v效率有點低，大家看看哪裏開可以節省時間？
源代碼：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 單線程時候的各種折騰
一、折騰LPASVLOFFSCREEN
話說這個LPASVLOFFSCREEN的結果文檔裏面沒有說明，或者是我沒找到。
我也不知道從哪裏復制來的，主要折騰的是ppu8Plane[0]地址，一般操作是

鎖定圖片內存
ppu8Plane[0]分配制定長度的內存
把圖片內存中的字節復制到一個臨時數組
然後用Marshal.Copy復制到指定的地址
解鎖圖片內存

我改成：

鎖定圖片內存

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);

其實如果是視頻圖片的話，圖片的寬度和高度都是固定的，想了想，沒折騰。
二、單線程時將獲取到的FaceModel直接做人臉比對的參數

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裏面的字節復制到臨時字節數組，然後創建新的FaceModel,分配內存，在將臨時字節數組復制到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>
/// 文件名作為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頻幀事件裏面，流程是：

新視頻幀（30幀/秒）
獲取檢測和識別的結果（人臉框和ID）
顯示檢測和識別的結果

結果視頻卡頓，獲取人臉特征的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，就在博客園發表了
C# 虹軟SDK視頻人臉識別和註冊
，還順手弄了個打賞二維碼。
發表完覺得這麽辛苦寫出來的文章，必須到首頁去亮個相，9天後終於學會發表到博客園首頁了，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 多線程的折騰
一、確定4線程為最佳
各種測試後得出的結論，也不知道對不對，也不知道為什麽，哎。
因網友的要求，同步到了github
二、刪除了單線程
有了更快的，就不要慢的了。
三、n張臉如何分配給4個線程獲取特征值？
動了不少腦筋，Interlocked.Increment是關鍵。
最終有改了下面的內容

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 ==

Intptr之間復制字節用CopyMemory比較快
兩三張臉的時候開4個線程不好，改成 new Task[TaskNum < detectResult.FaceCount ?
TaskNum : detectResult.FaceCount]

四、識別結果（集）的折騰

弄了個結果集，按最大人臉數設了個List（ Items = new List<FaceResult>();）
增加了FaceFeatureInput FFI，省的每次都去創建
並將人臉方向設成1（Orient = 1）（因為是視頻圖片，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
增加並初始化了FaceModel（FaceModel FaceModel = new FaceModel() { Size =
22020, PFeature = Marshal.AllocCoTaskMem(22020) };），獲取到的特征字節直接復制過來便可

五、保存特征值到人臉庫的時候同時保存頭像

因為虹軟說了，sdk升級的時候，特征值也有可能變化。那咱先把頭像保存起來，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))），咱保存的頭像怎麽著得是個人頭吧。
(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，如我的臺式機（i5-7500），輸入圖片只有1張臉的時候，遍歷

1萬張人臉僅需390毫秒
5萬張人臉也就1525毫秒
10萬張人臉說我內存不夠，可能是我的程序是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，我公司的項目——酒店自助機）改成單臉多線程識別，增加以下功能：

40次檢測人臉數為0，則確認為沒人，識別頻率降低
是否換人了？
同一個人3、4次識別不出ID後，確認為陌生人，不在遍歷
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什麽的，有興趣的朋友一起交流交流？

C#_Demo_攝像頭實時_4線程人臉識別註冊開發全過程