效率有點低，大家看看哪裡開可以節省時間？
原始碼：https://github.com/catzhou2002/ArcFaceDemo

說實話，為了提高識別效率，我也是竭盡所能，幹了不少自認為的優化，如有興趣聽我說說。

第一部分 單執行緒時候的各種折騰

一、折騰LPASVLOFFSCREEN
話說這個LPASVLOFFSCREEN的結果文件裡面沒有說明，或者是我沒找到。
我也不知道從哪裡複製來的，主要折騰的是ppu8Plane[0]地址，一般操作是

1. 鎖定圖片記憶體
2. ppu8Plane[0]分配製定長度的記憶體
3. 把圖片記憶體中的位元組複製到一個臨時陣列
4. 然後用Marshal.Copy複製到指定的地址
5. 解鎖圖片記憶體

我改成：

1. 鎖定圖片記憶體
2. ppu8Plane[0]指向圖片地址
3. 等不需要LPASVLOFFSCREEN時（人臉檢測、獲取特徵值、性別判斷、年齡估算等結束後）解鎖圖片記憶體

就晚一點解鎖，省了好多事情，耗時由4毫秒沒成2微妙。當時就發了個帖：C# Bitmap轉ASVLOFFSCREEN的最佳方式？

後來覺得這名字實在記不住，也不C#，改成了ImageData，整個轉換過程如下：

var bmpData = bitmap.LockBits(new Rectangle(0, 0, bitmap.Width, bitmap.Height
 
), ImageLockMode.ReadOnly, PixelFormat.Format24bppRgb);
            var imageData = new ImageData
            {
                PixelArrayFormat = 513,//Rgb24,
                Width = bitmap.Width,
                Height = bitmap.Height,
                Pitch = new int[4] { bmpData.Stride, 0, 0, 0 },
                ppu8Plane = new IntPtr[4
 
] { bmpData.Scan0, IntPtr.Zero, IntPtr.Zero, IntPtr.Zero }
            };
....
            bitmap.UnlockBits(bmpData);

其實如果是視訊圖片的話，圖片的寬度和高度都是固定的，想了想，沒折騰。

二、單執行緒時將獲取到的FaceModel直接做人臉比對的引數

ExtractFeature(_FaceMatchEngine, ref imageData, ref faceFeatureInput, out var <font color="#ff8c00">faceModel</font>);
FacePairMatch(_FaceMatchEngine, ref fm, ref <font color="#ff8c00">faceModel</font>, out float score);

一般操作是faceModel裡面的位元組複製到臨時位元組陣列，然後建立新的FaceModel,分配記憶體，在將臨時位元組陣列複製到FaceModel。

三、人臉庫直接用FaceModel

/// <summary>
    /// 人臉庫
    /// </summary>
    public class FaceLib
    {
        public List<Item> Items { get; set; } = new List<Item>();
        public class Item
        {
            /// <summary>
            /// 用於排序
            /// </summary>
            public long OrderId { get; set; }
            /// <summary>
            /// 檔名作為ID
            /// </summary>
            public string ID { get; set; }
            /// <summary>
            /// 人臉模型
            /// </summary>
<font color="#ff8c00">            public FaceModel FaceModel { get; set; }</font>  
        }
    }

四、比對結果>0.5就算成功
五、人臉庫增加OrderId
識別成功後再次比對就很快，應該是首發命中。

六、將人臉比對和結果顯示分開
一開始沒想太多，將人臉比對和結果顯示放在新視訊幀事件裡面，流程是：

1. 新視訊幀（30幀/秒）
2. 獲取檢測和識別的結果（人臉框和ID）
3. 顯示檢測和識別的結果

結果視訊卡頓，獲取人臉特徵的200毫秒成為瓶頸，改成：

• 人臉比對

 Task.Factory.StartNew(() =>
            {
                Task.Delay(1000).Wait();
                while (!_CancellationTokenSource.IsCancellationRequested)
                {
                    #region 200毫秒左右
                    MatchFrame(); 
                    #endregion
                }
            }, _CancellationTokenSource.Token);

• 結果顯示

 private void VideoPlayer_Paint(object sender, PaintEventArgs e)
        {
            e.Graphics.DrawRectangle(Pens.White, _FaceResult.Rectangle);
            e.Graphics.DrawString(_FaceResult.ID , this.Font, Brushes.White, _FaceResult.Rectangle.Left, _FaceResult.Rectangle.Top - 20);
        }

測試了一下，效果還可以，就在部落格園發表了
C# 虹軟SDK視訊人臉識別和註冊
，還順手弄了個打賞二維碼。
發表完覺得這麼辛苦寫出來的文章，必須到首頁去亮個相，9天后終於學會發表到部落格園首頁了，於是刪除了打賞二維碼，去首頁亮了個相。
話說首頁和非首頁效果著實不一樣，截圖為證：

第二部分 多執行緒的折騰

一、確定4執行緒為最佳
各種測試後得出的結論，也不知道對不對，也不知道為什麼，哎。
因網友的要求，同步到了github

二、刪除了單執行緒
有了更快的，就不要慢的了。

三、n張臉如何分配給4個執行緒獲取特徵值？
動了不少腦筋，Interlocked.Increment是關鍵。
最終有改了下面的內容

1. 如果只有一張臉（竊以為一張臉的概率比較高），也用Task，影響效率，增加了 if (detectResult.FaceCount ==
   1)
2. Intptr之間複製位元組用CopyMemory比較快
3. 兩三張臉的時候開4個執行緒不好，改成 new Task[TaskNum < detectResult.FaceCount ?
   TaskNum : detectResult.FaceCount]

四、識別結果（集）的折騰

1. 弄了個結果集，按最大人臉數設了個List（ Items = new List();）
2. 增加了FaceFeatureInput FFI，省的每次都去建立
3. 並將人臉方向設成1（Orient = 1）（因為是視訊圖片，其他方向的人臉，呵呵），人臉檢測後都不要去獲取人臉方向的值
4. 增加並初始化了FaceModel（FaceModel FaceModel = new FaceModel() { Size =
   22020, PFeature = Marshal.AllocCoTaskMem(22020) };），獲取到的特徵位元組直接複製過來便可

五、儲存特徵值到人臉庫的時候同時儲存頭像
因為虹軟說了，sdk升級的時候，特徵值也有可能變化。那咱先把頭像儲存起來，到時候重新生成一下。
主要的操作是把矩形放大一點（Inflate((int)(r.Width * 0.5), (int)(r.Height * 0.5))），咱儲存的頭像怎麼著得是個人頭吧。

(想來條分割線，居然只有華麗的分割線，算了。順便吐槽一下，這個論壇的編輯器實在是讓人無語^_^)

各種折騰後，黔驢技窮了，10,000人臉的庫得出10張不認識的臉的結論，需要10秒鐘。當然，換好一點的電腦可以提高效率，如我的桌上型電腦（i5-7500），輸入圖片只有1張臉的時候，遍歷

1. 1萬張人臉僅需390毫秒
2. 5萬張人臉也就1525毫秒
3. 10萬張人臉說我記憶體不夠，可能是我的程式是32位的緣故，換成64位的sdk估計3秒鐘也能搞定（太麻煩，不折騰了）

結論是：虹軟中型sdk用於考勤、小區門禁、寫字樓門禁等場所完全沒問題。

下一步我打算（其實已經差不多完成，我公司的專案——酒店自助機）改成單臉多執行緒識別，增加以下功能：

1. 40次檢測人臉數為0，則確認為沒人，識別頻率降低
2. 是否換人了？
3. 同一個人3、4次識別不出ID後，確認為陌生人，不在遍歷
4. 刷身份證獲取照片人臉比對後存入人臉庫

另外想跟企業微信結合開發開發門禁、CRM什麼的，有興趣的朋友一起交流交流？

洗洗睡了，晚安。