمكانيات متقدمة للتعرف على الوجوه وتتبعها في الوقت الفعلي. يمكنك استخدامها لأنظمة الحضور، والأمن، أو تحديد العملاء المهمين. التعرف على الوجوه على مستوى المؤسسات: المقارنة، واستخراج الميزات، والتسجيل. # 🛡️ Smart Attendance Pro v1.0 This API provides advanced facial recognition and real-time tracking capabilities. You can use it for attendance systems, security, or identifying important clients.Enterprise-grade Face Recognition: Comparison, Feature Extraction, and Enrollment. ## 🛠 الميزات الرئيسية * **الكشف عن الوجوه:** تحديد مواقع الوجوه بدقة في الصور. * **استخراج الميزات (التضمينات):** تحويل الوجوه إلى متجهات ثنائية الأبعاد (128/512). * **مقارنة الوجوه:** مطابقة الوجوه بدقة عالية. * **الأداء الفوري:** مُحسَّن لاستجابة سريعة. ## 🛠 Key Features * **Face Detection:** Accurately locate faces in images. * **Feature Extraction (Embeddings):** Convert faces into 128/512-d vectors. * **Face Comparison:** Match faces with high precision. * **Real-time Performance:** Optimized for low-latency response. # 🔐 الأمان والتحقق (Authentication) - [ ] تعتمد جميع نقاط الاتصال (Endpoints) على نظام التحقق عبر مفتاح الـ API. يجب تضمين المفتاح في Header الطلب تحت اسم X-API-KEY. - [ ] All endpoints rely on API key verification. The key must be included in the request header under the name X-API-KEY. Header Name: X-API-KEY Value: <YOUR_PRIVATE_API_KEY> # 🚀 Key Contact Points (Endpoints) # 📍 نقاط الاتصال الأساسية (Endpoints) 1. استخراج البصمة الرقمية (/extract_features) - [ ] تُستخدم لتحويل صورة الوجه إلى مصفوفة رقمية (Vector) مكونة من 512 بعداً. هذه المصفوفة هي "البصمة" التي يمكن تخزينها في قاعدة البيانات. - [ ] It is used to convert a facial image into a digital matrix (vector) consisting of 512 dimensions. This matrix is the "fingerprint" that can be stored in a database. - طريقة الطلب How to order: POST - نوع البيانات - multipart/form-data - المعاملاتTransactions: * file: صورة-image (JPG/PNG/JPEG). - نموذج الاستجابة Response model: (Success 200): ``` { "face_detected": true, "embedding": [0.0243, -0.0080, ...], // 512-dimension vector "bbox": [112, 72, 339, 417] // [x1, y1, x2, y2] } ``` 2. مقارنة الوجوه (/compare) - [ ] تقيس مدى التطابق بين وجهين في صورتين مختلفتين وتُرجع نتيجة منطقية بناءً على عتبة الثقة (Threshold). - [ ] It measures the degree of similarity between two faces in two different images and returns a logical result based on a confidence (Threshold). - طريقة الطلب How to order: POST - المعاملاتTransactions: * file1: الصورة الأولى-First picture & file2: الصورة الثانية-The second picture. - نموذج الاستجابة Response model: (Success 200): ``` { "is_same_person": true, "similarity_score": 0.8542, // النطاق من 0 إلى 1 "face1_bbox": [x1, y1, x2, y2], "face2_bbox": [x1, y1, x2, y2], "threshold": 0.40 } ``` 3. التعرف على الهوية (/identify) - [ ] تبحث عن الوجه المرفوع داخل قاعدة بيانات الوجوه المسجلة مسبقاً على السيرفر. - [ ] It searches for the uploaded face within the database of faces previously registered on the server. - طريقة الطلب How to order: POST - المعاملاتTransactions: * file: صورة الشخص المراد التعرف عليه-A picture of the person to be identified. - نموذج الاستجابة Response model: (Success 200): ``` { "status": "online", "face_detected": true, "match": { "name": "MOHAMED_ALI", "confidence": 0.91, "bbox": [110, 80, 300, 400] } } ``` 4. تسجيل وجه جديد (/enroll_local) - [ ] تقوم بحفظ صورة الشخص واستخراج بصمته وتحديث قاعدة البيانات اللحظية (Memory Cache). - [ ] It saves the person's image, extracts their fingerprint, and updates the real-time database (Memory Cache). - طريقة الطلب How to order: POST - المعاملاتTransactions: * name: اسم الشخص (Text)-Person's name (Text) & file: صورة واضحة للوجه- صورة واضحة للوجه. - نموذج الاستجابة Response model: (Success 200): ``` { "status": "success", "enrolled_name": "NEXAR_USER", "bbox": [x, y, x2, y2], "info": "Face enrolled and database reloaded" } ``` # 🛠️ أمثلة الدمج (Integration Examples) **1. استخدام Use : Python (Requests)** import requests (URL Here) =[ "https://api.yourdomain.com/identify"] ``` headers = {"X-API-KEY":"YOUR_SECRET_KEY"} files = {'file': open('person.jpg', 'rb')} response = requests.post(url, headers=headers, files=files) result = response.json() if result['face_detected']: print(f"Detected: {result['match']['name']} with {result['match']['confidence']}% confidence") ``` **2. استخدام Use: JavaScript (Axios)** ``` const axios = require('axios'); const formData = new FormData(); formData.append('file', fs.createReadStream('face.jpg')); axios.post('https://api.yourdomain.com/extract_features', formData, { headers: { ...formData.getHeaders(), 'X-API-KEY': 'YOUR_SECRET_KEY' } }).then(res => console.log(res.data)); ``` # ⚠️ رموز الأخطاء (Error Handling)

الكود	المعنى	السبب المحتمل
400	Bad Request	ملف الصورة معطوب أو المتغيرات ناقصة
403	Forbidden	مفتاح الـ API غير صحيح أو مفقود
405	Method Not Allowed	محاولة استخدام GET بدلاً من POST
500	Server Error	فشل في محرك الاستدلال (Nexar_Core_v1) أو نقص في الموارد

# 💡 نصائح للأداء الأمثل الدقة: يفضل ألا يقل حجم الصورة عن 640x480 بكسل. العتبة (Threshold): القيمة الافتراضية هي 0.40. إذا كنت تريد نظاماً أكثر صرامة (مثلاً للعمليات المالية)، ارفعها لـ 0.50. التخزين: ميزة الـ extract_features تمكنك من بناء نظام بحث مليونير باستخدام قواعد بيانات مثل Milvus أو Pinecone عبر تخزين الـ embedding فقط. # 💡 Tips for optimal performance Resolution: The image size should ideally be at least 640x480 pixels. Threshold: The default value is 0.40. If you require a more stringent system (e.g., for financial transactions), increase it to 0.50. Storage: The extract_features feature allows you to build a millionaire search system using databases like Milvus or Pinecone by storing only the embedding. ## 🛠️ Tech Stack * **Backend:** FastAPI (Python) * **AI Engine:** NEXAR (Nexar_Core_v1 model) * **Computer Vision:** OpenCV * **Deployment:** Dockerized for easy scaling