mediapipe_face_mesh
Installation
SKILL.md
mediapipe_face_mesh
MediaPipe Face Mesh genera 468 landmarks 3D en tiempo real. Es la base de todos los challenges activos: detección de parpadeo, giro de cabeza y expresiones faciales.
When to use
Usar en todos los challenges de liveness activo que requieren detectar movimiento o expresión facial específica.
Instructions
- Instalar:
pip install mediapipe. - Inicializar:
mp_face_mesh = mp.solutions.face_mesh.FaceMesh(static_image_mode=False, max_num_faces=1, refine_landmarks=True, min_detection_confidence=0.5, min_tracking_confidence=0.5). - Procesar frame:
results = mp_face_mesh.process(rgb_frame). - Extraer landmarks:
landmarks = results.multi_face_landmarks[0].landmark→ lista de 468 puntos (x, y, z normalizados). - Índices clave para cada tarea: ojos (33, 133, 159, 145, 158, 153 para ojo izquierdo), nariz (1, 4), boca (61, 291, 13, 14).
- Proyectar coordenadas 3D a 2D con la dimensión del frame para cálculos de posición.
Notes
refine_landmarks=Trueañade landmarks de iris (precisión extra para blink detection).- Ejecutar en hilo dedicado para no bloquear el pipeline principal.
- Documentación oficial: https://google.github.io/mediapipe/solutions/face_mesh
Related skills
More from davidcastagnetoa/skills
traefik
Reverse proxy moderno con autodiscovery nativo en Kubernetes y Let's Encrypt
66easyocr
OCR alternativo a PaddleOCR, excelente en caracteres especiales y múltiples scripts
33prisma-nestjs-patterns
>
26c4_model_structurizr
Diagramas de arquitectura C4 como código con Structurizr DSL, versionados en Git
23exif_metadata_analyzer
Analizar metadatos EXIF para detectar edición previa con Photoshop, GIMP u otros editores
19asyncpg
Cliente PostgreSQL async de alto rendimiento para el backend FastAPI del pipeline KYC
14