Android 人脸识别SDK开发

独角兽企业重金招聘Python工程师标准>>>

目前我们的应用内使用了 ArcFace 的人脸检测功能，其他的我们并不了解，所以这里就和大家分享一下我们的集成过程和一些使用心得 集成 ArcFace FD 的集成过程非常简单 在 ArcFace FD 的文档上有说明支持的系统为 5.0 及以上系统，但其实在 4.4 系统上也是可以跑的，

if (engine == null) { // && Build.VERSION.SDK_INT > Build.VERSION_CODES.LOLLIPOP) {try {engine = new AFD_FSDKEngine();AFD_FSDKError err = engine.AFD_FSDK_InitialFaceEngine("XXXX","XXXX",AFD_FSDKEngine.AFD_OPF_0_HIGHER_EXT, 12, 3);if (err.getCode() != 0) {engine.AFD_FSDK_UninitialFaceEngine();engine = null;}} catch (Exception e) {e.printStackTrace();engine = null;}}

我觉得 ArcFace 的优势除了多角度检测之外，另外一个是他的每次检测并不是独立，即这一次的检测结果会指导下一次的检测 (我猜测的->_->) 所以 ArcFace 在检测到人脸之后，识别的时间会大幅减少，而 Seeta FD 的检测每次都是独立的，所以在无人脸的情况下，Seeta 的检测速度要快于 ArcFace, 但是检测到人脸之后，因为应用整体的计算量增加，导致 Seeta 的检测速度降低的非常明显，大大慢于 ArcFace, (所以二者是不是可以结合一下...)

AFD_FSDKError err = engine.AFD_FSDK_StillImageFaceDetection(data, width, height, AFD_FSDKEngine.CP_PAF_NV21, result);

优化 不得不说 ArcFace FD 的错误率是有待优化的，虽然 ArcFace 没有提供任何可以调节的参数，但是还是可以稍微优化一下!

因为从摄像头出来的 yuv 数据是横向的，而 ArcFace 只有 AFD_OPF_0_HIGHER_EXT 这个扩展选项，优先检测 0 度方向, 但是这个方向一般是没有人脸的，所以如果直接进行检测，我们觉得这个可能会增加检测的错误率（猜的->_->)，所以处理方法是将 yuv 旋转到手机竖屏方向（当然这个操作不是直接由 CPU 来处理，而是从 Camera 的外部纹理上开始做操作）再拿去检测，这样会减少一点错误率（从用户反馈得出），虽然错误率依然很高（特别对于带栅格的物体）希望虹软能继续优化！

另外一个是目前 ArcFace 还没有支持 Android 8.x 系统，所以这种情况下，我们会启用备选的其他方案来进行人脸检测！

最后希望虹软能把 ArcFace 越做越好 _ 因为只有产品足够好才会不断的有人为你做免费宣传 查看更多分享戳☞ArcFace Android 人脸检测集成分享

如果觉得《Android 人脸识别SDK开发》对你有帮助，请点赞、收藏，并留下你的观点哦！