人脸识别技术二次开发附接口函数.docx

人脸识别技术二次开发附接口函数.docx

《人脸识别技术二次开发附接口函数.docx》由会员分享，可在线阅读，更多相关《人脸识别技术二次开发附接口函数.docx（22页珍藏版）》请在冰点文库上搜索。

人脸识别技术二次开发附接口函数

人脸识别接口二次开发包及函数说明书

第一部分产品的性能评价，使用说明，问题等。

第二部分SDK函数手册。

第一部分

一．产品的版权

本品从底层开始即完全自主知识产权开发，未用任何第三方图像库及GDI函数库。

更未引用其它公司的人脸识别SDK来进行加工与封装。

本品是VC开发，但只有极小部分用到了MFC,大部分CODE均为标准C++编写。

二．产品的版本

SunLightFace.exe是网站发布的演示程序，用户可以通过这个程序来测试SDK的性能。

SunLightFace.dll是SDK，其性能技术指标与演示程序是完全相同的。

目前这个版本全称是：

可见光主动识别版（非红外摄像头，配合识别）

另外还有两个版本：

可见光被动识别版，红外主动识别版。

三．产品的重要特点

1.人脸检测的高正确率，误检，漏检很少，支持多脸（max=32）。

平面旋转高达60度，并带鼻，嘴定位，及眼镜判断等功能。

2.人脸识别的高精度，向用户推荐的识别阀值不仅能适应光线环境的变化，而且有高达97.18%以上的正确率。

带眼镜或头发挡住眉毛都行。

（但黑粗边眼镜的识别率相对低些，即在较好的识别环境下，黑粗边眼镜仍是OK的，除此之外的眼镜，对识别率没有任何影响）

四．如何使用范例代码

SunLightFace.dll是按WINDOWSAPI的标准调用来生成的动态库，并提供了VB,VC,C#三类范例代码，精简扼要，如果因VS版本问题无法打开，可以用其它文件编辑器打开.CPP,.H,.CS，.frm,.bas文件来进行分析。

五．如何采模板

1.因为是主动配合识别，最好是采5张模板（总量是10张），正面1张，侧面2张，上仰下俯各1张，偏角不宜大（2-3度即可->：

因为你在主动配合识别时不会故意地去偏着头识别，而是正对识别，但可能无心偏了一点，这里要求你“微偏”的目的就是为了和你将来可能的“无心偏了一点“对应），并都眼看着画面中的自己，因为眼球是定准比对的重要依据，所以无论是采模板还是识别，都眼看着画面中的自己最佳。

2.另外余下的5个模板，可以空，用于以后进行动态模板更新（后面第二部分详解），以适应人脸的长期发展变化。

3.采模板时，光线不宜偏亮，也不宜偏暗，适中，并充分地反映出人脸轮廓。

这样的标准化模板才能更有效地去兼容那些人脸偏亮或偏暗的识别时段。

要让识别更准确，就必须最大可能地清晰鲜明，同时眼球上最好不要反白光。

4.由于各个摄像头的焦距不同，可能对人脸轮廓的拉伸度也不同，所以，为达到最好的识别率，建议采集与识别完全用一模一样的摄像头。

5.及时画出采集的人脸模板照片，如果发现其中人眼定位不准确的，建议删除该模板重采，因为这样的模板是对识别无效的。

六．如何设置相似度阀值？

1.人脸识别或验证最好进行三次，取最大值，更可靠些。

2.1C1由于有个人ID的输入或打卡，所以相似度阀值可略低些。

3.假定每个ID都有5个模板，且都有一张正面的BMP文件，则把所有加入的ID,用它们对应的BMP,在内部做一遍2选的1CN相互识别。

这样，2选的结果：

会输出两个值，第一个为张三的照片与张三的模板的相似度，第二个是与张三最像的人的模板与张三照片的相似度，我们关注第二个：

求出第二个的平均相似度及最高相似度，再参照SDK的推荐值来共同设定。

比如：

SDK的推荐值=0.55

全部互识别的第二个结果的平均相似度=0.2

第二个结果的最高相似度=0.41（由于这两个人像）

那么，说明：

最终阀值可定为：

0.55

虽然目前取0.43（比0.41多0.02）的阀值也不会出错，但难保外人来识别时不会错，所以还是用推荐值好些。

再比如：

SDK的推荐值=0.55

全部互识别的第二个结果的平均相似度=0.3

第二个结果的最高相似度=0.56（由于这两个人非常像）

那么，说明：

最终阀值可定为：

0.58（高于推荐值）否则：

这两个人就可能相互识别错。

六．图像格式，大小，人脸大小怎样最佳？

1.图像格式可用BMP,JPG,但最好用BMP,因为最终分析数据还是BMP的。

2.图像大小推荐用320*240（240*320更好），最大可支持1280*1280，但大了会使速度减慢。

3.人脸最佳采模板和识别SIZE是：

眼距40像素。

七．产品的适用人群

仅对人脸识别而言：

（即不针对人脸检测）

最适用人群：

深色眼球，眉毛与眼睛界限分明，鼻尖处明暗分明。

不适用人群：

眼球颜色非常“浅色”的人脸。

（除此外，黑黄蓝绿眼球都是可以的）

年纪限制:

老少男女均可识别，无头发可，头发挡住眉毛也可。

佩戴限制:

戴墨镜不行，戴帽子可以，但不能挡住眼，戴粗黑边眼镜时，识别效果比不戴眼镜稍差，但仍能识别，其它眼镜不影响识别，而且可以戴眼镜采模板，不带眼镜识别，反之亦可。

八．人脸数据的保存

1.一个模板大约需要1MB的硬盘空间。

其中含有一张档案式人脸照片，可由SDK函数读出并画出。

2.注意查看一个名为DataBase.ini的文件，里面可对数据库进行配置。

即可以由用户定制ADO连接串，目前主要兼容Access和SQLSERVER两种数据库。

九．如何鉴别两套人脸识别SDK的优劣？

1CN如果识别出错（把你认成了别人），就意味着1C1也会错，即这个误认的人用你的ID号就能识别通过，所以，应用1CN来比较人脸识别开发包（SDK）的性能，几个人采好模板后，在各种可能性的光线下都能刚好通过的1CN阀值，就是“性能比较阀值”，（各家SDK的阀值不同，这就相当于让两个SDK都处于相同的识别能力水平上。

）然后想办法找百人照片，或千人照片，（且一个人只能有一张照片，不能重复,）越多越好，以每张照片一个ID的方式加入，从而构成大型人脸模板库，然后再一一用这些照片进行1CN的5选，当然第1名相似度应是0.99以上（自身像片），而第2，3，4，5个相似度（其他人的像片），应在“性能比较阀值”之下（否则就是实际上的认错人了），而且差距越大越好，然后统计出这1000次操作的平均结果，就可以知道哪个SDK识别能力强了。

一十．在DELPHI下做二次开发的注意事项：

1.因为是WIN32API,所以delphi调用应采用stdcall方式。

2.VC之CHAR*对应的变量类型是delphi的pchar类型。

3.定义结构时，应选择record方式。

第二部分

（注：

下文虽采用VC语言格式进行说明，但仍支持其它语言（VB,DELPHI,C#）进行二次开发，

并提供了各类编程语言的简明范例代码）

一．结构定义：

//人脸检测的输出结果结构

{

BYTEaddress。

//无意义，传址的

LONGeye1_x。

LONGeye1_y。

LONGeye2_x。

LONGeye2_y。

//两眼坐标,要进行了人眼定位才有效

//注意：

试用版不能做人眼定位,只能输出下面的人脸矩形。

LONGleft。

LONGtop。

LONGright。

LONGbottom。

//人脸矩形

LONGangle。

//人脸平面角度（正面垂直时为90度）

floattally。

//得分,100分制,即人脸的置信度。

LONGis_small_face。

//是小脸还是大脸，1为小脸，是启用了小脸检测的结果，小脸不能进行人脸识别

//当是小脸时，只输出人脸矩形，即只有人脸矩形有效,其它值无效

//下面的值要进行了人眼定位与人脸检测的后期处理才有效

LONGskin_color_R。

//采样肤色COLORREF。

（RGB）

LONGskin_color_G。

//采样肤色COLORREF。

（RGB）

LONGskin_color_B。

//采样肤色COLORREF。

（RGB）

LONGskin_hd_bright。

//采样肤色的灰度亮度。

LONGleft_face_len。

//从左眼开始计算的左脸估计长度。

LONGright_face_len。

//从右眼开始计算的右脸估计长度。

floatface_width_rely。

//脸宽的信任度[0，1）。

LONGnose_x。

//在原图像中的鼻尖位置。

LONGnose_y。

//在原图像中的鼻尖位置。

floatnose_rely。

//鼻尖位置:

可信任度[0，1）。

LONGmonth_x。

//在原图像中的嘴中心位置。

LONGmonth_y。

//在原图像中的嘴中心位置。

floatmonth_rely。

//嘴心位置:

可信任度[0，1）。

floatglass_rely。

//可能眼镜的置信度[0,1）。

LONGeye1_w。

//人眼的两个眼球的宽与高,人眼的两个眼球的宽与高,但要求姿态端正，

LONGeye1_h。

//定位精度随眼距的增大而增高

LONGeye2_w。

LONGeye2_h。

LONGCloseEyeBelievable。

//闭眼的可能性系数输出,值域[0,1000]

}。

//ENDSTRUCTDEF

//1CN的识别输出结构

{

BYTEaddress。

//无意义，传址的

floatvalue。

//相似度值域（0,1）

charTemplate_ID[33]。

//模板的ID

charTemplateFileName[256]。

//模板源文件名称

}。

//一般地，SDK提供的所有函数的返回值为0，表示失败或消极结果，小于0则表示传入参数发生错误，1和1以上表示函数成功。

二：

初始化部分

//装入SDK时最先执行且只执行一次的。

//上面这个用户名是[SDK购买者]的名称：

XXXX公司经理XXX,成功返回1。

//退出SDK时执行且只执行一次的。

//取得最后一次失败的原因信息。

//参数1表示是否载入特征库到内存，只做慢速的1C1（或只做人脸检测）就不用LOAD.

//参数2表示指明数据文件的路径，数据与程序可以不在同一目录中，如果在同一目录，就默认为空。

//返回值，LONG线程对象的ID，线程ID值域[1,64],共可建64个线程,0表示失败

//如果是多线程，则此函数必要在线程上运行，即，一个对象实例，从头到尾都只能在一个线程上建立，运行，销毁。

//返回值0，失败，1，成功

三：

识别主体部分

//人脸定位的输出数组已按从高到低的得分排了序。

LONG__stdcall（LONGOID,//第一个函数返回的人脸识别实例对象ID

CHAR*FileName,//图像文件名，JPG,BMP

LONGmax_out_nums,//用户要求的最大人脸输出数

FLOATThreshold,//人脸置信度阀值，高于这个阀值才会被输出

DLL_OUT_FACE_STRUCT*dofs）。

//人脸输出结构数组

//返回值，实际输出的人脸数量

LONG__stdcall（LONGOID,//第一个函数返回的人脸识别实例对象ID

BYTE*BmpData,INTwidth,INTheight,INTbitcount,

//标准Windows位图数据（lpData,320,240,24）

LONGmax_out_nums,//用户要求的最大人脸输出数

FLOATThreshold,//人脸置信度阀值，高于这个阀值才会被输出

DLL_OUT_FACE_STRUCT*dofs）。

//人脸输出结构数组

//返回值，实际输出的人脸数量,如果一张照片上有8张人脸，则返回8.

LONG__stdcall（LONGOID,LONGdraw_window_hwnd,LONGorder,LONGoffset_x=0,LONGoffset_y=0）。

//在目标窗口上标志人脸（用户可自行开发）

LONG__stdcall（LONGOID）。

（用户可自行开发）

//人脸检测完成后，可用作人脸识别，或画标志，最后在清除人脸检测暂用的内存。

LONG__stdcall（LONGOID,CHAR*VID,LONGorder,FLOAT*value,CHAR*TemplateFileName=NULL）。

LONG__stdcall

（LONGOID,CHAR*VID,LONGorder,FLOAT*value,CHAR*TemplateFileName=NULL）。

//VID是指当前检测到的人脸和模板库中的哪一个ID的脸做验证。

//order是人脸检测中输出的编号，order>=0order<人脸检测输出人脸数.

//比如说要对一张照片上检测出的8张人脸全都做识别，order从0到7，调用8次人脸验证或识别函数即可。

//value是本函数输出的相似度，值域[0，1）

//TemplateFileName请先预置256BYTE的空间，由于一个ID有多个模板，这里是输出与当前脸最像的模板的源图文件名称。

//FAST_1C1在速度上比1C1快并不是绝对的，当库中模板数越多时FAST_1C1会渐渐变慢，比如万人，或十万人，或更多，有可能FAST_1C1反而比1C1慢。

//因为1C1用的是标准SQL数据库查找模式（并比对TID对应的所有模板），而FAST_1C1用的是内存中逐一检索模式（只比对TID中最相似的两三个模板）。

LONG__stdcallRecog1CN（LONGOID,LONGorder,LONGmax_out_num,DLL_1CN_RECOG_OUT_STRUCT*dros）。

//order是人脸检测中输出的编号，order>=0order<输出人脸数.

//max_out_num是指输出多少个与ORDER相似的人脸，返回值就是实际输出数

//dros是输出结构

四：

赠送的USB视频函数

//初始化

//捉图

//退出软件时调用

五：

模板管理部分

//TID是指要加入的模板ID,一个模板ID可以加入多个模板。

//order是人脸检测结果中的脸序号

//以下所有删除函数的返回值是删除的记录个数

//如果没有提供模板文件名，就删除这个模板ID对应的所有模板，否则，只删除那一张。

//BH是从0开始的,不从1开始

//删除这个模板ID对应的时序中的第BH张模板

//删除模板库的所有模板

//因为前面的操作都是对数据库的，所以要让变更立即有效，就要读库到内存，否则，变更只有下次重启软件后才有效。

//返回值是当前内存中的模板总数

//如果只做慢速的1C1,（或只做人脸检测），则CreateOneThreadObject（LONGIS_LOAD_TZLIB=0,...），同时，不必以后使用任何的UpdateMemory,因为慢速1C1不使用载入内存的模板特征库。

//如果只新增了一个模板，要让它立生效（对1C1_FAST和1CN），则调用本函数。

但如果是批量增加模板，则在大量增加之后，调用一次本函数即可，否则会大大浪费时间。

//统计内存中模板ID总数，因为一个TID（模板ID）可能有多个模板

//统计数据库中所有模板总数，如果TID不为空，则是指这个TID的模板总数

LONG__stdcall（LONGOID,CHAR*TID,LONGBH,LONGobject_window_hwnd,LONGstart_x=0,LONGstart_y=0,LONGIS_FLAG_EYE=1）。

//此函数要与上一函数结合使用

//TID是模板ID

//BH是指画这个模板ID的第几张照片

//object_window_hwnd是要画的目标窗口

//start_x,start_y是照片的左上角坐标

//IS_FALG_EYE是指是否标出眼球,如果一个照片上的眼球标错，大可以删除这张照片对应的模板，因为可能导致识别出错!

六：

输出调试变量

//下面将返回最近一次的功能函数执行所用的时间：

单位ms

#definede_out_recog_1cn_use_time1//zGetA（OID,de_out_recog_1cn_use_time）返回识别函数所用的毫秒数（不包含人脸检测的）

#definede_out_recog_1c1_use_time2//1C1

#definede_out_recog_fast_1c1_use_time3//快速1C1

#definede_out_find_face_use_time4//人脸检测

#definede_out_add_template_use_time5//添加模板

#definede_out_del_template_use_time6//返回任何一种删除模板函数所用的时间

#definede_out_update_memory_use_time7//返回更新内存模板特征函数所用的时间,注意，模板越多，速度越慢

#definede_out_is_template_update_happen_in_recog8//最近的一次人脸识别或认证有无发生《动态模板更新》,如果发生:

//如果后续进行的是1CN或FAST_1C1,建议可以进行一次UpdateMemory（）,使当前更新立即生效。

但也要注意UpdateMemory（）在模板上千后会很慢。

七：

参数设置

（一般不必设置）

//BOOL型及整形参数设置

//小数型的参数设置

//PARA_NAME_ORDER是参数的宏名称（数字编号）

//下面就是具体的定义：

//初始值：

是指建立人脸识别对象时就默认已有的设置值，用户可根据实际情况作一些修改。

//LONG型就调用函数A,FLOAT型就调用函数B

#definede_is_auto_backlighting_repair1//LONG型,初始值1

//是否开启自动逆光补偿（又名背光补偿）功能。

//对于门禁，人脸电脑密码等，可能让摄像头背光（逆光）的地方，即人脸暗，但光线在背后，且很亮，采用。

//注意：

在背景暗，人脸亮的地方采用，会起很大的负面效果。

即正常光线情况下建议不采用。

//注意：

背光补充的有效区在画面的中下方,就是除掉画面的上1/3，左1/3，右1/3后的余下部分。

所认为的光源是在画面的上1/3处。

#definede_ZW_HALF_UP_LIGHT_LD_MIN_VALUE1001//LONG,初始值180,当开启了背光补偿功能功能后，图像上方1/3最小亮度要大于这个值才能做背光补偿

#definede_ZW_HALF_UP_LIGHT_LD_MIN_BL1002//FLOAT,初始值1.8f,当开启了背光补偿功能功能后，上1/3的亮度比中1/3的亮度高多少倍才能做背光补偿

#definede_backlighting_repair_base_value2//LONG,初始值33，最大值100

//背光补偿:

补多少?

#definede_is_green_eye_ball_optimize3//是否绿眼球化化,LONG型,初始值0

#definede_is_blue_eye_ball_optimize4//是否蓝眼球优化,LONG型,初始值0

//优点是利于这两种色的眼球的定位（有利于人眼定位的精确性，尤其是有非黑眼球人的情况下）

//注意：

在绿光，蓝光特重的灯光下，人脸呈现绿色或蓝色时，易出现人眼定位错，从而使人脸识别错。

（不影响人脸检测）

//初值为1，主要是用于有外国人，但没有绿蓝光照的场合

#definede_is_second_locate_eye5//进行人眼定位,LONG型,初始值1

#definede_is_second_locate_eye_infection6//进行人眼定位后的后期计算（如是否戴眼镜的判断）,只有上一个开关打开的情况下，本开关才有效。

LONG型,初始值1

//如果要进行人脸识别与验证，这两个开关都必要打开。

//如果只是尽可能多地捕捉人脸，这两个开关最好关掉，以节省时间。

//下面的六项开关，依赖于上一个开关的打开才有效

#definede_is_second_locate_eye_infection_GETFACE6001

//LONG型,初始值0,面膜提取,只有上一个开关打开的情况下，本开关才有效。

将会在数据目录下按序生成PickUpFace_?

.bmp文件，青色点表达眼心坐标。

#definede_is_second_locate_eye_infection_GETFACE_Threshold6002

//LONG型,初始值64,但依赖于上一个开关的开启才有效

#definede_is_second_locate_eye_infection_CALC_EYEWHITE6003

//LONG型,初始值0是否启动眼白运算（若要进行打磕睡检测）

//输出值：

CloseEyeBelievable

实际结果要根据大量的统计分析数据来盼定，不能靠一次性的CloseEyeBelievable。

#definede_is_second_locate_eye_infection_FOR_RECOG_OR_GLASS6004

//LONG型,初始值1是否为的是：

人脸识别或眼镜判定,如果下一步要采模板或识别，此项必要。

#definede_is_second_locate_eye_infection_FACE_BORDER6005

//LONG型,初始值1是否启动人脸边界查找。

#definede_is_second_locate_eye_infection_FACE_NOSE_MONTH6006

//LONG型,初始值1是否启动鼻嘴查找。

#definede_vertical_angle_limit7//LONG型,初始值60

//人脸检测中平面旋转的角度范围

//一般地，监控可为45度，识别30度（可以省时，可以降低错捉率，机会多也就意味着错误也多,很多歪脸都是错捉的）。

//注：

最大可设置到80度，但人脸检测的速度会相对变慢

#definede_automode8//LONG型,初始值1

//人脸检测自动模式,自动模式下用的时间可以少些，但在多张脸同时存在时，有较小可能漏捉人脸。

#definede_is_run_smalle_face9//LONG型,初始值0

//极小脸是否启动的"全局总开关",

//当最终用户的要求及格分在80分以上时，建议关小脸，小脸检测无意义，白浪费大量时间，因为其分率只在50-80分段，上70分的都只是极少数。

//所以此时小脸检测自行关闭，以减少时间占用。

//当用于人脸识别时，建议关小脸，小脸检测只在进行高灵敏度的只捉人脸的监控时启用。

#definede_is_color_filter10

//LONG型,初始值0,肤色过滤默认关闭，如打开，会排除青蓝色区域，以提高人脸检测的速度。

#definede_color_filter_min_bmp_width11

//LONG型,初始值300,作肤色过滤的最小位图宽，因为对于一些小的位图，没有必要做肤色过滤。

#define