C#_Demo_摄像头实时_4线程人脸识别注册开发全过程

v效率有点低，大家看看哪里开可以节省时间？
源代码：https://github.com/catzhou2002/ArcFaceDemo
说实话，为了提高识别效率，我也是竭尽所能，干了不少自认为的优化，如有兴趣听我说说。
第一部分 单线程时候的各种折腾
一、折腾LPASVLOFFSCREEN
话说这个LPASVLOFFSCREEN的结果文档里面没有说明，或者是我没找到。
我也不知道从哪里复制来的，主要折腾的是ppu8Plane[0]地址，一般操作是

锁定图片内存
ppu8Plane[0]分配制定长度的内存
把图片内存中的字节复制到一个临时数组
然后用Marshal.Copy复制到指定的地址
解锁图片内存

我改成：

锁定图片内存
ppu8Plane[0]指向图片地址
等不需要LPASVLOFFSCREEN时（人脸检测、获取特征值、性别判断、年龄估算等结束后）解锁图片内存

就晚一点解锁，省了好多事情，耗时由4毫秒没成2微妙。当时就发了个帖：C# Bitmap转ASVLOFFSCREEN的最佳方式？
后来觉得这名字实在记不住，也不C#，改成了ImageData，整个转换过程如下：

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);

　　

其实如果是视频图片的话，图片的宽度和高度都是固定的，想了想，没折腾。
二、单线程时将获取到的FaceModel直接做人脸比对的参数

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里面的字节复制到临时字节数组，然后创建新的FaceModel,分配内存，在将临时字节数组复制到FaceModel。
三、人脸库直接用FaceModel

/// <summary>
/// 人脸库
/// </summary>
public class FaceLib
{
public List<Item> Items { get; set; } = new List<Item>();
public class Item
{
/// <summary>
/// 用于排序
/// </summary>
public long OrderId { get; set; }
/// <summary>
/// 文件名作为ID
/// </summary>
public string ID { get; set; }
/// <summary>
/// 人脸模型
/// </summary>
<font color="#ff8c00"> public FaceModel FaceModel { get; set; }</font>
}
}

　　

四、比对结果>0.5就算成功
五、人脸库增加OrderId
识别成功后再次比对就很快，应该是首发命中。
六、将人脸比对和结果显示分开
一开始没想太多，将人脸比对和结果显示放在新视频帧事件里面，流程是：

新视频帧（30帧/秒）
获取检测和识别的结果（人脸框和ID）
显示检测和识别的结果

结果视频卡顿，获取人脸特征的200毫秒成为瓶颈，改成：

人脸比对

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

结果显示

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);
}　　

测试了一下，效果还可以，就在博客园发表了
C# 虹软SDK视频人脸识别和注册
，还顺手弄了个打赏二维码。
发表完觉得这么辛苦写出来的文章，必须到首页去亮个相，9天后终于学会发表到博客园首页了，于是删除了打赏二维码，去首页亮了个相。
话说首页和非首页效果着实不一样，截图为证：

第二部分 多线程的折腾
一、确定4线程为最佳
各种测试后得出的结论，也不知道对不对，也不知道为什么，哎。
因网友的要求，同步到了github
二、删除了单线程
有了更快的，就不要慢的了。
三、n张脸如何分配给4个线程获取特征值？
动了不少脑筋，Interlocked.Increment是关键。
最终有改了下面的内容

如果只有一张脸（窃以为一张脸的概率比较高），也用Task，影响效率，增加了 if (detectResult.FaceCount ==

Intptr之间复制字节用CopyMemory比较快
两三张脸的时候开4个线程不好，改成 new Task[TaskNum < detectResult.FaceCount ?
TaskNum : detectResult.FaceCount]

四、识别结果（集）的折腾

弄了个结果集，按最大人脸数设了个List（ Items = new List<FaceResult>();）
增加了FaceFeatureInput FFI，省的每次都去创建
并将人脸方向设成1（Orient = 1）（因为是视频图片，其他方向的人脸，呵呵），人脸检测后都不要去获取人脸方向的值
增加并初始化了FaceModel（FaceModel FaceModel = new FaceModel() { Size =
22020, PFeature = Marshal.AllocCoTaskMem(22020) };），获取到的特征字节直接复制过来便可

五、保存特征值到人脸库的时候同时保存头像

因为虹软说了，sdk升级的时候，特征值也有可能变化。那咱先把头像保存起来，到时候重新生成一下。
主要的操作是把矩形放大一点（Inflate((int)(r.Width * 0.5), (int)(r.Height * 0.5))），咱保存的头像怎么着得是个人头吧。
(想来条分割线，居然只有华丽的分割线，算了。顺便吐槽一下，这个论坛的编辑器实在是让人无语_)
各种折腾后，黔驴技穷了，10,000人脸的库得出10张不认识的脸的结论，需要10秒钟。当然，换好一点的电脑可以提高效率，如我的台式机（i5-7500），输入图片只有1张脸的时候，遍历

1万张人脸仅需390毫秒
5万张人脸也就1525毫秒
10万张人脸说我内存不够，可能是我的程序是32位的缘故，换成64位的sdk估计3秒钟也能搞定（太麻烦，不折腾了）

结论是：虹软中型sdk用于考勤、小区门禁、写字楼门禁等场所完全没问题。
下一步我打算（其实已经差不多完成，我公司的项目——酒店自助机）改成单脸多线程识别，增加以下功能：

40次检测人脸数为0，则确认为没人，识别频率降低
是否换人了？
同一个人3、4次识别不出ID后，确认为陌生人，不在遍历
刷身份证获取照片人脸比对后存入人脸库

另外想跟企业微信结合开发开发门禁、CRM什么的，有兴趣的朋友一起交流交流？