后使用快捷导航没有帐号？
<div class="mn"
虹软SDK在光线不足或者光线太强烈不能识别有人脸
虹软SDK在光线不足或者光线太强烈不能识别有人脸，是我用sdk的问题，还是sdk不支持啊。
光先不足时，摄像机用红外线可以呈现图像，但虹软sdk不能识别是否有人脸。怎么处理可以识别出人脸啊？
红外的图像应该是BGR三个通道都一样的黑白图像，人脸检测的sdk对这种图像貌似做了一些限制，人脸识别其实是可以的。有一个办法是，如果设备性能允许可以的情况下，把图像的BGR三通道中的BG通道数值除以二后再进行人脸检测，就可以检测到人脸了
&&var data = outputStream.ToArray();
& && && && && && && && &//byte[] InfraredData = new byte[];
& && && && && && && && &//for (int i=0;i& data.Li++)
& && && && && && && && &//{
& && && && && && && && &//& & if (i & 1280 * 960 * 2)
& && && && && && && && &//& & {
& && && && && && && && &//& && &&&InfraredData[i] = (byte)(data[i]/2);
& && && && && && && && &//& & }
& && && && && && && && &//}
的分辨率，这样反而视频也只能看到2/3,不可以检测，还有红外线的黑白图，sdk根本检测不到任何人脸特征，怎么匹配。你能写一点算法给我看看吗？
var data = outputStream.ToArray();
& && && && && && && && &//byte[] InfraredData = new byte[1280*9 ...
var data = outputStream.ToArray();
& && && && && && && && &//byte[] InfraredData = new byte[];
& && && && && && && && &//for (int i=0;i& data.Li+=3)
& && && && && && && && &//{& && && && && && && && &//& & InfraredData
= data / 2;
& && && && && && && && &//& & InfraredData [i + 1] = data[i + 1] / 2;
& && && && && && && && &//& & InfraredData [i + 2] = data[i + 2];
& && && && && && && && &//}
在你的代码基础上改的，如果data是BGR24的数据的话这样就可以检测，你可以试试
谢谢您的方法，解决了
catzhou发表于
haoliao发表于
仰天常笑。发表于
haoliao发表于
LinyangMeng发表于
Copyright & 2016
Powered by?虹软人力资源
?实习生招聘
请登录虹软开发者账号下载，若没有开发者账号，请注册。 您可以利用虹软开发者账号下载使用引擎。
&&登录&&&或&&注册账号
商务合作：
咨询电话：
论坛交流：
QQ交流群：
地址： 杭州市西湖区西斗门路3号天堂软件园A幢23楼免费离线人脸识别技术：虹软方案无需联网，还发布年龄性别引擎包免费离线人脸识别技术：虹软方案无需联网，还发布年龄性别引擎包雷锋网百家号说到人工智能，不免会与大数据、云处理相关联，似乎人工智能天生需要网络。但是若你认为人工智能必然需要网络你就错了。AlphaGo拔掉网线也强大、iPhone X没有网络依旧可解锁，在国内虹软则免费开放了其支持离线的人脸识别技术，而且除了检测、跟踪、识别功能，现在也支持对年龄与性别的识别。11月25日，在杭州举行的虹软AI技术沙龙会上，来自全国各地的企业分享了自己在AI应用上的心路历程。他们有深耕行业领域的大佬，有专做软硬结合解决方案的企业，有专注社交应用APP的开发团队。涉及景区、旅游、机器人、智能家居、安保、新零售等领域。大家一致认为虹软的开放版本是他们最想要的，最重要的是离线，同时无论是侧脸、暗光还有性能均是大大高于Baidu、Face++ 等产品的。 “我的应用场景没有网络。”“用户数据隐私需要保护，无法布局互联网。”“网络不稳定，数据传输时快时慢。”人工智能的强大不用说，各行各业都磨刀霍霍想着利用AI技术促进产业升级，提高生产效率与成本，新产业也因为人工智能的发展初步萌芽。但是在不同的场景不同的产业有着不同的环境，在有网络的条件下，人工智能可以借助网络，运用大的模型去处理，利用超级快速的运算能力迅速反应。但是当没有网络的时候呢？当需要控制硬件成本的时候呢？离线则成为人工智能技术落地的关键。离线引擎需要模型足够小，消耗资源少，而且需要在普通甚至终端的设备中速度有保证。这事实上比云模式的人工智能更难，更有挑战性。离线引擎既需要需要拥有强大的处理能力，又需要节省资源、降低运行功耗。从理论上来说这本身就是一个违反规律的黑技术。而这种黑科技虹软是行业的佼佼者，他的双摄算法能力已经充分说明其竞争力与实用性。而其开放的人脸认知引擎则给企业带来了绝对的AI应用工具。来想象一下，离线的人脸识别引擎可以在哪些场景具有优势：机器人识别人物：无需网咯，机器人可以识别家人、客户、识别人物性别、年龄，从而提供不一样的差异化服务，喊一声阿姨、叫一声小朋友、欢迎VIP用户是不是更为亲切呢。资源控制：曾几何时，公共厕纸机也进入我们的视界，用人脸控制公共资源，节省公共资源也是行业的最大痛点人证比对：火车站、旅游景点、关口、机场，客户的脸就是门票、车票、机票，是不是更方便，而离线是不是又是必须的呢。人脸门禁与闸机：固定的场所，确定的人员，刷脸即可。智能家居：人脸门锁，人脸灯控、人脸音响已不用多说，您可能有更多想象社区监控：社区门禁、安保报警、黑名单监控，人脸识别打造智慧社区……面对人脸识别应用的深入，现在算法与行业事实上都已有了足够的准备，而最主要的可能是如何让中小企业更便利、更便捷的使用算法才是接下来应用落地的关键。离线方案的重要性将会越来越突出。本文仅代表作者观点，不代表百度立场。系作者授权百家号发表，未经许可不得转载。雷锋网百家号最近更新：简介:雷锋网——关注智能与未来！作者最新文章相关文章虹软的免费人脸识别SDK怎么样？有哪位大神用过？
[问题点数：50分]
虹软的免费人脸识别SDK怎么样？有哪位大神用过？
[问题点数：50分]
不显示删除回复
显示所有回复
显示星级回复
显示得分回复
只显示楼主
2014年 总版技术专家分年内排行榜第二
2013年 总版技术专家分年内排行榜第三
匿名用户不能发表回复！|&基于虹软人脸识别引擎，在平台上实现人脸识别功能，即使在离线的情况下依旧运行，不被人采集个人照片的感觉，还是爽爽的。经过整个过来，虹软的人脸识别还是很强大的，人脸检测可以控制在20ms之内，人脸识别大概在200ms左右。今天就来分享一下开发经验
项目的目标
我们需要实现一个人脸识别功能。简单来说，就是机的后置摄像头，识别摄像头中实时拍到的人脸信息，如果人库注册过，则显示识别后的人脸信息，如登记的名字；如果不在，提示未注册。&这个功能具有多个应用场景，比如，火车站或者打卡和门禁系统中。
人脸识别的过程
人脸识别包括两个必备的过程，人脸注册和实时识别。&人脸注册是指把人脸的特征信息注册到人脸信息库中。人脸注册的来源可以有很多种，比如
国家身份证库
企业自建人脸识别库
人脸特征提取是一个不可逆的过程，你无法从人脸特征信息还原一个人的脸部照片。
在线库在使用时，需要传递照片信息，或者提取图像特征值，
离线的SDK相对安全，但是，在线的SDK通常提供更多的接入和调用方式，这个要结合实际情况来选择。
人脸注册和识别的过程可以用下面的图来表示。&
在开发之前需要到虹软的官网&&下载用到的库，下载的压缩包中有3个压缩包，如下图：&
其中，第一个Face Detection，人脸检测。&人脸检测是人脸技术的基础，使用虹软人脸引擎，能够帮助您检测并且定位到影像（图片或者视频）中的人脸。
第二个Face Recognition，
人脸识别。引擎可独立运行在终端设备或者独立服务器中，应用端可独立完成运行，能保证用户数据的私密性，自主运营与保护用户敏感信息。&第三个Face Tracking，
人脸跟踪。精确定位并追踪面部区域位置，随着人物脸部位置的变化能够快速定位人脸位置，并且适用于不同表情、性别、年龄、姿态、光照等条件。
这三包的结构基本相同，我们需要把它们解压。
doc 此目录中存放GUIDE文档，是说明文档，里面介绍了公开发布的一些API，并提供了示例代码。
libs 开发中需要用到的库，需要把它们目录结构不变的全部引用到你的项目项目中。
sampleCode 示例代码
版本与环境要求
根据SDK的说明，我们使用的版本为android arm32，版本为5.0.我们使用的IDE为android studio,你也可以使用eclipse，不过依然建议你使用android studio，因为它现在已经是事实上的标准。
一步一步实现人脸识别功能
本文将以这三个库为基础，从人脸注册开始，到人脸识别结束。全程演示人脸识别的流程。如果你不想从头开始，你可以到&下载完整的示例程序
打开android studio,建立项目，API兼容性选择4.0。
导入依赖包
虹软人脸SDK的包是so包，你可以在下载的压缩包中把这些文件找到并导入。&导入后的工程文件夹如下所示。
定义并实现人脸库的相关功能
如前面所述，我们希望定义自己 的人脸库，人脸库在程序中使用List存储，在系统中保存为txt文件。
通过查询引擎，可以知道人脸信息是保存在AFR_FSDKFace类中的。这的主要结构为
public static final int FEATURE_SIZE = <span class="hljs-number" style="color: #020;
byte[] mFeatureD
我们需要定义另外一个类来把人脸信息和姓名关联起来。
class FaceRegist {
List&AFR_FSDKFace& mFaceL
public FaceRegist(String name) {
mFaceList = new ArrayList&&();
包含特征信息的长度和内容的byte数组。&我们把这些功能定义在类FaceDB中。FaceDB需要包含引擎定义，初始化，把人脸信息保存在版本库和从版本库中读出人脸信息这些功能
初始化引擎
为了程序结构性考虑，我们将人脸识别相关的代码独立出来一个类FaceDB,并定义必要的变量
public static String appid = "bCx99etK9Ns4Saou1EbFdC18xHdY9817EKw****";
public static String ft_key = "CopwZarSihp1VBu5AyGxfuLQdRMPyoGV2C2opc****";
public static String fd_key = "CopwZarSihp1VBu5AyGxfuLXnpccQbWAjd86S8****";
public static String fr_key = "CopwZarSihp1VBu5AyGxfuLexDsi8yyELdgsj4****";
String mDBP
List&FaceRegist& mR
AFR_FSDKEngine mFRE
AFR_FSDKVersion mFRV
定义有参数的构造函数来初始化引擎
public FaceDB(String path) {
mRegister = new ArrayList&&();
mFRVersion = new AFR_FSDKVersion();
mUpgrade = false;
mFREngine = new AFR_FSDKEngine();
AFR_FSDKError error = mFREngine.AFR_FSDK_InitialEngine(FaceDB.appid, FaceDB.fr_key);
if (error.getCode() != AFR_FSDKError.MOK) {
Log.e(TAG, "AFR_FSDK_InitialEngine fail! error code :" + error.getCode());
mFREngine.AFR_FSDK_GetVersion(mFRVersion);
Log.d(TAG, "AFR_FSDK_GetVersion=" + mFRVersion.toString());
定义析构函数释放引擎占用的系统资源
public void destroy() {
if (mFREngine != null) {
mFREngine.AFR_FSDK_UninitialEngine();
实现人脸增加和读取功能
通常人脸库会存放在数据库中，本次我们使用List来进行简单的模拟，并将其保存在文本文件中，需要时从文本中读取，保存时写入到文件中。
我们使用addFace方法将待注册的人脸信息添加到人脸库中
void addFace(String name, AFR_FSDKFace face) {
boolean add = true;
for (FaceRegist frface : mRegister) {
if (frface.mName.equals(name)) {
frface.mFaceList.add(face);
add = false;
if (add) {
FaceRegist frface = new FaceRegist(name);
frface.mFaceList.add(face);
mRegister.add(frface);
if (!new File(mDBPath + "/face.txt").exists()) {
if (!saveInfo()) {
Log.e(TAG, "save fail!");
FileOutputStream fs = new FileOutputStream(mDBPath + "/face.txt", true);
ExtOutputStream bos = new ExtOutputStream(fs);
bos.writeString(name);
bos.close();
fs.close();
fs = new FileOutputStream(mDBPath + "/" + name + ".data", true);
bos = new ExtOutputStream(fs);
bos.writeBytes(face.getFeatureData());
bos.close();
fs.close();
} catch (FileNotFoundException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
使用loadFaces从文件中读取人脸
public boolean loadFaces(){
if (loadInfo()) {
for (FaceRegist face : mRegister) {
Log.d(TAG, "load name:" + face.mName + "'s face feature data.");
FileInputStream fs = new FileInputStream(mDBPath + "/" + face.mName + ".data");
ExtInputStream bos = new ExtInputStream(fs);
AFR_FSDKFace afr = null;
if (afr != null) {
if (mUpgrade) {
face.mFaceList.add(afr);
afr = new AFR_FSDKFace();
} while (bos.readBytes(afr.getFeatureData()));
bos.close();
fs.close();
return true;
} catch (FileNotFoundException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
if (!saveInfo()) {
Log.e(TAG, "save fail!");
return false;
实现业务逻辑
实现人脸注册功能
人脸识别的前提条件就是人脸信息要先注册到人脸库中，注册人脸库
第一步当然是获取待注册的照片，我们可以可以使用摄像头，也可以使用照片。我们使用AlertDialog弹出选择框
new AlertDialog.Builder(this)
.setTitle("请选择注册方式")
.setIcon(android.R.drawable.ic_dialog_info)
.setItems(new String[]{"打开图片", "拍摄照片"}, this)
在对应的事件处理函数中进行处理
switch (which){
case <span class="hljs-number" style="color: #://摄像头
Intent getImageByCamera = new Intent("android.media.action.IMAGE_CAPTURE")
ContentValues values = new ContentValues(<span class="hljs-number" style="color: #)
values.put(MediaStore.Images.Media.MIME_TYPE, "image/jpeg")
mPath = getContentResolver().insert(MediaStore.Images.Media.EXTERNAL_CONTENT_URI, values)
getImageByCamera.putExtra(MediaStore.EXTRA_OUTPUT, mPath)
startActivityForResult(getImageByCamera, REQUEST_CODE_IMAGE_CAMERA)
case <span class="hljs-number" style="color: #://图片
Intent getImageByalbum = new Intent(Intent.ACTION_GET_CONTENT)
getImageByalbum.addCategory(Intent.CATEGORY_OPENABLE)
getImageByalbum.setType("image/jpeg")
startActivityForResult(getImageByalbum, REQUEST_CODE_IMAGE_OP)
获取一张照片后，后续我们就需要实现人脸检测功能。
if (requestCode == REQUEST_CODE_IMAGE_OP && resultCode == RESULT_OK) {
mPath = data.getData();
String file = getPath(mPath);
在上面的代码中，我们获取到了我们需要的图像数据bmp，把图片取出来&我们在Application类用函数 decodeImage中实现这段代码
public static Bitmap decodeImage(String path) {
Bitmap res
ExifInterface exif = new ExifInterface(path)
int orientation = exif.getAttributeInt(ExifInterface.TAG_ORIENTATION, ExifInterface.ORIENTATION_NORMAL)
BitmapFactory.Options op = new BitmapFactory.Options()
op.inSampleSize = <span class="hljs-number" style="color: #
op.inJustDecodeBounds = false
//op.inMutable = true
res = BitmapFactory.decodeFile(path, op)
//rotate and scale.
Matrix matrix = new Matrix()
if (orientation == ExifInterface.ORIENTATION_ROTATE_90) {
matrix.postRotate(<span class="hljs-number" style="color: #)
} else if (orientation == ExifInterface.ORIENTATION_ROTATE_180) {
matrix.postRotate(<span class="hljs-number" style="color: #0)
} else if (orientation == ExifInterface.ORIENTATION_ROTATE_270) {
matrix.postRotate(<span class="hljs-number" style="color: #0)
Bitmap temp = Bitmap.createBitmap(res, <span class="hljs-number" style="color: #, <span class="hljs-number" style="color: #, res.getWidth(), res.getHeight(), matrix, true)
Log.d("com.arcsoft", "check target Image:" + temp.getWidth() + "X" + temp.getHeight())
if (!temp.equals(res)) {
res.recycle()
return temp
} catch (Exception e) {
e.printStackTrace()
return null
调用AFD_FSDK_StillImageFaceDetection返回检测到的人脸信息
人脸注册 ，首先要先检测出来人脸，对于静态图片，虹软人脸SDK中对应的是FD，提供了一个方法名称，叫AFD_FSDK_StillImageFaceDetection 。&我们来看一下参数列表
类型 名称 说明&byte[] data 输入的图像数据&int width 图像宽度&int height 图像高度&int format 图像格式&List list 检测到的人脸会放到到该列表里。
注意AFD_FSDKFace对象引擎内部重复使用,如需保存,请clone一份AFD_FSDKFace对象或另外保存
AFD_FSDKFace是人脸识别的结果，定义如下
public class AFD_FSDKFace {
mRect定义一个了一个矩形框Rect
在此之前我们需要注意虹软人脸SDK使用的图像格式是NV21的格式，所以我们需要将获取到的图像转化为对应的格式。在Android_extend.jar中提供了对应的转换函数
byte[] data = new byte[mBitmap.getWidth() * mBitmap.getHeight() * 3 / 2];
ImageConverter convert = new ImageConverter();
convert.initial(mBitmap.getWidth(), mBitmap.getHeight(), ImageConverter.CP_PAF_NV21);
if (convert.convert(mBitmap, data)) {
Log.d(TAG, "convert ok!");
convert.destroy();
现在我们就可以调用AFD_FSDK_StillImageFaceDetection方法了
= engine.AFD_FSDK_StillImageFaceDetection(data, mBitmap.getWidth(), mBitmap.getHeight(), AFD_FSDKEngine.CP_PAF_NV21, result);
绘出人脸框
在List中保存了检测到的人脸的位置信息和深度信息。&我们可以将检测到的人脸位置信息在图片上用一个矩形框绘制出来表示检测到的人脸信息。
Canvas canvas = mSurfaceHolder.lockCanvas()
if (canvas != null) {
Paint mPaint = new Paint()
boolean fit_horizontal = canvas.getWidth() / (float)src.width() & canvas.getHeight() / (float)src.height() ? true : false
float scale = <span class="hljs-number" style="color: #.0f
if (fit_horizontal) {
scale = canvas.getWidth() / (float)src.width()
dst.left = <span class="hljs-number" style="color: #
dst.top = (canvas.getHeight() - (int)(src.height() * scale)) / <span class="hljs-number" style="color: #
dst.right = dst.left + canvas.getWidth()
dst.bottom = dst.top + (int)(src.height() * scale)
scale = canvas.getHeight() / (float)src.height()
dst.left = (canvas.getWidth() - (int)(src.width() * scale)) / <span class="hljs-number" style="color: #
dst.top = <span class="hljs-number" style="color: #
dst.right = dst.left + (int)(src.width() * scale)
dst.bottom = dst.top + canvas.getHeight()
canvas.drawBitmap(mBitmap, src, dst, mPaint)
canvas.save()
canvas.scale((float) dst.width() / (float) src.width(), (float) dst.height() / (float) src.height())
canvas.translate(dst.left / scale, dst.top / scale)
for (AFD_FSDKFace face : result) {
mPaint.setColor(Color.RED)
mPaint.setStrokeWidth(<span class="hljs-number" style="color: #.0f)
mPaint.setStyle(Paint.Style.STROKE)
canvas.drawRect(face.getRect(), mPaint)
canvas.restore()
mSurfaceHolder.unlockCanvasAndPost(canvas)
将人脸注册到人脸库
检测到了人脸，我们可以输入相应的描述信息，加入到人脸库中。
为了提高识别的准确性，我们可以对一个人多次注册人脸信息。
void addFace(String name, AFR_FSDKFace face) {
boolean add = true;
for (FaceRegist frface : mRegister) {
if (frface.mName.equals(name)) {
frface.mFaceList.add(face);
add = false;
if (add) {
FaceRegist frface = new FaceRegist(name);
frface.mFaceList.add(face);
mRegister.add(frface);
if (!new File(mDBPath + "/face.txt").exists()) {
if (!saveInfo()) {
Log.e(TAG, "save fail!");
FileOutputStream fs = new FileOutputStream(mDBPath + "/face.txt", true);
ExtOutputStream bos = new ExtOutputStream(fs);
bos.writeString(name);
bos.close();
fs.close();
fs = new FileOutputStream(mDBPath + "/" + name + ".data", true);
bos = new ExtOutputStream(fs);
bos.writeBytes(face.getFeatureData());
bos.close();
fs.close();
} catch (FileNotFoundException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
最后，别忘记了销毁人脸检测引擎哦
err = engine.AFD_FSDK_UninitialFaceEngine()
Log.d("com.arcsoft", "AFD_FSDK_UninitialFaceEngine =" + err.getCode())
实现人脸识别
上面的代码准备完毕后，就可以开始我们的人脸识别的功能了。我们使用一个第三方的扩展库，ExtGLSurfaceView的扩展 库CameraGLSurfaceView，用ImageView和TextView显示检测到的人脸和相应的描述信息。
首先是定义layout。
&?xml version="1.0" encoding="utf-8"?&
xmlns:android="http://schemas.android.com/apk/res/android"
android:layout_width="match_parent"
android:layout_height="match_parent" &
android:id="@+id/surfaceView"
android:layout_width="1dp"
android:layout_height="1dp"/&
android:id="@+id/glsurfaceView"
android:layout_width="match_parent"
android:layout_height="match_parent"
android:layout_centerInParent="true"/&
android:id="@+id/imageView"
android:layout_width="120dp"
android:layout_height="120dp"
android:layout_marginLeft="10dp"
android:layout_marginTop="10dp"/&
android:id="@+id/textView"
android:layout_width="wrap_content"
android:layout_height="wrap_content"
android:layout_alignLeft="@+id/imageView"
android:layout_alignRight="@+id/imageView"
android:layout_below="@+id/imageView"
android:layout_marginTop="10dp"
android:text="@string/app_name"
android:textAlignment="center"/&
android:id="@+id/textView1"
android:layout_width="wrap_content"
android:layout_height="wrap_content"
android:layout_alignLeft="@+id/imageView"
android:layout_alignRight="@+id/imageView"
android:layout_below="@+id/textView"
android:layout_marginTop="10dp"
android:text="@string/app_name"
android:textAlignment="center"/&
因为引擎需要的图像格式是NV21的，所以需要将摄像头中的图像格式预设置为NV21
public Camera setupCamera() {
// TODO Auto-generated method stub
mCamera = Camera.open(Camera.CameraInfo.CAMERA_FACING_BACK)
Camera.Parameters parameters = mCamera.getParameters()
parameters.setPreviewSize(mWidth, mHeight)
parameters.setPreviewFormat(ImageFormat.NV21)
for( Camera.Size size : parameters.getSupportedPreviewSizes()) {
Log.d(TAG, "SIZE:" + size.width + "x" + size.height)
for( Integer format : parameters.getSupportedPreviewFormats()) {
Log.d(TAG, "FORMAT:" + format)
List&int[]& fps = parameters.getSupportedPreviewFpsRange()
for(int[] count : fps) {
Log.d(TAG, "T:")
for (int data : count) {
Log.d(TAG, "V=" + data)
mCamera.setParameters(parameters)
} catch (Exception e) {
e.printStackTrace()
if (mCamera != null) {
mWidth = mCamera.getParameters().getPreviewSize().width
mHeight = mCamera.getParameters().getPreviewSize().height
return mCamera
从摄像头识别人脸，需要使用FT库，FT库在人脸跟踪算法上对人脸检测部分进行了优化，是专门为视频处理而优化的库。
初始化人脸检测引擎（FT）
和FD一样，我们需要初始化人脸识别FT引擎。
Log.d(TAG, "AFT_FSDK_InitialFaceEngine =" + err.getCode())
err = engine.AFT_FSDK_GetVersion(version)
Log.d(TAG, "AFT_FSDK_GetVersion:" + version.toString() + "," + err.getCode())
在摄像头的预览事件处理函数中，先调用FT的人脸识函数函数，然后再调用FR中的人脸信息特征提取数函数。
AFT_FSDKError err = engine.AFT_FSDK_FaceFeatureDetect(data, width, height, AFT_FSDKEngine.CP_PAF_NV21, result)
AFR_FSDKError error = engine.AFR_FSDK_ExtractFRFeature(mImageNV21, mWidth, mHeight, AFR_FSDKEngine.CP_PAF_NV21,mAFT_FSDKFace.getRect(), mAFT_FSDKFace.getDegree(), result)
这里面的result中保存了人脸特征信息。我们可以将其保存下来或下来并与系统中的其它信息进行对比。
AFR_FSDKMatching score = new AFR_FSDKMatching()
float max = <span class="hljs-number" style="color: #.0f
String name = null
for (FaceDB.FaceRegist fr : mResgist) {
for (AFR_FSDKFace face : fr.mFaceList) {
error = engine.AFR_FSDK_FacePairMatching(result, face, score)
Log.d(TAG,
"Score:" + score.getScore() + ", AFR_FSDK_FacePairMatching=" + error.getCode())
if (max & score.getScore()) {
max = score.getScore()
name = fr.mName
当score的特征信息大于0.6时，我们就可以认为匹配到了人脸。显示人脸匹配信息。
上面的循环中，可以看到，是遍历了真个库进行寻找。我们的目的是为了演示，实际情况下，我们可以在找到一个匹配值比较高的人脸后，就跳出循环。
我们来看一下运行的结果。&效果还不错吧。钟汉良帅哥一枚。
本文档中所有的代码都可以在&下载。如果你需要寻找更多的人脸识别的demo，也可以到虹软的论坛中去寻找。&
附录：会遇到的问题及解决方案
如果你使用的是github中的示例，你可能会遇到下面的问题。
Plugin with id ‘com.android.application’ not found
直接从github上下载的源代码会有这个问题。
解决方案：打开 [项目文件夹]\app\build.gradle 文件
在文件末尾添加
buildscript {
repositories {
mavenCentral()
dependencies {
classpath 'com.android.tools.build:gradle:1.0.0'
Failed to find build tools revision 25.0.0.2
这个主要是build 的版本和gradle中指定的版本不一致，按照提示下载或者修改版本指定就可以了。
compileSdkVersion <span class="hljs-number" style="color: #
buildToolsVersion "25.0.2"
install_failed_no_maching_abis
下载的代码在gradle编译完成后，直接默认运行会出现这个错误。原因是由于使用了native libraries 。该native libraries 不支持当前的cpu的体系结构。&首先请检查是否导入了必要的so文件。一共需要导入四个.so文件。&另外，请确认使用是的真机调试。因为调用了摄像头，请使用真机调试。
人脸识别是当前的热点技术，使用范围广，用户体验良好，对硬件的依赖低，不需要昂贵的传感器芯片。一个高清的摄像头就可以完成。以前的成本是人脸识别的SDK比较贵，但现在虹软的SDK免费之后，集成的成本就大大降低了。
阅读(...) 评论()