Tarayıcıda Yüz ve Poz Tespiti

Ne işe yarar (iş diliyle)

Yüklenen fotoğraftan yüzleri ve insan pozunu (omuz, baş hattı) çıkarır. İş değeri ikili: (1) sunucu tarafında pahalı bir AI inference servisi koşturmazsınız — her kullanıcı kendi telefon/ laptop CPU’sunu kullanır, müşteriye marjinal maliyet sıfır. (2) Görsel cihazdan dışarı çıkmaz — KVKK/gizlilik açısından temiz, “fotoğrafımız buluta gitti mi?” sorusu yok.

Hangi müşteri/projelerde işe yarar

• Foto-yükleme + otomatik kırpma (vesikalık, sosyal profil avatarı)
• Etkinlik posteri / katılımcı görseli kompozisyonu (mevcut)
• AR / yüz filtreli kampanya mikrositeleri
• Çağrı merkezi / video kayıt ekran kaydında yüz blur’lama
• Veri-hassas senaryolar (sigorta hasar dosyası fotoğrafı, tıbbi görüntü ön-işleme)
• “Bu fotoğrafta kaç kişi var?” gibi sayma analitiği

Nasıl çalışır (kısa, sade)

Tarayıcı, Google’ın açık kaynak MediaPipe Tasks Vision WASM modülünü ilk fotoğrafta yükler. Yüklenen görseli bir canvas’a çizer; FaceLandmarker yüzleri kutu olarak, PoseLandmarker ise omuz ve baş üst noktalarını koordinat olarak verir. Noktalar canvas koordinatlarına dönüştürülür, üst hat dense bir kontur olarak çıkarılır. Tüm bu süreç saniyeler içinde, sunucuya hiçbir veri göndermeden tamamlanır.

Olgunluk

canlida-kanitlanmis. Açık kaynak ve standart browser yetenekleri kullanılıyor. Düşük spec’li eski mobile cihazlarda WASM init bir miktar yavaş olabilir; ilk yüklemede 1-2 saniye ek gecikme.

Teknik (geliştiriciler için)

• Kod: src/lib/mediapipe-detectors.ts (loader + landmarker singleton), src/lib/contour-detector.ts (detectContour orchestrator — FaceLandmarker + PoseLandmarker + dense contour üretimi).
• Bağımlılık: @mediapipe/tasks-vision (CDN’den model .task dosyaları çekilir).
• Girdi: HTMLImageElement veya Blob (kullanıcı yüklemesi).
• Çıktı: { faces[] (bbox), contour (dense points), pose top points[], strategy, warnings[] }
• Sınırlar: model dosyaları varsayılan CDN’den çekiliyor; kurumsal kapalı ağda self-host mirror şart. Çok yüksek çözünürlüklü fotoğraflarda WASM yavaşlar; otomatik downscale öneririz. Detection kalitesi standart bir profesyonel modele göre yeterli ama tıbbi seviye değil; o ölçekte insan onayı için manuel-kontur-editoru ile birleştirin.