当前开源的人脸检测模型,识别很多,很多小伙伴也踩过不少坑。相信不少使用过dlib和facenet人脸识别的小伙伴都有这样的疑惑，为什么论文里高达99.8以上的准确率，自己实际使用下来的准确率却并不好，甚至用来落实到百人以内的人脸识别，都经常出现误识别现象，造成这样的现象最主要的原因来自于训练人脸识别模型的样本和国内人脸有差距。因此，这些看似准确率很高的模型，直接拿来做项目使用是不行的，测试两种模型在使用几百人的考勤图片上的表现，准确率上dlib和facenet 都很不理想。
综合比较，发现使用虹软的人脸识别接口是目前开源，在国内人脸识别准确度上最好的选择。
遗憾的是当前虹软暂时没有提供python 接口代码，目前网上也有部分使用python调用虹软接口的案例，但是类似文章千篇一律，基本都是同一个代码，反复转载，也并没有能一个完整调用虹软全部功能的python接口，函数名称也随意定义并不好记，使用pycharm 开发也没有类函数成员代码编写提示，代码部分不合理的地方也重复出现… 实在是不能忍受当前已发布 的python api 接口参差不齐的现象，为此，特意用了几天时间将虹软当前版本的全部功能写出一个完整好用的python api接口。
本质上python接口是使用 ctypes 调用 虹软的动态链接库，需要去虹软官网 去选择 C/C++ 版本SDK 来下载依赖文件。为了在代码使用上 和 虹软 提供的 C/C++ 版本演示代码基本一致，此 python 接口 的函数名和虹软的函数名是一样的，并且 demo.py 的结构 基本就是 C/C++ 版本演示代码的 python 翻译版。
代码地址：
ArcFace-python
如果代码对你有帮助，给个star 吧！
frame_byte=bytes(frame.data)
frame_byte_p=cast(framebyte,c_ubyte_p)
但是以上可以改为:
frame.ctypes.data_as(POINTER(c_ubyte))
这样可以减少 numpy 图像转换为字节流这一步的消耗
1.当前接口需要下载虹软最新的（2.2）C/C++版本 SDK。
2.虹软的C/C++接口支持很多图像格式传入，但是 python 使用opencv 做图像处理时基本都是 ASVL_PAF_RGB24_B8G8R8 这种格式（就是cv2.imread() 得到的numpy图像），并且默认使用该接口时 都是使用 这种图片格式。因此此接口 依赖 opencv，如果没有可以直接pip安装。
3.虹软的配个函数都会返回一盒状态码，要做好状态码的判断工作，确保使用正确，如果状态码 返回值不是 MOK(值为0)，说明函数执行出错，可以对照 doc文档中的错误码解释对照。
4.第一次运行代码需要联网，因为会做激活操作，首次运行激活成功后会得到一个ArcFace64.dat文件，当有此文件以后，可以不用执行激活代码。
5.涉及到传入图片的函数操作，要确保送入的图片宽度为 4 的整数倍，如果不是则要提前做好裁剪，或者做resize操作。
6.当前默认为图片检测模式，人脸属性值中的faceID始终为空，当需要运行视频人脸检测的话可以将 初始化引擎 函数中 ASF_DETECT_MODE_IMAGE改为 ASF_DETECT_MODE_VIDEO即代表追踪模式，这样可以减少人脸检测的消耗，并且此时返回的人脸信息中的faceID 将会有值，这在视频人脸识别中很有用，可以减少人脸重复提取识别。
7.特征值和人脸属性检测可能会失败。虹软在做特征提取和属性提取这些功能时会对人脸区域有一个判断操作，如果人脸模糊，或者提供的人脸坐标位置不对有偏差，会返回81925(人脸特征检测结果置信度低)错误码。所以一定要对返回状态码引起重视。
8.虹软有两个描述人脸检测位置和角度信息的对象
ASF_SingleFaceInfo（单人脸信息）
ASF_MultiFaceInfo（多人脸信息），人脸识别流程是先检测到人脸，再对人脸提取特征值信息，再用特征值信息比较相似度。虹软人脸检测时返回
ASF_MultiFaceInfo对象（哪怕只检测到了一个人），用于提取人脸特征信息的函数需要 输入
ASF_SingleFaceInfo的对象，因此在提取特征信息时，需要根据
ASF_MultiFaceInfo中的信息 构建
ASF_SingleFaceInfo对象来提取特征值，除了 提取特征值函数外，虹软的其他人脸属性 提取，比如：年龄/性别识别，活体检测，人脸3D角度 等功能都是要送入
ASF_MultiFaceInfo对象，但是其中活体检测又要求单张大图片中只能检测一个活体，超出返回未知，而3D角度检测单张大图时最多返回4个 人脸的3D角度值，这些地方可能不太好控制，需要注意。
