1.简介
1.1产品概述
ArcFace 离线SDK，包含人脸检测、性别检测、年龄检测、人脸识别等能力，初次使用时需联网激活，激活后即可本地无网络环境下工作，可根据业务需求结合人脸识别等SDK灵活的进行应用层开发。
1.2环境要求
1.2.1运行环境
arm64、armv7
1.2.2 系统要求
iOS 8.x及以上
1.2.3 开发环境
Xcode 9及以上
1.2.4 支持的颜色空间格式
NV12, BGR24
| 常量名 | 常量值 | 常量说明 |
|---|---|---|
| CP_PAF_NV12 | 2049 | 8-bit Y层，之后是8-bit的2x2 采样的U，V交织层 |
| CP_PAF_BGR24 | 513 | 第一个字节为R，第二个字节为G，第三个字节为B |
1.3 产品功能简介
1.3.1 人脸检测
对传入图像数据进行人脸检测，返回人脸位置信息和人脸在图像中的朝向信息，可用于后续的人脸分析、人脸比对操作，支持图像模式和视频流模式。
支持单人脸、多人脸检测，最多支持检测人脸数为50。
1.3.2 人脸跟踪
捕捉视频流中的人脸信息，并对人脸进行跟踪。
1.3.3 人脸属性检测
对检测到的人脸进行属性分析，支持性别、年龄的属性分析，支持图像模式和视频流模式。
1.3.4 人脸三维角度检测
检测输入图像数据指定区域人脸的三维角度信息，包含人脸三个空间角度：俯仰角（pitch）， 横滚角（roll）， 偏航角（yaw），支持图像模式和视频流模式，如图1所示。
1.3.5 人脸比对
将两个人脸进行比对，来判断是否为同一个人，返回比对相似度值。
1.4 SDK授权说明
SDK授权按设备进行授权，每台硬件设备需要一个独立的授权，此授权的校验是基于设备的唯一标识，被授权的设备，初次授权时需要联网进行授权，授权成功后可以离线运行SDK。 激活一台设备后，遇以下情况，设备授权不变，但需要重新联网激活：
- 重刷系统
- 还原系统，还原所有设置
2. 接入指南
2.1 引擎获取
2.1.1 注册为开发者
进入 https://www.arcsoft.com.cn/ai/arcface.html 网站，注册账号并登录，进入开发者中心。
2.1.2 创建应用
点击主菜单->应用管理->创建应用，填好应用相关信息后，点击立即创建，创建成功后即如图2所示：
2.1.3 获取SDK
点击我的应用->添加SDK，选择SDK平台和SDK版本，确认后即可下载SDK和查看激活码，如图3所示。
如图4所示，点击【下载SDK】即可下载SDK开发包；
点击【查看激活码】即可查看所需要APPID、SDKKEY；
2.1.4 SDK包结构
|---doc | |---appledoc 离线版appledoc文档 | |---ARCSOFT_FACE_SDK_DEVELOPER'S_GUIDE.PDF 开发说明文档 |---lib | |---ArcSoftFaceEngine.framework framework文件 |---samplecode | |---ArcSoftFaceEngineDemo 示例代码 |---releasenotes.txt 说明文件
2.2 项目配置
2.2.1 配置framework开发包
-
1. 将下载的SDK解压，打开XCode，新建一个iOS项目；
-
2. 如图5箭头1所示，选中左侧目录工程名；
-
3. 如图5箭头2所示，选中工程所在的TARGETS，在顶部出现的菜单中选中Build Phases；
-
4. 如图5箭头3所示，展开Link Binary With Libaries选项，点击“+”号按钮，在弹出的窗口中点击“Add Other”按钮，选择ArcSoftFaceEngine.framework，添加到工程中；
-
5. 由于SDK采用了
Objective-C++实现，需要保证工程中至少有一个.mm后缀的源文件(可以将任意一个.m后缀的文件改名为.mm)；或者在工程属性中指定编译方式，即如图5箭头2所示，选中顶部菜单“Build Setting”，在过滤框中输入“Compile Sources As”，找到 Compile Sources As，并将其设置为"Objective-C++"； -
6. 需要在在Xcode工程中引入系统库：libstdc++.6.0.9.tbd（xcode7以前为libstdc++.6.0.9.dylib）：点击Link Binary With Libaries,点击“+”号添加该系统库即可，如下图6中红框所示。
-
7. 选择项目中的Info.plist文件，新增一个属性App Transport Security Settings，在该属性下添加Allow Arbitrary Loads类型Boolean，值设为YES，如下图7红框所示。
2.2.2 头文件引入
在使用SDK的时候，需要根据情况引入以下头文件：
#import <ArcSoftFaceEngine/ArcSoftFaceEngine.h>
#import <ArcSoftFaceEngine/ArcSoftFaceEngineDefine.h>
#import <ArcSoftFaceEngine/amcomdef.h>
#import <ArcSoftFaceEngine/asvloffscreen.h>
#import <ArcSoftFaceEngine/merror.h>
2.2.3 头文件简介
2.2.3.1 ArcSoftFaceEngine.h
人脸识别主引擎头文件，主要是对引擎的使用，相关介绍详见 doc文档 。
2.2.3.2 ArcSoftFaceEngineDefine.h
人脸识别主引擎用到的结构体和一些声明头文件，相关介绍详见 doc文档 。
2.2.3.3 amcomdef.h
对SDK中使用到的一些数值类型进行二次封装。
2.2.3.4 merror.h
错误码参考。
2.3 调用流程
Step 1：创建ArcSoftFaceEngine引擎
Step 2：激活SDK，调用activeWithAppId
接口所需AppId和SDKKey在申请SDK时获取，只需在第一次使用时调用激活成功即可；
Step 3：初始化，调用initFaceEngineWithDetectMode初始化引擎
- VIDEO模式:处理连续帧的图像数据，并返回检测结果，需要将所有图像帧的数据都传入接口进行处理；
- IMAGE模式:处理单帧的图像数据，并返回检测结果；
Step 4: 调用detectFacesWithWidth进行人脸检测
接口所需的图像信息，format参数支持NV21/NV12/YUYV/BGR24/I420五种颜色空间格式，图像处理结果可从detectedFaces参数中获取 ；
Step 5:调用extractFaceFeatureWithWidth接口进行人脸特征提取
接口只支持单人脸特征提取，处理结果可从feature参数中获取；
Step 6: 调用compareFaceWithFeature接口进行人脸比对
接口只支持单人脸比对，处理结果可从confidenceLevel参数中获取；Step 7: 调用processWithWidth接口进行人脸信息检测
接口中combinedMask参数传入只能是初始化中参数combinedMask与ASF_AGE| ASF_GENDER| ASF_FACE3DANGLE的交集的子集；Step 8: 调用getAge、getGender、getFace3Dangle接口，年龄、性别、人脸角度信息；
Step 9:调用unInitEngine销毁引擎
2.4 通用方法
2.4.1 RGBA数据转BGR数据
void RGBA8888ToBGR(unsigned char* pRGBA, int width, int height,int pitch, unsigned char* pBGR) {
int iSrcXStride = LINE_BYTES(width, 24);
int iSrcXStride2 = LINE_BYTES(width, 32);
int i, j;
for(i = 0; i < height; i++) {
for(j = 0; j < width; j++) {
pBGR[i*iSrcXStride+j*3]=pRGBA[i*iSrcXStride2+j*4+2];
pBGR[i*iSrcXStride+j*3+1]=pRGBA[i*iSrcXStride2+j*4+1];
pBGR[i*iSrcXStride+j*3+2] = pRGBA[i*iSrcXStride2+j*4];
}
}
}
2.4.2 BGR数据转NV12数据
void BGRToNV12(unsigned char *pBGR, int nW, int nH, unsigned char *nv12Data, int lYStride, unsigned char *pYUVUV, int lUVStride)
{
unsigned int x;
int y;
unsigned char *pbSrcX = pBGR;
unsigned char *pbDstY = nv12Data;
unsigned char *pbDstUV = pYUVUV;
int iSrcXStride = LINE_BYTES(nW, 24);
int iDstYStride = lYStride;
int iDstUVStride = lUVStride;
int iSrcXDif;
int iDstYDif;
int iDstUVDif;
iSrcXDif = iSrcXStride - (nW * 3);
iDstYDif = iDstYStride - nW;
iDstUVDif = iDstUVStride - nW;
for (y = nH / 2; y; y--) {
for (x = nW / 2; x; x--) {
int r, g, b, y0, y1, y2, y3, cb, cr;
b = pbSrcX[0];
g = pbSrcX[1];
r = pbSrcX[2];
y0 = yuv_descale(b*yuvYb + g*yuvYg + r*yuvYr);
cb = yuv_descale((b - y0)*yuvCb) + 128;
cr = yuv_descale((r - y0)*yuvCr) + 128;
b = pbSrcX[3];
g = pbSrcX[4];
r = pbSrcX[5];
y1 = yuv_descale(b*yuvYb + g*yuvYg + r*yuvYr);
cb += yuv_descale((b - y1)*yuvCb) + 128;
cr += yuv_descale((r - y1)*yuvCr) + 128;
b = pbSrcX[iSrcXStride ];
g = pbSrcX[iSrcXStride+1];
r = pbSrcX[iSrcXStride+2];
y2 = yuv_descale(b*yuvYb + g*yuvYg + r*yuvYr);
cb += yuv_descale((b - y2)*yuvCb) + 128;
cr += yuv_descale((r - y2)*yuvCr) + 128;
b = pbSrcX[iSrcXStride+3];
g = pbSrcX[iSrcXStride+4];
r = pbSrcX[iSrcXStride+5];
y3 = yuv_descale(b*yuvYb + g*yuvYg + r*yuvYr);
cb += yuv_descale((b - y3)*yuvCb) + 128;
cr += yuv_descale((r - y3)*yuvCr) + 128;
pbDstY[0] = ET_CAST_8U(y0);
pbDstY[1] = ET_CAST_8U(y1);
pbDstY[iDstYStride ] = ET_CAST_8U(y2);
pbDstY[iDstYStride+1] = ET_CAST_8U(y3);
pbDstUV[0] = ET_CAST_8U(cb>>2);
pbDstUV[1] = ET_CAST_8U(cr>>2);
pbSrcX += 6;
pbDstY += 2;
pbDstUV += 2;
}
pbSrcX += iSrcXDif + iSrcXStride;
pbDstY += iDstYDif + iDstYStride;
pbDstUV += iDstUVDif;
}
}
2.4.3 UIImage转nv12数据
typedef struct __tag_ ASF_IMAGE_INPUT_DATA
{
MUInt32 u32PixelArrayFormat;
MInt32 i32Width;
MInt32 i32Height;
MUInt8* ppu8Plane[4];
MInt32 pi32Pitch[4];
} IMAGE_INPUT_DATA, * ASF_IMAGE_INPUT_DATA;
+ (unsigned char *) bitmapFromImage: (UIImage *) image {
CGContextRef context = _fxiang_CreateARGBBitmapContext(image.size);
if (context == NULL) return NULL;
CGRect rect = CGRectMake(0.0f, 0.0f, image.size.width, image.size.height);
CGContextDrawImage(context, rect, image.CGImage);
unsigned char *data = (unsigned char *)CGBitmapContextGetData (context);
CGContextRelease(context);
return data;
}
void LoadJpg(IMAGE_INPUT_DATA* pSrcImg, NSString *picName) {
NSArray *paths = NSSearchPathForDirectoriesInDomains(NSDocumentDirectory, NSUserDomainMask, YES);
NSString *imagePath = [paths objectAtIndex:0];
UIImage* imgSrc = [[UIImage alloc]initWithContentsOfFile:[NSString stringWithFormat:@"%@/%@",imagePath,picName]];
unsigned char* pRGBA = [self bitmapFromImage:imgSrc];
pSrcImg->i32Width = imgSrc.size.width;
pSrcImg->i32Height = imgSrc.size.height;
pSrcImg->u32PixelArrayFormat = ASVL_PAF_NV12;
pSrcImg->pi32Pitch[0] = pSrcImg->i32Width;
pSrcImg->pi32Pitch[1] = pSrcImg->i32Width;
pSrcImg->ppu8Plane[0] = (MUInt8*)malloc(pSrcImg->i32Height*pSrcImg->pi32Pitch[0]*3/2);
pSrcImg->ppu8Plane[1] = pSrcImg->ppu8Plane[0]+pSrcImg->pi32Pitch[0]*pSrcImg->i32Height;
unsigned char* pBGR = (unsigned char*)malloc(pSrcImg->i32Height*LINE_BYTES(pSrcImg->i32Width,24));
RGBA8888ToBGR(pRGBA, pSrcImg->i32Width, pSrcImg->i32Height, pSrcImg->i32Width*4, pBGR);
BGRToNV12(pBGR, pSrcImg->i32Width, pSrcImg->i32Height, pSrcImg->ppu8Plane[0], pSrcImg->pi32Pitch[0], pSrcImg->ppu8Plane[1], pSrcImg->pi32Pitch[1]);
SafeArrayFree(pRGBA);
SafeArrayFree(pBGR);
}
2.4.4 从摄像头CMSampleBufferRef对象中获取接口需要的数据
typedef struct __tag_ASF_CAMERA_DATA
{
MUInt32 u32PixelArrayFormat;
MInt32 i32Width;
MInt32 i32Height;
MUInt8* ppu8Plane[4];
MInt32 pi32Pitch[4];
}ASF_CAMERA_DATA, *ASF_MY_CAMERA_DATA;
+(ASF_MY_CAMERA_DATA)createCameraData:(MInt32)width height:(MInt32) height format:(MUInt32) format {
ASF_CAMERA_DATA* pCameraData = MNull;
do {
pCameraData = (ASF_CAMERA_DATA*)malloc(sizeof(ASF_CAMERA_DATA));
if(!pCameraData)
break;
memset(pCameraData, 0, sizeof(ASF_CAMERA_DATA));
pCameraData->u32PixelArrayFormat = format;
pCameraData->i32Width = width;
pCameraData->i32Height = height;
if (ASVL_PAF_NV12 == format) {
pCameraData->pi32Pitch[0] = pCameraData->i32Width; //Y
pCameraData->pi32Pitch[1] = pCameraData->i32Width; //UV
pCameraData->ppu8Plane[0] = (MUInt8*)malloc(height * 3/2 * pCameraData->pi32Pitch[0]) ; // Y
pCameraData->ppu8Plane[1] = pCameraData->ppu8Plane[0] + pCameraData->i32Height * pCameraData->pi32Pitch[0]; // UV
memset(pCameraData->ppu8Plane[0], 0, height * 3/2 * pCameraData->pi32Pitch[0]);
} else if (ASVL_PAF_RGB24_B8G8R8 == format) {
pCameraData->pi32Pitch[0] = pCameraData->i32Width * 3;
pCameraData->ppu8Plane[0] = (MUInt8*)malloc(height * pCameraData->pi32Pitch[0]);
}
} while(false);
return pCameraData;
}
+(ASF_CAMERA_INPUT_DATA)getCameraDataFromSampleBuffer:(CMSampleBufferRef)sampleBuffer {
if (NULL == sampleBuffer)
return NULL;
CVImageBufferRef cameraFrame = CMSampleBufferGetImageBuffer(sampleBuffer);
int bufferWidth = (int) CVPixelBufferGetWidth(cameraFrame);
int bufferHeight = (int) CVPixelBufferGetHeight(cameraFrame);
OSType pixelType = CVPixelBufferGetPixelFormatType(cameraFrame);
CVPixelBufferLockBaseAddress(cameraFrame, 0);
ASF_CAMERA_DATA* _cameraData;
if (kCVPixelFormatType_420YpCbCr8BiPlanarVideoRange == pixelType
|| kCVPixelFormatType_420YpCbCr8BiPlanarFullRange == pixelType) {
_cameraData = [Utility createCameraData:bufferWidth height:bufferHeight format:ASVL_PAF_NV12];
ASF_CAMERA_DATA* pCameraData = _cameraData;
uint8_t *baseAddress0 = (uint8_t *)CVPixelBufferGetBaseAddressOfPlane(cameraFrame, 0); // Y
uint8_t *baseAddress1 = (uint8_t *)CVPixelBufferGetBaseAddressOfPlane(cameraFrame, 1); // UV
size_t rowBytePlane0 = CVPixelBufferGetBytesPerRowOfPlane(cameraFrame, 0);
size_t rowBytePlane1 = CVPixelBufferGetBytesPerRowOfPlane(cameraFrame, 1);
//Y Data
if (rowBytePlane0 == pCameraData->pi32Pitch[0]) {
memcpy(pCameraData->ppu8Plane[0], baseAddress0, rowBytePlane0*bufferHeight);
} else {
for (int i = 0; i < bufferHeight; ++i) {
memcpy(pCameraData->ppu8Plane[0] + i * bufferWidth, baseAddress0 + i * rowBytePlane0, bufferWidth);
}
}
//uv data
if (rowBytePlane1 == pCameraData->pi32Pitch[1]) {
memcpy(pCameraData->ppu8Plane[1], baseAddress1, rowBytePlane1 * bufferHeight / 2);
} else {
uint8_t *pPlanUV = pCameraData->ppu8Plane[1];
for (int i = 0; i < bufferHeight / 2; ++i) {
memcpy(pPlanUV + i * bufferWidth, baseAddress1+ i * rowBytePlane1, bufferWidth);
}
}
}
CVPixelBufferUnlockBaseAddress(cameraFrame, 0);
return _cameraData;
}
获取到数据后，可以调用SDK中的接口进行人脸检测，代码块如下：
ASF_MultiFaceInfo multiFaceInfo = {0};
ASF_CAMERA_DATA* cameraData = [self getCameraDataFromSampleBuffer: sampleBufferRef];
MRESULT mr = [ArcSoftFaceEngine
detectFacesWithWidth:cameraData->i32Width
height: cameraData ->i32Height
data: cameraData ->ppu8Plane[0]
format: cameraData ->u32PixelArrayFormat
faceRes:&multiFaceInfo];
2.5 阈值推荐
阈值区间为[0~1]，建议阈值设置为0.8，可根据实际场景需求进行调整。
3. 常见问题
3.1 错误码概览
| 错误码名 | 十六进制 | 十进制 | 错误码说明 |
|---|---|---|---|
| ASF_MOK | 0xC8 | 200 | 成功 |
| MERR_BASIC_BASE | 0x0001 | 1 | 通用错误类型 |
| MERR_UNKNOWN | 0x0001 | 1 | 错误原因不明 |
| MERR_INVALID_PARAM | 0x0002 | 2 | 无效的参数 |
| MERR_UNSUPPORTED | 0x0003 | 3 | 引擎不支持 |
| MERR_NO_MEMORY | 0x0004 | 4 | 内存不足 |
| MERR_BAD_STATE | 0x0005 | 5 | 状态错误 |
| MERR_USER_CANCEL | 0x0006 | 6 | 用户取消相关操作 |
| MERR_EXPIRED | 0x0007 | 7 | 操作时间过期 |
| MERR_USER_PAUSE | 0x0008 | 8 | 用户暂停操作 |
| MERR_BUFFER_OVERFLOW | 0x0009 | 9 | 缓冲上溢 |
| MERR_BUFFER_UNDERFLOW | 0x000A | 10 | 缓冲下溢 |
| MERR_NO_DISKSPACE | 0x000B | 11 | 存贮空间不足 |
| MERR_COMPONENT_NOT_EXIST | 0x000C | 12 | 组件不存在 |
| MERR_GLOBAL_DATA_NOT_EXIST | 0x000D | 13 | 全局数据不存在 |
| MERR_ASF_SDK_BASE | 0x7000 | 28672 | FreeSDK通用错误类型 |
| MERR_ ASF_SDK_INVALID_APP_ID | 0x7001 | 28673 | 无效的App Id |
| MERR_ ASF_SDK_INVALID_SDK_ID | 0x7002 | 28674 | 无效的SDK key |
| MERR_ ASF_SDK_INVALID_ID_PAIR | 0x7003 | 28675 | AppId和SDKKey不匹配 |
| MERR_ ASF_SDK_MISMATCH_ID_AND_SDK | 0x7004 | 28676 | SDKKey 和使用的SDK 不匹配 |
| MERR_ ASF_SDK_SYSTEM_VERSION_UNSUPPORTED | 0x7005 | 28677 | 系统版本不被当前SDK所支持 |
| MERR_ ASF_SDK_LICENCE_EXPIRED | 0x7006 | 28678 | SDK有效期过期 |
| MERR_ASF_SDK_FR_ERROR_BASE | 0x12000 | 73728 | FaceRecognition错误类型 |
| MERR_ASF_SDK_FR_INVALID_MEMORY_INFO | 0x12001 | 73729 | 无效的输入内存 |
| MERR_ASF_SDK_FR_INVALID_IMAGE_INFO | 0x12002 | 73730 | 无效的输入图像参数 |
| MERR_ASF_SDK_FR_INVALID_FACE_INFO | 0x12003 | 73731 | 无效的脸部信息 |
| MERR_ASF_SDK_FR_NO_GPU_AVAILABLE | 0x12004 | 73732 | 当前设备无GPU可用 |
| MERR_ASF_SDK_FR_MISMATCHED_FEATURE_LEVEL | 0x12005 | 73733 | 待比较的两个人脸特征的版本不一致 |
| MERR_ ASF_SDK_FACEFEATURE_ERROR_BASE | 0x14000 | 81920 | 人脸特征检测错误类型 |
| MERR_ ASF_SDK_FACEFEATURE_UNKNOWN | 0x14001 | 81921 | 人脸特征检测错误未知 |
| MERR_ ASF_SDK_FACEFEATURE_MEMORY | 0x14002 | 81922 | 人脸特征检测内存错误 |
| MERR_ ASF_SDK_FACEFEATURE_INVALID_FORMAT | 0x14003 | 81923 | 人脸特征检测格式错误 |
| MERR_ ASF_SDK_FACEFEATURE_INVALID_PARAM | 0x14004 | 81924 | 人脸特征检测参数错误 |
| MERR_ ASF_SDK_FACEFEATURE_LOW_CONFIDENCE_LEVEL | 0x14005 | 81925 | 人脸特征检测结果置信度低 |
| MERR_ASF_EX_BASE | 0x15000 | 86016 | ArcFace扩展错误类型 |
| MERR_ASF_EX_BASE_FEATURE_UNSUPPORTED_ON_INIT | 0x15001 | 86017 | Engine不支持的检测属性 |
| MERR_ASF_EX_BASE_FEATURE_UNINITED | 0x15002 | 86018 | 需要检测是属性未初始化 |
| MERR_ASF_EX_BASE_FEATURE_UNPROCESSED | 0x15003 | 86019 | 待获取的属性未在process中处理过 |
| MERR_ASF_EX_BASE_FEATURE_UNSUPPORTED_ON_PROCESS | 0x15004 | 86020 | PROCESS不支持的检测属性 |
| MERR_ASF_EX_BASE_INVALID_IMAGE_INFO | 0x15005 | 86021 | 无效的输入图像 |
| MERR_ASF_EX_BASE_INVALID_FACE_INFO | 0x15006 | 86022 | 无效的脸部信息 |
| MERR_ASF_BASE | 0x16000 | 90112 | 人脸比对基础错误类型 |
| MERR_ASF_BASE_ACTIVATION_FAIL | 0x16001 | 90113 | 人脸比对SDK激活失败 |
| MERR_ASF_BASE_ALREADY_ACTIVATED | 0x16002 | 90114 | 人脸比对SDK已激活 |
| MERR_ASF_BASE_NOT_ACTIVATED | 0x16003 | 90115 | 人脸比对SDK未激活 |
| MERR_ASF_BASE_SCALE_NOT_SUPPORT | 0x16004 | 90116 | detectFaceScaleVal不支持 |
| MERR_ASF_BASE_VERION_MISMATCH | 0x16005 | 90117 | SDK版本不匹配 |
| MERR_ASF_BASE_DEVICE_MISMATCH | 0x16006 | 90118 | 设备不匹配 |
| MERR_ASF_BASE_UNIQUE_IDENTIFIER_MISMATCH | 0x16007 | 90119 | 唯一标识不匹配 |
| MERR_ASF_BASE_PARAM_NULL | 0x16008 | 90120 | 参数为空 |
| MERR_ASF_BASE_SDK_EXPIRED | 0x16009 | 90121 | SDK已过期 |
| MERR_ASF_BASE_VERSION_NOT_SUPPORT | 0x1600A | 90122 | 版本不支持 |
| MERR_ASF_BASE_SIGN_ERROR | 0x1600B | 90123 | 签名错误 |
| MERR_ASF_BASE_DATABASE_ERROR | 0x1600C | 90124 | 数据库插入错误 |
| MERR_ASF_BASE_UNIQUE_CHECKOUT_FAIL | 0x1600D | 90125 | 唯一标识符校验失败 |
| MERR_ASF_BASE_COLOR_SPACE_NOT_SUPPORT | 0x1600E | 90126 | 输入的颜色空间不支持 |
| MERR_ASF_IMAGE_WIDTH_HEIGHT_NOT_SUPPORT | 0x1600F | 90127 | 图片宽高不支持 |
| MERR_ASF_NETWORK_BASE | 0x17000 | 94208 | 网络错误类型 |
| MERR_ASF_NETWORK_BASE_SERVER_EXCEPTION | 0x17001 | 94209 | 服务器异常 |
| MERR_ASF_NETWORK_BASE_CONNECT_TIMEOUT | 0x17002 | 94210 | 网络请求超时 |
| MERR_ASF_NETWORK_BASE_NONSUPPORTED_URL | 0x17003 | 94211 | 不支持的URL |
| MERR_ASF_NETWORK_BASE_COULDNT_RESOLVE_HOST | 0x17004 | 94212 | 未能找到指定的服务器 |
| MERR_ASF_NETWORK_BASE_CONNECT_FAILURE | 0x17005 | 94213 | 服务器连接失败 |
| MERR_ASF_NETWORK_BASE_CONNECT_LOSS | 0x17006 | 94214 | 连接丢失 |
| MERR_ASF_NETWORK_BASE_NOT_CONNECTED | 0x17007 | 94215 | 连接中断 |
| MERR_ASF_NETWORK_BASE_OPERATION_NOT_COMPLETED | 0x17008 | 94216 | 操作无法完成 |
| MERR_ASF_NETWORK_BASE_UNKNOWN_ERROR | 0x17009 | 94217 | 未知错误 |
3.2 FAQ
Q:如何将人脸识别1:1进行开发改为1:n？
A：先将人脸特征数据用本地文件、数据库或者其他的方式存储下来，若检测出结果需要显示图像可以保存对应的图像。之后循环对特征值进行对比，相似度最高者若超过您设置的阈值则输出相关信息。
Q:初始化引擎时检测方向应该怎么选择?
A: SDK 初始化引擎中可选择仅对 0 度、90 度、180 度、270 度单角度进行人脸检测，也 可选择全角度进行检测;根据应用场景，推荐使用单角度进行人脸检测，因为选择全角 度的情况下，算法中会对每个角度检测一遍，导致性能相对于单角度较慢。
Q:初始化引擎时(detectFaceScaleVal)参数多大比较合适?
A: 用于数值化表示的最小人脸尺寸，该尺寸代表人脸尺寸相对于图片长边的占比。 video 模式有效值范围[2,16], Image 模式有效值范围[2,32]，多数情况下推荐值为 16， 特殊情况下可根据具体场景下进行设置;
Q:初始化引擎之后调用其他接口返回错误码86018，该怎么解决?
A: 86018 即需要检测的属性未初始化，需要查看调用接口的属性有没有在初始化引擎时在 combineMask 参数中加入。
Q:调用detectFaces、extractFaceFeature和process接口返回90127错误码，该怎么解决?
A: SDK 对图像尺寸做了限制，宽高大于 0，宽度为 4 的倍数，YUYV/I420/NV21/NV12 格 式的图片高度为 2 的倍数，BGR24 格式的图片高度不限制;如果遇到 90127 请检查传入 的图片尺寸是否符合要求，若不符合可对图片进行适当的裁剪。
Q:人脸检测结果的人脸框 Rect 为何有时会溢出传入图像的边界?
A: Rect 溢出边界可能是人脸只有一部分在图像中，算法会对人脸的位置进行估计。
Q:为何调用引擎有时会出现 crash?
A: 若在引擎调用过程中进行销毁引擎则可能会导致 crash。在使用过程中应避免在销毁 引擎时还在使用引擎，尤其是做特征提取等耗时操作时销毁引擎，如加锁解 决。
Q:MERR_FSDK_FACEFEATURE_LOW_CONFIDENCE_LEVEL，人脸检测结果置信度低是什么情况导致的?
A: 图片模糊或者传入的人脸框不正确。
Q:哪些因素会影响人脸检测、人脸跟踪、人脸特征提取等 SDK 调用所用时间?
A:硬件性能、图片质量等。
3.3 其他帮助
虹助手微信：Hongzhushou88；
QQ交流群：659920696；
SDK交流论坛：https://ai.arcsoft.com.cn/bbs/