虹软人脸识别引擎开发包免费下载|虹软人脸识别引擎c#版下载__飞翔下载
单机游戏下载单机游戏下载基地
当前位置： →
→ 虹软人脸识别引擎c#版
虹软人脸识别引擎c#版是一款强大且免费的人脸识别引擎，利用卷积神经网络框架，识别率高，速度快，需要的用户赶快来下载吧。引擎简介目前开放的版本有人脸比对（1:1）和人脸检索（1：N），根据应用场景可选择人脸检索分为小型网络（检测100人内），中型网络（1000人内），大型网络（需联系虹软官方）目前开放的功能有人脸比对，人脸识别，人脸追踪引擎特色据悉，虹软人脸识别算法采用卷积神经网络（Convolutional Neural Network，CNN）模型，卷积神经网络是目前深度学习领域中使用最广泛、效果最好的模型框架，相比与传统的手工特征，具有更强的鲁棒性，识别能力有大幅度的提高。虹软人脸识别技术所使用的卷积神经网络模型，经由海量训练样本学习而来，对不同人种、不同年龄，一定范围内人脸的姿态、表情、光照、尺度等变化都有较好的适应能力。其官网公布的客户都是主流的品牌厂商：三星、LG、亚马逊、华为、联想、小米、格力、美的、OPPO、Vivo等，都与虹软保持长期深入的合作。同时，其也与世界顶尖的技术公司进行战略合作。从几家主流的系统集成商的信息反馈看，其企业级引擎在公安、交管、保险、医疗、通讯、零售行业也有大量使用。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互联网大数据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。
安卓官方手机版
IOS官方手机版
虹软人脸识别引擎c#版
本类软件分类
装机必备软件豆丁微信公众号
君，已阅读到文档的结尾了呢~~
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
Android人脸识别开发入门--基于虹软免费SDK实现
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='http://www.docin.com/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口Android 下实现离线人脸识别 【运用虹软人脸识别SDK】
我的图书馆
Android 下实现离线人脸识别 【运用虹软人脸识别SDK】
引言&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互联网大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。11在线库在使用时，需要传递照片信息，或者提取图像特征值，11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。11人脸注册和识别的过程可以用下面的图来表示。&准备工作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 示例代码注意：开发中还需要APP_Id和SDK_Key的激活码，这些激活码可以在账号管理--》您的申请记录，对应的下载应用中找到相应的激活码。11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新建项目打开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 = 22020;
byte[] mFeatureD1212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&&();
}123456789123456789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 mFRV1234567891012345678910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());
}12345678910111213141234567891011121314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();
}123456123456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public
void addFace(String name, AFR_FSDKFace face) {
//check if already registered.
boolean add = true;
for (FaceRegist frface : mRegister) {
if (frface.mName.equals(name)) {
frface.mFaceList.add(face);
add = false;
if (add) { // not registered.
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!");
//save name
FileOutputStream fs = new FileOutputStream(mDBPath + "/face.txt", true);
ExtOutputStream bos = new ExtOutputStream(fs);
bos.writeString(name);
bos.close();
fs.close();
//save feature
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();
1234567891011121314151617181920212223242526272829303132333435363738394041424312345678910111213141516171819202122232425262728293031323334353637383940414243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) {
//upgrade data.
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;
12345678910111213141516171819202122232425262728293031323334351234567891011121314151617181920212223242526272829303132333435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)
.show();1234512345在对应的事件处理函数中进行处理switch (which){
case 1://摄像头
Intent getImageByCamera = new Intent("android.media.action.IMAGE_CAPTURE");
ContentValues values = new ContentValues(1);
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 0://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);
}12345678910111213141516171234567891011121314151617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);
//TODO: add image coversion
}1234512345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 = 1;
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(90);
} else if (orientation == ExifInterface.ORIENTATION_ROTATE_180) {
matrix.postRotate(180);
} else if (orientation == ExifInterface.ORIENTATION_ROTATE_270) {
matrix.postRotate(270);
Bitmap temp = Bitmap.createBitmap(res, 0, 0, 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;
}1234567891011121314151617181920212223242526272829303132333412345678910111213141516171819202122232425262728293031323334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 {
}12341234mRect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();12345671234567现在我们就可以调用AFD_FSDK_StillImageFaceDetection方法了err
= engine.AFD_FSDK_StillImageFaceDetection(data, mBitmap.getWidth(), mBitmap.getHeight(), AFD_FSDKEngine.CP_PAF_NV21, result);11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 = 1.0f;
if (fit_horizontal) {
scale = canvas.getWidth() / (float)src.width();
dst.left = 0;
dst.top = (canvas.getHeight() - (int)(src.height() * scale)) / 2;
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)) / 2;
dst.top = 0;
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(10.0f);
mPaint.setStyle(Paint.Style.STROKE);
canvas.drawRect(face.getRect(), mPaint);
canvas.restore();
mSurfaceHolder.unlockCanvasAndPost(canvas);
}123456789101112131415161718192021222324252627282930313233123456789101112131415161718192021222324252627282930313233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。public
void addFace(String name, AFR_FSDKFace face) {
//check if already registered.
boolean add = true;
for (FaceRegist frface : mRegister) {
if (frface.mName.equals(name)) {
frface.mFaceList.add(face);
add = false;
if (add) { // not registered.
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!");
//save name
FileOutputStream fs = new FileOutputStream(mDBPath + "/face.txt", true);
ExtOutputStream bos = new ExtOutputStream(fs);
bos.writeString(name);
bos.close();
fs.close();
//save feature
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();
}1234567891011121314151617181920212223242526272829303132333435363738394012345678910111213141516171819202122232425262728293031323334353637383940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());1212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"?&
&RelativeLayout xmlns:android="http://schemas.android.com/apk/res/android"
android:layout_width="match_parent"
android:layout_height="match_parent" &
&com.guo.android_extend.widget.CameraSurfaceView
android:id="@+id/surfaceView"
android:layout_width="1dp"
android:layout_height="1dp"/&
&com.guo.android_extend.widget.CameraGLSurfaceView
android:id="@+id/glsurfaceView"
android:layout_width="match_parent"
android:layout_height="match_parent"
android:layout_centerInParent="true"/&
&ImageView
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"/&
&/RelativeLayout&123456789101112131415161718192021222324252627282930313233343536373839404142434445123456789101112131415161718192021222324252627282930313233343536373839404142434445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NV21public 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;
}12345678910111213141516171819202122232425262728293031321234567891011121314151617181920212223242526272829303132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());123123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);123123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 = 0.0f;
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;
}1234567891011121312345678910111213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。运行结果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'
}123456789101112131415123456789101112131415Failed 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。android {
compileSdkVersion 24
buildToolsVersion "25.0.2"
}12341234install_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。后记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。
喜欢该文的人也喜欢