Somos Huella

Repositorio: ML-FaceRecognizer · Producto: Somos Huella (somoshuella.org)

Sistema de reconocimiento facial para el reencuentro de personas. Las familias registran a un ser querido con una foto; quien lo encuentra sube una foto y el sistema devuelve posibles coincidencias con el contacto de la familia, para verificación humana. El nombre refleja la idea: cada rostro deja una huella —y cada persona que falta deja una huella en quienes la buscan.

⚠️ El sistema no identifica personas de forma automática. Devuelve candidatos probables ordenados por similitud. La confirmación siempre es humana.

Arquitectura (resumen)

El trabajo pesado de cómputo (generar embeddings de muchas fotos) corre en la GPU local (RTX 5060). El VPS sólo guarda los vectores y resuelve búsquedas, que son baratas.

┌────────────────────────┐         embeddings (vectores)        ┌─────────────────────┐
│  LOCAL — RTX 5060       │  ─────────────────────────────────► │  VPS OVH (CPU)      │
│  indexer/ (batch GPU)   │   index.npz / push API / pgvector    │  api/ search service │
│  genera embeddings      │                                      │  matching + REST     │
└────────────────────────┘                                      └─────────────────────┘
                                                                          ▲
                                                                          │ foto query
                                                                   ┌─────────────┐
                                                                   │ frontend     │
                                                                   │ Next.js      │
                                                                   └─────────────┘

Detalle completo en docs/ARCHITECTURE.md y specs en docs/specs/.

Componentes

Carpeta	Dónde corre	Rol
core/	local + VPS	Motor compartido: detección (MTCNN) + embeddings (InceptionResnetV1) + similitud
indexer/	local (GPU)	Indexado batch de la base de "buscados" → genera y sube embeddings
api/	VPS (CPU)	API REST de búsqueda y matching, endurecida (auth, validación, locking)
frontend/	Vercel/VPS	UI Next.js de registro y búsqueda (fase 3)

Hardware objetivo

• Local: RTX 5060 Laptop (8 GB VRAM, Blackwell sm_120) + 32 GB RAM → indexado GPU.
• VPS: OVH, 4 vCPU, 7.6 GB RAM, sin GPU → búsqueda y query embedding en CPU.

Setup rápido

Local (GPU — indexer)

py -3.12 -m venv .venv
.\.venv\Scripts\activate
pip install -r requirements-gpu.txt
python -c "import torch; print(torch.cuda.is_available(), torch.cuda.get_device_name(0))"

La RTX 5060 (Blackwell) requiere PyTorch con CUDA 12.8 (cu128). Wheels más viejos (cu118/cu121) fallan con no kernel image is available.

VPS (CPU — api)

python3.12 -m venv .venv && source .venv/bin/activate
pip install -r requirements-cpu.txt
uvicorn api.main:app --host 0.0.0.0 --port 8000

Estado

Proyecto en fase de planificación + migración desde el prototipo monolítico (reencuentros-ai en el VPS). Ver docs/specs/ para el detalle de cada fase.