viewfacecore / viewfacecore

C# 超简单的离线人脸识别库。( 基于 SeetaFace6 )

ViewFaceCore

        

—— 💎 关于  | ⭐ 快速开始  | 📄 基本说明  | 🐟 API  | 🔎 参考文档  | ❓ 常见问题  | 📦 使用许可 ——

1. 关于

• 一个基于 SeetaFace6 的 .NET 人脸识别解决方案
• 本项目受到了 SeetaFaceEngine.Net 的启发
• 开源、免费、跨平台 (win/linux)

2. 快速开始

2.1 受支持的 .NET 框架 和 操作系统

目标框架	最低版本	操作系统
.NET Framework	4.0	win ( x64/x86 )
.NET Standard	2.0	win ( x64/x86 )
.NET / .NET Core	3.1、5.0、6.0、7.0	win ( x64/x86 )、linux ( arm/arm64/x64 )

2.2 简单的人脸信息检测

以 Windows x64平台 为例，一个简单的人脸检测Demo。

1. 使用 nuget 安装依赖

包名称	最小版本	生成文件夹	说明
ViewFaceCore		——	ViewFaceCore .NET 核心库
ViewFaceCore.all_models		viewfacecore\models	人脸检测的模型支持(图省事可以直接安装这个)
ViewFaceCore.runtime.win.x64		viewfacecore\win\x64	Windows-x64 的本机运行时，其它平台自行选择安装，可安装多个
ViewFaceCore.Extension.SkiaSharp		——	SkiaSharp图像处理扩展，ImageSharp、SkiaSharp、System.Drawing三选一

2. 获取人脸信息

using SkiaSharp;
using System;
using ViewFaceCore.Core;
using ViewFaceCore.Model;

namespace ViewFaceCore.Demo.ConsoleApp
{
    internal class Program
    {
        private readonly static string imagePath = @"images/Jay_3.jpg";

        static void Main(string[] args)
        {
            using var bitmap = SKBitmap.Decode(imagePath);
            using FaceDetector faceDetector = new FaceDetector();
            FaceInfo[] infos = faceDetector.Detect(bitmap);
            Console.WriteLine($"识别到的人脸数量：{infos.Length} 个人脸信息：\n");
            Console.WriteLine($"No.\t人脸置信度\t位置信息");
            for (int i = 0; i < infos.Length; i++)
            {
                Console.WriteLine($"{i}\t{infos[i].Score:f8}\t{infos[i].Location}");
            }
            Console.ReadKey();
        }
    }
}

更多案例可以下载源码查看Demo。

3. 二次开发

3.1 项目结构

├─Bridges                                        #Bridges
│  ├─Linux                                       ##Linux平台ViewFaceBridge项目
│  ├─Shared                                      ##共享库
│  └─Windows                                     ##Linux平台ViewFaceBridge项目
├─Examples                                       #一些案例
│  ├─ViewFaceCore.Demo.ConsoleApp                ##控制台项目案例
│  ├─ViewFaceCore.Demo.VideoForm                 ##Winform摄像头人脸识别项目
│  └─ViewFaceCore.Demo.WebApp                    ##ASP.NET Core web项目
├─Extensions                                     #扩展包项目
│  ├─ViewFaceCore.Extension.DependencyInjection  ##依赖注入扩展
│  ├─ViewFaceCore.Extension.ImageSharp           ##ImageSharp图像处理扩展项目
│  ├─ViewFaceCore.Extension.Shared               ##共享项目
│  ├─ViewFaceCore.Extension.SkiaSharp            ##SkiaSharp图像处理扩展项目
│  └─ViewFaceCore.Extension.SystemDrawing        ##System.Drawing图像处理扩展项目
├─Models                                         #模型项目
├─Runtimes                                       #对应各个平台的运行时
├─SeetaFace
│  └─index                                       #SeetaFace源码，build文件夹需要放到这个目录下面
├─Tests                                          #测试项目，包含各种单元测试
└─ViewFaceCore                                   #ViewFaceCore源码

3.2 开发环境

• Visual Studio 2022，需要安装.NET4/4.5支持（如何在Visual Studio 2022中安装.NET4/4.5？）
• Windows 10/11
• Ubuntu 20.04 (WSL)、Debian 10/11等

3.3 编译SeetaFace6

3.3.1 我对编译SeetaFace6不感兴趣~~~

即中科视图开源的SeetaFace6人脸识别引擎，如果你对编译这块不感兴趣，可以直接下载下面编译好的链接库，放入src/SeetaFace/index目录下面。
二进制文件地址：https://github.com/ViewFaceCore/SeetaFace6OpenBinary/releases
放置好之后的目录结构应该是这样的：

src
└─SeetaFace
   └─index
      └─build
         ├─bin
         │  ├─x64
         │  └─x86
         ├─cmake
         ├─include
         ├─lib
         │  ├─arm
         │  ├─arm64
         │  ├─x64
         │  └─x86
         └─lib64

3.3.2 我要编译SeetaFace6

1. SeetaFace6官方编译方式
   参考：https://github.com/SeetaFace6Open/index#%E7%BC%96%E8%AF%91%E4%BE%9D%E8%B5%96
2. 使用项目中的编译脚本
   参考：https://github.com/ViewFaceCore/ViewFaceCore/blob/main/docs/SeetaFace_Build.md

3.4 编译SeetaFaceBridge

3.4.1 编译Windows环境下的SeetaFaceBridge

通过3.3.1或者3.3.2小节，完成SeetaFace6编译之后，就可以在VS中直接右键->构建SeetaFaceBridge了。

3.4.2 编译Linux环境下的SeetaFaceBridge

前提条件也是需要通过3.3.1或者3.3.2小节，完成SeetaFace6的编译。
有三种方式可以编译Linux环境下的SeetaFaceBridge，WSL、Remote Linux、交叉编译。具体步奏就不一一介绍了，选择自己比较熟悉或者喜欢的方式，building~

3.5 编译ViewFaceCore

就像编译C#的Hello World一样简单。

4. 基本说明

4.1 各平台Runtime

为了兼容各个平台，我们分别编号好了各个平台的SeetaFace6以及ViewFaceBridge（用于通过C#调用C++写的SeetaFace6）。并打包好，发布到nuget上面。使用时，按需安装对应平台的nuget包。比如windows x64平台，安装对应的nuget包ViewFaceCore.runtime.win.x64。runtime可以同时安装多个平台，但是不能不安装，至少需要安装一个当前平台对应的runtime。
支持的平台以及nuget包如下表所示：

Nuget包名	版本	输出目录	说明
ViewFaceCore.runtime.win.x64		viewfacecore/win/x64	Windows，x64
ViewFaceCore.runtime.win.x86		viewfacecore/win/x86	Windows，x86
ViewFaceCore.runtime.ubuntu.20.04.x64		viewfacecore/linux/x64	Linux，x64；支持Ubuntu20.04+、Debian10+、Deepin20+等较新的debian系Linux系统
ViewFaceCore.runtime.linux.arm		viewfacecore/linux/arm	Linux，armhf；支持树莓派，nanopi等
ViewFaceCore.runtime.linux.arm64		viewfacecore/linux/arm64	Linux，arm64；支持树莓派，nanopi等

在使用过程中，如果出现DirectoryNotFoundException: Can not found library path.之类的异常，请检查对应目录下是否存在runtime依赖，有时网络问题会导致nuget包下载失败。

4.2 图形库扩展

ViewFaceCore本身不依赖任何图形库，但是为了调用方便，我们开发了三个常见图形库扩展。如下表所示：

Nuget包名	版本	说明
ViewFaceCore.Extension.SkiaSharp		SkiaSharp图形扩展
ViewFaceCore.Extension.ImageSharp		ImageSharp图形扩展
ViewFaceCore.Extension.SystemDrawing		System.Drawing图形扩展，微软不再支持System.Drawing跨平台了，但是这个包目前还是跨平台支持的

在使用过程中，可以选择任意一个自己熟悉或者当前项目中已经用到的图形库扩展使用。但是，图形库扩展不能安装多个，只能三者选其一！！！

4.3 模型设置

在算法开发包中，除了代码库本身以外，还有数据文件，我们通常称之为模型。
来源：入门教程 1.3节 http://leanote.com/blog/post/5e7d6cecab64412ae60016ef#title-11

我们封装好了每个人脸识别功能对应的模型，并打包发布至nuget。在使用时，只需要安装对应模型的nuget包即可。
nuget包如下表所示:

Nuget包名	版本	说明
ViewFaceCore.all_models		包含全部模型。不知道装哪一个时，装这个就行了，但是包特别大（300多MB）
ViewFaceCore.model.age_predictor		年龄预测
ViewFaceCore.model.eye_state		眼睛状态检测
ViewFaceCore.model.gender_predictor		性别预测
ViewFaceCore.model.face_detector		人脸检测
ViewFaceCore.model.mask_detector		口罩检测
ViewFaceCore.model.face_landmarker_mask_pts5		戴口罩关键定定位，5个关键点
ViewFaceCore.model.face_landmarker_pts5		关键定定位，5个关键点
ViewFaceCore.model.face_landmarker_pts68		关键定定位，68个关键点
ViewFaceCore.model.face_recognizer		人脸识别，68个关键点
ViewFaceCore.model.face_recognizer_light		人脸识别，5个关键点
ViewFaceCore.model.face_recognizer_mask		人脸识别，戴口罩
ViewFaceCore.model.fas_first		活体检测，局部
ViewFaceCore.model.fas_second		活体检测，全局
ViewFaceCore.model.pose_estimation		姿态检测
ViewFaceCore.model.quality_lbn		质量检测

4.4 调用说明

4.4.1 对象生命周期

这里的对象的生命周期指的是人脸识别中各个功能对象的生命周期，并不是C#中GC和对象的生命周期。虽然也和C#中对象生命周期密不可分，但是这并不是这一小节的主题，这里不会过多的解释C#语言本身的特性。
用FaceDetector举个例子。在FaceDetector的构造函数中

public FaceDetector(FaceDetectConfig config = null)
{
    this.DetectConfig = config ?? new FaceDetectConfig();
    _handle = ViewFaceNative.GetFaceDetectorHandler(this.DetectConfig.FaceSize
        , this.DetectConfig.Threshold
        , this.DetectConfig.MaxWidth
        , this.DetectConfig.MaxHeight
        , (int)this.DetectConfig.DeviceType);
    if (_handle == IntPtr.Zero)
    {
        throw new Exception("Get face detector handler failed.");
    }
}

通过Native调用的方式，调用C++项目ViewFaceBridge中的函数GetFaceDetectorHandler获取SeetaFace6中seeta::v6::FaceDetector对象的IntPtr句柄。
ViewFaceBridge中的函数GetFaceDetectorHandler函数代码如下：

View_Api seeta::v6::FaceDetector *GetFaceDetectorHandler(const double faceSize = 20, const double threshold = 0.9, const double maxWidth = 2000, const double maxHeight = 2000, const SeetaDevice deviceType = SEETA_DEVICE_AUTO)
{
	seeta::v6::FaceDetector *faceDetector = new seeta::v6::FaceDetector(ModelSetting(modelPath + "face_detector.csta", deviceType));
	faceDetector->set(FaceDetector::Property::PROPERTY_MIN_FACE_SIZE, faceSize);
	faceDetector->set(FaceDetector::Property::PROPERTY_THRESHOLD, threshold);
	faceDetector->set(FaceDetector::Property::PROPERTY_MAX_IMAGE_WIDTH, maxWidth);
	faceDetector->set(FaceDetector::Property::PROPERTY_MAX_IMAGE_HEIGHT, maxHeight);
	return faceDetector;
}

当对象使用完毕后，FaceDetector中Dispose方法中通过Native调用DisposeFaceDetector函数，释放掉seeta::v6::FaceDetector对象。

View_Api void DisposeFaceDetector(seeta::v6::FaceDetector *handler)
{
	_dispose(handler);
}

综上所述，在编写代码的过程中，一定要使用using语句或在结束后调用Dispose释放掉对象。且SeetaFace6对象的构造和释放会比较耗时，其中涉及到模型加载、计算等，建议尽可能的复用对象以及在需要频繁使用新对象的场景中使用对象池。
对象复用，又涉及到线程安全的问题。更多关于线程安全的细节，请继续阅读下一节。

4.4.2 线程安全

线程安全也是开发中需要重点关注的特性。然而，线程安全在不同的上下文解释中总会有不同解释。为了避免理解的偏差，这里用几种不同的用例去解释识别器的使用。

1. 对象可以跨线程传递。线程1构造的识别器，可以在线程2中调用。
2. 对象的构造可以并发构造，即可以多个线程同时构造识别器。
3. 单个对象的接口调用不可以并发调用，即单个对象，在多个线程同时使用是被禁止的。
来源：入门教程 1.5 线程安全性 http://leanote.com/blog/post/5e7d6cecab64412ae60016ef#title-11

因为SeetaFace6本身不支持多线程调用，所以在这个库设计的时候，在每个不支持并发操作的功能中通过加锁限制并发调用。可以认为，在单个对象的不同操作中，是线程安全的。

4.4.3 初始化配置

在一些场景下，比如不支持AVX2指令集、需要拿取内部日志等场景下，默认设置并不能满足要求。为此，我们提供了一个全局配置项：GlobalConfig，下面的小节将具体介绍支持的特性。

4.4.3.1 输出内部日志

在生产环境或者某些不方便调试场景下，又出现一些莫名其妙的问题的时候，不妨看看内部日志，说不定有不一样的收获。

static void Config()
{
    //打印内部日志
    GlobalConfig.SetLog((msg) =>
    {
        Console.WriteLine($"[内部日志]{msg}");
    });
}

4.4.3.2 特定指令集支持

x86环境，默认情况下，使用支持AVX2、FMA指令集的tennis神经网络推理系统。但在一些低功耗CPU上面，比如Intel的J系列和N系列，阉割了AVX2指令集。在这些不支持AVX2或FMA指令集的CPU上面运行时，可能会报异常：0x00007FFC3FDD104E (tennis.dll) (ConsoleApp1.exe 中)处有未经处理的异常: 0xC000001D: IllegInstruction。
原因是tennis使用了不支持的指令集。下表是tennis文件对应支持的指令集。

文件	指令集	说明
tennis.dll	AVX2、FMA	默认
tennis_haswell.dll	AVX2、FMA
tennis_sandy_bridge.dll	AVX2
tennis_pentium.dll	SSE2

但是tennis同样提供了不同指令集上面的解决方案。ViewFaceCore通过一个全局配置项，可以强制使用支持具体指令集的tennis。
如下所示：

static void Config()
{
    //设置只支持SSE2指令集
    GlobalConfig.SetInstruction(X86Instruction.SSE2);
}

需要注意的是，设置指令集支持，必需在初始化任何API之前，否者无效。

5. ViewFaceCore API

5.1 所有API通用配置参数

下表是所有API都能使用的配置参数，有些参数可能并不会生效。

配置项	类型	默认值	说明
DeviceType	枚举；支持值：AUTO、CPU、GPU	AUTO	检测所用的设备类型，目前只提供CPU支持，需要GPU请自行编译TenniS

5.2 FaceAntiSpoofing（活体检测）

活体检测API。
活体检测识别器可以加载一个局部检测模型或者局部检测模型+全局检测模型，使用参数Global来区分，默认为True。
当使用局部检测模型时，需要安装模型ViewFaceCore.model.fas_second。 当使用局部检测模型+全局检测模型时，需要安装模型ViewFaceCore.model.fas_first和ViewFaceCore.model.fas_second。

配置项FaceAntiSpoofingConfig

配置项	类型	默认值	说明
VideoFrameCount	int	10	设置视频帧数，用于PredictVideo，一般来说，在10以内，帧数越多，结果越稳定，相对性能越好，但是得到结果的延时越高。
BoxThresh	float	0.8	攻击介质存在的分数阈值，该阈值越高，表示对攻击介质的要求越严格
Threshold	FaceAntiSpoofingConfigThreshold	(0.3, 0.8)	活体识别时，如果清晰度(clarity)低的话，就会直接返回FUZZY。清晰度满足阈值，则判断真实度（reality），超过阈值则认为是真人，低于阈值是攻击。
Global	bool	true	是否开启全局检测模型。在Linux平台下面，存在bug，无法设置为FALSE

FaceAntiSpoofingConfigThreshold：

配置项	类型	默认值	说明
Clarity	float	0.3	清晰度(clarity)，如果清晰度(clarity)低的话，就会直接返回FUZZY
Reality	float	0.8	真实度(clarity)，超过阈值则认为是真人，低于阈值是攻击。

AntiSpoofing
单帧活体检测。

public AntiSpoofingResult AntiSpoofing(FaceImage image, FaceInfo info, FaceMarkPoint[] points)

入参：

名称	参数	类型	默认值	说明
image	FaceImage	object	-	图像数据
info	FaceInfo	object	-	人脸信息
points	FaceMarkPoint[]	struct数组	-	关键点位

出参AntiSpoofingResult：

参数	类型	默认值	说明
AntiSpoofingStatus	枚举	-	Error（错误或没有找到指定的人脸索引处的人脸）、Real（真实人脸）、Spoof（攻击人脸（假人脸））、Fuzzy（无法判断（人脸成像质量不好））、Detecting（正在检测）
Clarity	float	-	清晰度
Reality	float	-	真实度

调用示例
单帧活体检测。

static void AntiSpoofingDemo()
{
    using var bitmap = SKBitmap.Decode(imagePath0);

    using FaceDetector faceDetector = new FaceDetector();
    using FaceLandmarker faceMark = new FaceLandmarker();
    using FaceAntiSpoofing faceAntiSpoofing = new FaceAntiSpoofing();

    var info = faceDetector.Detect(bitmap).First();
    var markPoints = faceMark.Mark(bitmap, info);

    Stopwatch sw = Stopwatch.StartNew();
    sw.Start();

    var result = faceAntiSpoofing.AntiSpoofing(bitmap, info, markPoints);
    Console.WriteLine($"活体检测，结果：{result.Status}，清晰度:{result.Clarity}，真实度：{result.Reality}，耗时：{sw.ElapsedMilliseconds}ms");

    sw.Stop();
    Console.WriteLine();
}

AntiSpoofingVideo
视频帧识别。

public AntiSpoofingResult AntiSpoofingVideo(FaceImage image, FaceInfo info, FaceMarkPoint[] points)

使用方式同上。

5.3 FaceDetector（人脸检测）

人脸检测，输入待检测的图片，输出检测到的每个人脸位置，用矩形表示。
人脸检测需要模型ViewFaceCore.model.face_detector。一般检测返回的所有人脸的人脸位置数组，并按照置信度从大大小进行排序返回。

配置项FaceDetectConfig

配置项	类型	默认值	说明
FaceSize	int	20	最小人脸，最小人脸和检测器性能息息相关。主要方面是速度，使用建议上，我们建议在应用范围内，这个值设定的越大越好。
Threshold	double	0.9	检测器阈值。默认值是0.9，合理范围为[0, 1]。这个值一般不进行调整，除了用来处理一些极端情况。这个值设置的越小，漏检的概率越小，同时误检的概率会提高。
MaxWidth	int	2000	可检测的图像最大宽度
MaxHeight	int	2000	可检测的图像最大高度

更多细节请参考：http://leanote.com/blog/post/5e7d6cecab64412ae60016ef#title-14

Detect
人脸信息检测。

public FaceInfo[] Detect(FaceImage image)

入参：

名称	参数	类型	默认值	说明
image	FaceImage	object	-	人脸图像信息数据

出参：

参数	类型	默认值	说明
FaceInfo	struct数组	-	人脸信息

FaceInfo：

参数	类型	默认值	说明
Score	float	-	人脸置信度
Location	FaceRect	-	人脸位置

FaceRect：

参数	类型	默认值	说明
X	int	-	左上角点横坐标
Y	int	-	左上角点纵坐标
Width	int	-	矩形宽度
Height	int	-	矩形高度

调用示例
识别人脸并标记出来。

using System;
using System.Drawing;
using System.Linq;
using ViewFaceCore;
using ViewFaceCore.Core;
using ViewFaceCore.Model;

namespace Demo
{
    internal class Program
    {
        private readonly static string imagePath = @"images/Jay_3.jpg";
        private readonly static string outputPath = @"images/Jay_out.jpg";

        static void Main(string[] args)
        {
            using var bitmap = (Bitmap)Image.FromFile(imagePath);
            using FaceDetector faceDetector = new FaceDetector();
            FaceInfo[] infos = faceDetector.Detect(bitmap);
            //输出人脸信息
            Console.WriteLine($"识别到的人脸数量：{infos.Length} 个人脸信息：\n");
            Console.WriteLine($"No.\t人脸置信度\t位置信息");
            for (int i = 0; i < infos.Length; i++)
            {
                Console.WriteLine($"{i}\t{infos[i].Score:f8}\t{infos[i].Location}");
            }
            //画方框，标记人脸
            using (Graphics g = Graphics.FromImage(bitmap))
            {
                g.DrawRectangles(new Pen(Color.Red, 4), infos.Select(p => new RectangleF(p.Location.X, p.Location.Y, p.Location.Width, p.Location.Height)).ToArray());
            }
            bitmap.Save(outputPath);
            Console.WriteLine($"输出图片已保存至：{outputPath}");
            Console.WriteLine();
        }
    }
}

5.4 FaceLandmarker（人脸关键点定位器）

关键定定位输入的是原始图片和人脸检测结果，给出指定人脸上的关键点的依次坐标。
这里检测到的5点坐标循序依次为，左眼中心、右眼中心、鼻尖、左嘴角和右嘴角。注意这里的左右是基于图片内容的左右，并不是图片中人的左右，即左眼中心就是图片中左边的眼睛的中心。

配置项FaceLandmarkConfig

配置项	类型	默认值	说明
MarkType	枚举	Light	关键点类型

MarkType枚举：

枚举值	所选模型	说明
Normal	ViewFaceCore.model.face_landmarker_pts68	68个关键点检测模型
Light	ViewFaceCore.model.face_landmarker_pts5	5个关键点检测模型
Mask	ViewFaceCore.model.face_landmarker_mask_pts5	戴口罩关键点检测模型

需要注意的是：

这里的关键点是指人脸上的关键位置的坐标，在一些表述中也将关键点称之为特征点，但是这个和人脸识别中提取的特征概念没有任何相关性。并不存在结论，关键点定位越多，人脸识别精度越高。
一般的关键点定位和其他的基于人脸的分析是基于5点定位的。而且算法流程确定下来之后，只能使用5点定位。5点定位是后续算法的先验，并不能直接替换。从经验上来说，5点定位已经足够处理人脸识别或其他相关分析的精度需求，单纯增加关键点个数，只是增加方法的复杂度，并不对最终结果产生直接影响。
来源：入门教程 2.2 人脸关键点定位器 http://leanote.com/blog/post/5e7d6cecab64412ae60016ef#title-15

Mark

public FaceMarkPoint[] Mark(FaceImage image, FaceInfo info) 

入参：

名称	参数	类型	默认值	说明
image	FaceImage	object	-	人脸图像信息数据
info	FaceInfo	struct	-	面部信息

出参：

参数	类型	默认值	说明
FaceMarkPoin[]	struct数组	-	关键点坐标，坐标循序依次为，左眼中心、右眼中心、鼻尖、左嘴角和右嘴角

FaceMarkPoin

参数	类型	默认值	说明
X	int	-	左上角点横坐标
Y	int	-	左上角点纵坐标

调用示例
识别人脸并标记出来。

static void FaceMarkDemo()
{
    using var bitmap0 = SKBitmap.Decode(imagePath0);
    using var faceImage = bitmap0.ToFaceImage();
    using FaceDetector faceDetector = new FaceDetector();
    using FaceLandmarker faceMark = new FaceLandmarker();
    Stopwatch sw = new Stopwatch();

    var infos = faceDetector.Detect(faceImage);
    var markPoints = faceMark.Mark(faceImage, infos[0]);

    sw.Stop();
    Console.WriteLine($"识别到的关键点个数：{markPoints.Length}，耗时：{sw.ElapsedMilliseconds}ms");
    foreach (var item in markPoints)
    {
        Console.WriteLine($"X:{item.X}, Y:{item.Y}");
    }
    Console.WriteLine();
}

5.5 FaceRecognizer（人脸特征提取和对比）

人脸识别的一个基本概念，就是将待识别的人脸经过处理变成二进制数据的特征，然后基于特征表示的人脸进行相似度计算，最终与相似度阈值对比，一般超过阈值就认为特征表示的人脸是同一个人。

配置项FaceRecognizeConfig

配置项	类型	默认值	说明
FaceType	枚举	Normal	人脸识别模型
Threshold	阈值	FaceType.Normal：0.62、FaceType.Mask：0.4、FaceType.Light：0.55	不同人脸识别模型具有不同的默认值

配置项中Threshold为私有变量，需要通过方法GetThreshold来获取阈值，通过SetThreshold来设置阈值。

Extract
特征提取。

public float[] Extract(FaceImage image, FaceMarkPoint[] points)

入参：

名称	参数	类型	默认值	说明
image	FaceImage	object	-	人脸图像信息数据
points	FaceMarkPoint数组	-	人脸标记点位，通过FaceLandmarker.Mark方法获取

出参：

参数	类型	默认值	说明
float[]	array	-	特征值

提取的特征值都是float数组。提取特征值后通过下面的Compare方法和其他人脸特征值进行对比，特征对比方式是向量內积。

Compare
计算相似度。

public float Compare(float[] lfs, float[] rfs)

入参：

名称	参数	类型	默认值	说明
lfs	float[]	array	-	特征值
rfs	float[]	array	-	特征值

出参：

参数	类型	默认值	说明
float	float	-	特征值相似度

IsSelf
判断是否为同一人。

public bool IsSelf(float similarity)
或
public bool IsSelf(float[] lfs, float[] rfs)

入参：

名称	参数	类型	默认值	说明
lfs	float[]	array	-	特征值
rfs	float[]	array	-	特征值

或

名称	参数	类型	默认值	说明
similarity	float	float	-	特征值相似度

通过和设置的阈值对比，大于阈值则为同一人。

出参：

参数	类型	默认值	说明
bool	bool	-	true为同一人，false不是同一个人

调用示例
提取两张图片特征值后，判断两张图片中的人脸是否为同一人。

static void FaceRecognizerDemo()
{
    Stopwatch sw = Stopwatch.StartNew();
    sw.Start();

    using var faceImage0 = SKBitmap.Decode(imagePath0).ToFaceImage();
    using var faceImage1 = SKBitmap.Decode(imagePath1).ToFaceImage();
    //检测人脸信息
    using FaceDetector faceDetector = new FaceDetector();
    FaceInfo[] infos0 = faceDetector.Detect(faceImage0);
    FaceInfo[] infos1 = faceDetector.Detect(faceImage1);
    //标记人脸位置
    using FaceLandmarker faceMark = new FaceLandmarker();
    FaceMarkPoint[] points0 = faceMark.Mark(faceImage0, infos0[0]);
    FaceMarkPoint[] points1 = faceMark.Mark(faceImage1, infos1[0]);
    //提取特征值
    using FaceRecognizer faceRecognizer = new FaceRecognizer();
    float[] data0 = faceRecognizer.Extract(faceImage0, points0);
    float[] data1 = faceRecognizer.Extract(faceImage1, points1);
    //对比特征值
    bool isSelf = faceRecognizer.IsSelf(data0, data1);

    Console.WriteLine($"识别到的人脸是否为同一人：{isSelf}，对比耗时：{sw.ElapsedMilliseconds}ms");
    Console.WriteLine();
    sw.Stop();
}

5.6 FaceTracker（人脸追踪）

人脸追踪是在进行识别之前就利用视频特性，首先就确认在视频序列中出现的那些人是同一人，并获取人脸在视频中的位置。人脸追踪获取的结果（FaceTrackInfo）可以直接转换成FaceInfo使用。
FaceTrackInfo相比于FaceInfo多了一个PID字段，PID就是人员编号，对于视频中出现的人脸，如果跟踪分配了同一个PID，那么就可以认为相同PID的人脸属于同一个人。
更多内容请查看：http://leanote.com/blog/post/5e7d6cecab64412ae60016ef#title-29

配置项FaceTrackerConfig

配置项	类型	默认值	说明
Width	int	-	视频宽度
Height	int	-	视频高度
MinFaceSize	int	20	设置可检测的人脸大小，为人脸宽和高乘积的二次根值。最小人脸和检测器性能息息相关。主要方面是速度，使用建议上，我们建议在应用范围内，这个值设定的越大越好。
Threshold	float	0.9	检测器阈值。合理范围为[0, 1]。这个值一般不进行调整，除了用来处理一些极端情况。这个值设置的越小，漏检的概率越小，同时误检的概率会提高。
Stable	bool	false	是否进行检测结果的帧间平滑，使得检测结果从视觉上更好一些。
Interval	int	10	检测间隔

配置项FaceTrackerConfig必须指定视频宽度和高度，不能为空。

Track
识别传入图像中的人脸，并返回可跟踪的人脸信息。

public FaceTrackInfo[] Track(FaceImage image)

入参：

名称	参数	类型	默认值	说明
image	FaceImage	struct	-	要追踪的图像

出参：

参数	类型	默认值	说明
FaceTrackInfo	struct数组	-	人脸信息

Reset
当检测逻辑断开，或者切换视频的时候，就需要排除之前跟踪的逻辑，这个时候调用Reset方式清楚之前所有跟踪的结果，重新PID计数。

public void Reset()

调用示例：
追踪一张图片中的人脸，并获取人脸标记点。

static void FaceTrackDemo()
{
    using var faceImage = SKBitmap.Decode(imagePath0).ToFaceImage();
    using FaceLandmarker faceMark = new FaceLandmarker();
    using FaceTracker faceTrack = new FaceTracker(new FaceTrackerConfig(faceImage.Width, faceImage.Height));
    var result = faceTrack.Track(faceImage);
    if (result == null || !result.Any())
    {
        Console.WriteLine("未追踪到任何人脸！");
        return;
    }
    foreach (var item in result)
    {
        FaceInfo faceInfo = item.ToFaceInfo();
        //标记人脸
        var points = faceMark.Mark(faceImage, faceInfo);
    }
}

5.7 MaskDetector（口罩检测）

5.7.1 口罩检测

用于检测是否戴了口罩或有遮挡。

5.7.2 戴口罩人脸识别

口罩人脸识别，其底层还是调用口罩人脸识别模块，只需要替换为口罩人脸识别模型。

5.8 FaceQuality（质量检测）

5.9 AgePredictor（年龄预测）

5.10 GenderPredictor（性别预测）

5.11 EyeStateDetector（眼睛状态检测）

6. 参考文档

• SeetaFace6 说明
• SeetaFace 各接口说明
• SeetaFace 入门教程

7. 常见问题

1. Unable to load DLL 'ViewFaceBridge' or one of its dependencies

   1. 检查nuget包是否下载完全，编译目标文件夹下面的viewfacecore文件夹中是否有对应平台的依赖文件，比如说windows x64平台，在viewfacecore文件夹下面应该会有win/x64文件夹，文件夹中有很多*.dll文件。
   2. 缺少vc++依赖，安装nuget包ViewFaceCore.runtime.win.vc.

2. 开始人脸识别时卡死，然后异常结束，或者报异常：0x00007FFC3FDD104E (tennis.dll) (ConsoleApp1.exe 中)处有未经处理的异常: 0xC000001D: IllegInstruction。
   参考：https://github.com/ViewFaceCore/ViewFaceCore/tree/main#4432-%E7%89%B9%E5%AE%9A%E6%8C%87%E4%BB%A4%E9%9B%86%E6%94%AF%E6%8C%81

8. 使用许可

Copyright (c) 2021, View | Copyright (c) 2019, SeetaTech

[源] > SeetaFace 开源版可以免费用于商业和个人用途。如果需要更多的商业支持，请联系商务邮件 [email protected]

viewfacecore's Issues

能编译Linux版本的ViewFace库吗

SeetaFace6支持Linux，但是我自己不会C++，也不知道项目中ViewFace能否编译为Linux的动态链接库。可以的话，项目也可以在Linux中使用。

[ERROR]: [src\runtime\workbench.cpp:197]: Input index out of range. with index=0

.NET Core项目下, 多次进行检测图片中的人脸之后就提示越界然后程序终止.

调用活体识别或人脸识别时，摄像头显示界面卡顿

请教个问题，把算法集成到浏览器中时，在调用活体识别方法或者人脸识别方法时，因为识别方法需要时间，页面上显示的画面存在稍微卡顿，想保持显示画面一直流畅，有什么好的解决思路吗？谢谢！

ViewFace在windows下cpu为Intel(R) Pentium(R)时无法使用

您好，谢谢你的项目，我使用viewFace.dll文件做了一个浏览器ocx，在AMD和Intel 酷睿CPU下面没有问题，但是在Intel 奔腾CPU下面出现无法加载的情况。谢谢

X64运行不起来,报错期待更新

跑十几次就会报错,如下问题 期待作者更新
托管调试助手 "FatalExecutionEngineError"
运行时遇到了错误。此错误的地址为 0x1f6a7a22，在线程 0x55a0 上。错误代码为 0xc0000005。此错误可能是 CLR 中的 bug，或者是用户代码的不安全部分或不可验证部分中的 bug。此 bug 的常见来源包括用户对 COM-interop 或 PInvoke 的封送处理错误，这些错误可能会损坏堆栈。

建议移除对System.Drawing.Common的依赖

.net 6发布后微软移除了非Windows平台System.Drawing.Common模块的支持，继续使用Bitmap作为接口会导致在linux上无法使用这个库。
事实上Bitmap仅仅只是读取图像信息，这一步很多库都可以做到，比如Silk.Net（opencv），SkiaSharp（skia），不如内置一个ImageInfo,包含width\height\channels\data信息，作为参数，至于用户爱用Bitmap生成这个ImageInfo，还是爱用其他库，随用户自己。

System.AccessViolationException:“尝试读取或写入受保护的内存。这通常指示其他内存已损坏。”

图片少的时候没问题，图片多的话就报错，不知道怎么回事，大佬最近有空看下吗

Can not use this repo in .NET 6.0 X64 for Window 10

Hello:
I found this repo, it seems to be a good software. I want to do some testing.
I have create one Windows Forms App targeting .NET 6.0 (CPU: x64, but x86 has the same error)
I installed latest version of Nuget:
PM> Install-Package ViewFaceCore -Version 0.3.5
The following is my C# code:

using System;
using System.Drawing;
using ViewFaceCore.Sharp;

namespace ViewFaceCoreFaceDetectForm
{
public partial class Form1 : Form
{
public const string Face1_JPG_File = @"D:\Images\Temp\1.jpg";

    public Form1()
    {
        InitializeComponent();
    }

    private void Form1_Load(object sender, EventArgs e)
    {
        ViewFace face = new();
        Bitmap bitmap = (Bitmap)Image.FromFile(Face1_JPG_File);
        var infos = face.FaceDetector(bitmap);
        Console.WriteLine($"Face # detected {infos.Length}");
        Console.WriteLine($"Score and Position");
        for (int i = 0; i < infos.Length; i++)
        {
            Console.WriteLine($"{i}\t{infos[i].Score:f8}\t{infos[i].Location}");
        }
        Console.Read();
    }
}

}

But when I run this, I got error:
Inner Exception 1:
DirectoryNotFoundException: 找不到本机库目录: C:\SoccerVideos\Images\ViewFaceCoreFaceDetectForm\ViewFaceCoreFaceDetectForm\bin\Debug\net6.0-windows10.0.19041.0\viewfacecore\win\x64

I also download the repo source code (ViewFaceCore-main), and try to build it in Visual Studio 2022 (Version 17.1.1). I am using Windows 10 (Version 21H2, OS build 19044.1586)
But I also got some errors, like the following:
Error MSB8020 The build tools for Remote_GCC_1_0 (Platform Toolset = 'Remote_GCC_1_0') cannot be found. To build using the Remote_GCC_1_0 build tools, please install Remote_GCC_1_0 build tools. Alternatively, you may upgrade to the current Visual Studio tools by selecting the Project menu or right-click the solution, and then selecting "Retarget solution".

Error C1083 Cannot open include file: 'seeta/FaceDetector.h': No such file or directory

Let me know how to fix this issue.
PS: You can reply in Chinese, if not easy to reply in English.
I think if I can install NUGET package, all necessary libraries should be OK, there should be no more errors. By the way, if there is any library which is only available in Baidu Pan, then all the people outside China can’t access.
Thanks,

System.IO.DirectoryNotFoundException: 找不到本机库目录: c:\windows\system32\inetsrv\viewfacecore\win\x64

I use viewfaceCore in asp.net application and it works on local But
when I Published My app and uploaded it to server and it gave this error .

System.IO.DirectoryNotFoundException: 找不到本机库目录: c:\windows\system32\inetsrv\viewfacecore\win\x64

I go to this path

c:\windows\system32\inetsrv\viewfacecore\win\x64
and copy files there .

But it does not solve .

My photo Attach .

simillarity value

@View12138
How much similarity should be so
Confirm the similarity of the two photos ???

0.65 or higher ??

in this function :

float similarity = viewFace.Similarity(oldEigenValues, newEigenValues);

识别出错

调用方法 ViewFace.FaceMark()的时候，，返回的永远都是空数组,精度已经设置的很低了，换了很多张图片问题依旧

是否支持Linux？

Windows Server 2019 虚拟机， Run不起来

初始化ViewFaceCore出现The type initializer for 'ViewFaceCore.Plus.ViewFaceBridge' threw an exception这个异常,版本是0.3.5,请问怎么解决

间歇性异常停止响应

在Windows Server 2012 R2 Standard服务器IIS上部署面部识别程序，.netmvc。
多次请求会出现异常停止响应，这种情况偶发多现，当停止响应时，会卡住直到超时，程序中try catch无法捕获。

通过DebugDiag监测clr异常日志如下
`***********************

• EXCEPTION DETAILS *

---

DetailID = 1
Count: 1
Exception #: 0XC0000005
Stack:
clr!GetMetaDataPublicInterfaceFromInternal+0xc33a
clr!GetMetaDataPublicInterfaceFromInternal+0xbd40
clr!GetMetaDataPublicInterfaceFromInternal+0x1d7e7
clr!GetMetaDataPublicInterfaceFromInternal+0x1a9f2
clr!GetMetaDataPublicInterfaceFromInternal+0x18578
clr!GetMetaDataPublicInterfaceFromInternal+0x191d6
clr!GetMetaDataPublicInterfaceFromInternal+0xc6da
clr!StrongNameSignatureVerification+0x18b06
clr!GetMetaDataPublicInterfaceFromInternal+0xae45
clr!NGenCreateNGenWorker+0xbe05
clr!LogHelp_LogAssert+0x68c5
KERNEL32!BaseThreadInitThunk+0x22
ntdll!RtlUserThreadStart+0x34

---

• EXCEPTION SUMMARY *

---

|--------------------|
| Count | Exception  |
|--------------------|
| 1     | 0XC0000005 |
|--------------------|

Debugging Overhead Cost:
Total Elapsed Ticks = 34437 (100%)
Total Ticks Spent in Debugger Engine = 6984 (20%)
Total Ticks Spent in Crash Rule Script = 2050 (6%)`

增加了新的api的库要如何引用

今天收到邮件说增加了口罩监测，但是在NuGet上的版本仍然为0.3.5，自己下了源码，但是ViewFaceBridge那里编不过，一堆奇怪的问题，我上个版本编译的时候没遇到过。能否将新版的ViewFaceBridge.dll以及ViewFaceCore.dll通过邮件发我一份。万分感谢

app崩溃,FatalExecutionEngineError

问题描述:造了个单例, 在wpf控件写dispatcher timer , 在timer的tick事件用这个单例去识别人脸, 总是报FatalExecutionEngineError这个错误直接崩溃了, 线程在viewFace.FaceDetector(mybitmap)这里停住了.用windbg查看了内存堆栈,只有一个实例在执行人脸识别.
单例的代码
veiwfacecore版本:0.3.4

        public class FaceCaptureViewModel
        {

            public ViewFace viewFace = new ViewFace("./FaceLibraries/model/", (str) => { Debug.WriteLine(str); });
            public static FaceCaptureViewModel Instance = new FaceCaptureViewModel();
            public Action<string> OnFaceBeCapture;
            public FaceCaptureViewModel()
            {
                viewFace.DetectorConfig = new ViewFaceCore.Sharp.Configs.FaceDetectorConfig { FaceSize = 20, MaxWidth = 2000, MaxHeight = 2000, Threshold = 0.9 };
                // 系统默认使用的轻量级识别模型。如果对精度有要求，请切换到 Normal 模式；并下载需要模型文件 放入生成目录的 model 文件夹中
                viewFace.FaceType = FaceType.Normal;
                // 系统默认使用5个人脸关键点。//不建议改动，除非是使用口罩模型。
                viewFace.MarkType = MarkType.Light;

            }

        }

调用的代码:

                        src = (Bitmap)_currentFrame.Clone();
                        var _result = FaceCaptureViewModel.Instance.viewFace.FaceDetector(src);

ViewFaceCore.runtime.win.vc 求Add License, 另Nuget最新版本的包，检测不道人脸信息

linux下返回不支持的操作系统

ViewFaceCore\Plus\RuntimeInformation.Extension.cs
这段代码

    public static bool IsOSPlatform(OSPlatform platform) => platform == OSPlatform.Windows;

ViewFace.FaceDetector方法 总是返回空数组

安装了：ViewFaceCore 0.3.5版本、 ViewFaceCore.runtime.win.vc、ViewFaceCore.runtime.win.x64、ViewFaceCore.all_models。

调用会随机报错

托管调试助手 "FatalExecutionEngineError":“运行时遇到了错误。此错误的地址为 0x2f767932，在线程 0x1ba0 上。错误代码为 0xc0000005。此错误可能是 CLR 中的 bug，或者是用户代码的不安全部分或不可验证部分中的 bug。此 bug 的常见来源包括用户对 COM-interop 或 PInvoke 的封送处理错误，这些错误可能会损坏堆栈。”

ViewFaceTest里写了一个循环，连接执行几次报：Fatal error. Internal CLR error. (0x80131506)

口罩识别报 ERROR: [FaceDetector.cpp:201]: Model: /prior_box must be dict 错

请问这种怎么处理呢？ @View12138

Attempted to read or write protected memory. This is often an indication that other memory is corrupt

1.多次调用ViewFace.FaceDetectorAsync方法后，有时vs会报这个错误。程序会停止
System.AccessViolationException:“Attempted to read or write protected memory. This is often an indication that other memory is corrupt.”
2.这是控制台的日志信息。
Fatal error. System.AccessViolationException: Attempted to read or write protect
ed memory. This is often an indication that other memory is corrupt.
at ViewFaceCore.Plus.Platform.ViewFacePlus64.ViewDispose()
at ViewFaceCore.Plus.Platform.ViewFacePlus64.ViewDispose()
at ViewFaceCore.Plus.ViewFacePlus.ViewDispose()
at ViewFaceCore.Sharp.ViewFace.Finalize()

请问初始化FaceAntiSpoofing报错,错误信息vector<T> too long, 可能是什么原因？

咨询一个Similarity效率问题，比如5000个特征与一张图片的比对。

不好意思，对这块技术不熟悉，弱弱的咨询个问题。
如果人脸库中有几万张，那一张一张Similarity过去，即便每一次比对只花5ms，最多要比上万张肯定很慢。
有没有办法像数据库查询一样的，对特征数据进行预处理来加快比对效率呢？
还是只能用加机器做分布运行解决了？

.NET Core 控制台项目无法加载DLL

System.DllNotFoundException:“Unable to load DLL 'FaceLibraries\x64\ViewFace.dll' or one of its dependencies: 找不到指定的模块。 (0x8007007E)”

ViewFaceCore 是否支持对比两张人脸是否同一个人？

ViewFaceCore 是否支持对比两张人脸是否同一个人？

看到了你的api isSelf 没有看到那点输入两张照片的 api

识别后能不能同一张人脸形成一个faceid，以用来做人脸登录呢？

如题

运行不起来

研究一天了，都没有运行起来

QualityConfig add Reality 阈值设置（活体阈值）

Seeta官方有这个设定，目前ViewFaceCore没有。

SeetaAuthorize.dll not found

IIS部署会出现Unable to load DLL 'FaceLibraries\x64\ViewFace.dll' or one of its dependencies: 拒绝访问的异常

IIS7 部署会出现Unable to load DLL 'FaceLibraries\x64\ViewFace.dll' or one of its dependencies: 拒绝访问的异常。用的 .net core 3.1

放到服务器上面，提示找不到ViewFaceBridge.dll

System.DllNotFoundException:“无法加载 DLL“ViewFaceBridge”: 找不到指定的模块。 (异常来自 HRESULT:0x8007007E)。”

调Extract方法，报错 System.OverflowException:“算术运算导致溢出

var infos = ViewFace.FaceTrack(bitmap1); // 识别画面中的人脸
foreach (var info in infos)
{
ViewFaceCore.Sharp.Model.FaceMarkPoint[] pp = ViewFace.FaceMark(bitmap1, new ViewFaceCore.Sharp.Model.FaceInfo() { Location = info.Location, Score = info.Score });
float[] f= ViewFace.Extract(bitmap1, pp);

        }

Asp.net Unable to load DLL 'ViewFaceBridge': A dynamic link library (DLL) initialization routine failed. (Exception from HRESULT: 0x8007045A)

i upload my asp.net to server
i got this error ,

Unable to load DLL 'ViewFaceBridge': A dynamic link library (DLL) initialization routine failed. (Exception from HRESULT: 0x8007045A)

anyone can help ?

ViewFace.DLL在其他电脑无法正常工作

ViewFace.DLL在其他电脑无法正常工作,部分电脑又可以,VC++从2010-2019全部装了也没用,源码也MT方式编译了,麻烦告知下需要什么库

ViewFaceCore.all_models, ViewFaceCore.runtime.ubuntu.20.04.x64 没有License

求大佬加下License文件。

tennis.dll文件读取

貌似程序运行起来后只会读取tennis.dll文件，其它例如tennis_haswell.dll，tennis_pentium.dll，tennis_sandy_bridge.dll不会根据不同cpu的指令集去动态读取，只能修改文件名将之改tennis.dll才能去适应不同硬件环境，比如奔腾的机器就要将tennis_pentium.dll改名为tennis.dll程序才能跑起来，请问有什么好的方法去解决这个问题呢？

[Bug]CompareByCroppedFace返回的值为一个非数字 -nan

#include "seeta/FaceDetector.h"
#include "seeta/FaceLandmarker.h"
#include "seeta/FaceDatabase.h"
#include "seeta/FaceRecognizer.h"
#include "seeta/Struct_cv.h"

#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include
#include

int main() {

seeta::ModelSetting FRsetting;
seeta::ModelSetting FDsetting;
seeta::ModelSetting FLsetting;

FRsetting.set_device(SEETA_DEVICE_GPU);
FRsetting.set_id(0);
FRsetting.append("./models/face_recognizer.csta");

FDsetting.set_device(SEETA_DEVICE_GPU);
FDsetting.set_id(0);
FDsetting.append("./models/face_detector.csta");

FLsetting.set_device(SEETA_DEVICE_GPU);
FLsetting.set_id(0);
FLsetting.append("./models/face_landmarker_pts5.csta");

seeta::FaceDatabase     FDB_gpu(FRsetting);
seeta::FaceDetector     FD_gpu(FDsetting);
seeta::FaceLandmarker   FL_gpu(FLsetting);


seeta::cv::ImageData image1 = cv::imread("./img/huge.jpg");
seeta::cv::ImageData image2 = cv::imread("./img/liuyifei.jpg");

std::cout << "Got image: [" << image1.width << ", " << image1.height << ", " << image1.channels << "]" << std::endl;

    seeta::cv::ImageData facedate1(FDB_gpu.GetCropFaceWidthV2(),FDB_gpu.GetCropFaceHeightV2(),FDB_gpu.GetCropFaceChannelsV2());
    seeta::cv::ImageData facedate2(FDB_gpu.GetCropFaceWidthV2(),FDB_gpu.GetCropFaceHeightV2(),FDB_gpu.GetCropFaceChannelsV2());

    auto faces1 = FD_gpu.detect(image1);
    auto points1 = FL_gpu.mark(image1,faces1.data[0].pos);
    FDB_gpu.CropFaceV2(image1,points1.data(),facedate1);


    auto faces2 = FD_gpu.detect(image2);
    auto points2 = FL_gpu.mark(image2,faces2.data[0].pos);
    FDB_gpu.CropFaceV2(image2,points2.data(),facedate2);


    cv::imwrite("./img/test1.jpg", seeta::cv::ImageData(facedate1).toMat());
    cv::imwrite("./img/test2.jpg", seeta::cv::ImageData(facedate2).toMat());

    float score1 = FDB_gpu.CompareByCroppedFace(facedate1,facedate2);

    std::cout << "score: " << score1 << std::endl;

return 0;

}

结果为：score: -nan

性能如何提升

你好 按照示例测试，完成一次人脸比对的完整过程大概需要3秒钟时间，加上其它逻辑处理后会更长。
请问如何再优化调用，能够进入到1秒内或者较短时间完成整个过程，2个测试图片均不超过300K。

下面是测试代码
`
private void button1_Click(object sender, EventArgs e)
{
ViewFace.FaceType = FaceType.Normal;

    //目标图片
    Bitmap targetImg = (Bitmap)Image.FromFile(@"D:\\测试文件\\裁.jpg");
    FaceInfo[] targetFaces = ViewFace.FaceDetector(targetImg);
    FaceMarkPoint[] targetMark = ViewFace.FaceMark(targetImg, targetFaces[0]);
    AntiSpoofingStatus targetass = ViewFace.AntiSpoofing(targetImg, targetFaces[0], targetMark, true);
    float[] targetExtract = ViewFace.Extract(targetImg, targetMark);

    //基准图片
    Bitmap baseImg = (Bitmap)Image.FromFile("D:\\测试文件\\2\\大文件4压缩后.png");
    FaceInfo[] baseFaces = ViewFace.FaceDetector(baseImg);
    FaceMarkPoint[] baseMark = ViewFace.FaceMark(baseImg, baseFaces[0]);
    //AntiSpoofingStatus baseass = ViewFace.AntiSpoofing(baseImg, baseFaces[0], baseMark, true);
    float[] baseExtract = ViewFace.Extract(baseImg, baseMark);

    //结果
    float similarity = ViewFace.Similarity(baseExtract, targetExtract);
    bool isSelf = ViewFace.IsSelf(similarity);
}

`

示例程序打开不了

用了台比较老的电脑去打开示例程序，打开不了，双击没反应。去查看了计算机管理的事件查看器提示有错误，就是这个 => 错误模块名称: KERNELBASE.dll。。请问这个应该怎么解决？还有啊用手头上比较新的电脑打开示例程序倒是没问题。。具体报错如下。

错误应用程序名称: FaceDetectionDemo.exe，版本: 1.0.0.0，时间戳: 0xf543f690
错误模块名称: KERNELBASE.dll，版本: 10.0.17763.292，时间戳: 0x02385dc9
异常代码: 0xe0434352
错误偏移量: 0x0011b022
错误进程 ID: 0x7f8
错误应用程序启动时间: 0x01d695ba7c7c5fd7
错误应用程序路径: C:\Users\Administrator\Desktop\Debug\FaceDetectionDemo.exe
错误模块路径: C:\Windows\System32\KERNELBASE.dll
报告 ID: 15eab584-857d-492b-bff9-fc90a0c95005
错误程序包全名:
错误程序包相对应用程序 ID:

• 1000 2 100 0x80000000000000 82 Application DESKTOP-5A53TU9
• FaceDetectionDemo.exe 1.0.0.0 f543f690 KERNELBASE.dll 10.0.17763.292 02385dc9 e0434352 0011b022 7f8 01d695ba7c7c5fd7 C:\Users\Administrator\Desktop\Debug\FaceDetectionDemo.exe C:\Windows\System32\KERNELBASE.dll 15eab584-857d-492b-bff9-fc90a0c95005

故障存储段 ，类型 0
事件名称: CLR20r3
响应: 不可用
Cab ID: 0

问题签名:
P1: FaceDetectionDemo.exe
P2: 1.0.0.0
P3: f543f690
P4: ViewFaceCore
P5: 0.3.4.0
P6: 8756fe63
P7: cc
P8: 0
P9: System.DllNotFoundException
P10:

附加文件:

可在此处获取这些文件:
\?\C:\ProgramData\Microsoft\Windows\WER\ReportQueue\AppCrash_FaceDetectionDem_794690b9ff5ef43941c7fc4f9056b34ad43d3df_201518c4_0eb06610

分析符号:
重新检查解决方案: 0
报告 ID: 15eab584-857d-492b-bff9-fc90a0c95005
报告状态: 4102
哈希存储段: nCab GUID: 0

• 1001 4 0 0x80000000000000 83 Application DESKTOP-5A53TU9
• 0 CLR20r3 不可用 0 FaceDetectionDemo.exe 1.0.0.0 f543f690 ViewFaceCore 0.3.4.0 8756fe63 cc 0 System.DllNotFoundException \\?\C:\ProgramData\Microsoft\Windows\WER\ReportQueue\AppCrash_FaceDetectionDem_794690b9ff5ef43941c7fc4f9056b34ad43d3df_201518c4_0eb06610 0 15eab584-857d-492b-bff9-fc90a0c95005 4102 0

使用不同大小的图片测试，480p及以上会崩溃

测试代码：https://gitee.com/Protear/face-detection-console

托管调试助手 "FatalExecutionEngineError":“运行时遇到了错误。此错误的地址为 0x2f767932，在线程 0x1ba0 上。错误代码为 0xc0000005。此错误可能是 CLR 中的 bug，或者是用户代码的不安全部分或不可验证部分中的 bug。此 bug 的常见来源包括用户对 COM-interop 或 PInvoke 的封送处理错误，这些错误可能会损坏堆栈。”

图片人脸识别不出来

请问为什么开摄像头对准图片能把图片的人脸识别出来，直接传入图片人脸却识别不出来了呢？只是个别图片识别不出来，识别不出来人脸的图片像素也不大。。

控制台程序检测正常，但是WEB检测不出来

同样的代码，同样的图片，控制台程序可以检测出来人脸。但是web项目一直检测不出来。是什么原因呢

能否加入口罩检测

 我看到SeetaFace6 是有MaskDetector的，但是这个库没有口罩检测的api,目前刚好项目上要用到口罩检测。请问作者能够抽时间把口罩检测加上，不胜感激

Fatal error. Internal CLR error. (0x80131506)

这个错误无解啊，识别个几张就会出现

FaceDetector 与 FaceTrack 检测结果不一致

从摄像头获取的同一张图，FaceTrack取不到人脸。

On Windows7 not working. windows7上无法正常启动。

windows 10上一切正常，但是win7上会报DllNotFoundException异常。

应用程序: FaceDemo.exe
Framework 版本: v4.0.30319
说明: 由于未经处理的异常，进程终止。
异常信息: System.DllNotFoundException
   在 ViewFaceCore.Plus.ViewFacePlus32.SetModelPath(Byte[])
   在 ViewFaceCore.Plus.ViewFacePlus32.SetModelPath(System.String)
   在 ViewFaceCore.Sharp.ViewFace..ctor(System.String)
   在 ViewFaceCore.Sharp.ViewFace..ctor()
   在 FaceDemo.FormMain..ctor(System.String[])
   在 FaceDemo.Program.Main(System.String[])

0.3.4没找到

0.3.4有了吗？在nuget上找不到啊