目前我們的應用內使用了 ArcFace 的人臉檢測功能，其他的我們並不了解，所以這裏就和大家分享一下我們的集成過程和一些使用心得

集成

ArcFace FD 的集成過程非常簡單

在 ArcFace FD 的文檔上有說明支持的系統為 5.0 及以上系統，但其實在 4.4 系統上也是可以跑的，

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;
    }
}
 

我覺得 ArcFace 的優勢除了多角度檢測之外，另外一個是他的每次檢測並不是獨立，即這一次的檢測結果會指導下一次的檢測 (我猜測的->_->)

所以 ArcFace 在檢測到人臉之後，識別的時間會大幅減少，而 Seeta FD 的檢測每次都是獨立的，所以在無人臉的情況下，Seeta 的檢測速度要快於 ArcFace, 但是檢測到人臉之後，因為應用整體的計算量增加，導致 Seeta 的檢測速度降低的非常明顯，大大慢於 ArcFace, (所以二者是不是可以結合一下...)

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

優化 不得不說 ArcFace FD 的錯誤率是有待優化的，雖然 ArcFace 沒有提供任何可以調節的參數，但是還是可以稍微優化一下!

因為從攝像頭出來的 yuv 數據是橫向的，而 ArcFace 只有 AFD_OPF_0_HIGHER_EXT 這個擴展選項，優先檢測 0 度方向, 但是這個方向一般是沒有人臉的，所以如果直接進行檢測，我們覺得這個可能會增加檢測的錯誤率（猜的->_->)，所以處理方法是將 yuv 旋轉到手機豎屏方向（當然這個操作不是直接由 CPU 來處理，而是從 Camera 的外部紋理上開始做操作）再拿去檢測，這樣會減少一點錯誤率（從用戶反饋得出），雖然錯誤率依然很高（特別對於帶柵格的物體）希望虹軟能繼續優化！

另外一個是目前 ArcFace 還沒有支持 Android 8.x 系統，所以這種情況下，我們會啟用備選的其他方案來進行人臉檢測！

最後希望虹軟能把 ArcFace 越做越好 _ 因為只有產品足夠好才會不斷的有人為你做免費宣傳

Android SDK開發