百度人脸识别sdk-转
https://ai.baidu.com/ai-doc/FACE/Qk37c1mzc
目录
1、简介1.1 产品概述1.2 规格信息1.3 兼容性1.4 授权方式1.5 产品定价 2、SDK详细介绍2.1 名词解释2.2 SDK简介2.3 SDK文件结构2.4 激活工具2.5 Demo示例工程2.6 特征抽取模型选择 3、功能接口3.1 人脸检测及设置3.1.1 人脸检测track接口(传入图片)3.1.2 人脸检测track接口(传入二进制图片buffer)3.1.3 人脸检测track_max_face接口3.1.4 人脸检测track_max_face接口(传入二进制图片buffer)3.1.5 人脸检测设置接口3.1.6 USB摄像头检测3.1.7 人脸检测track接口(传入opencv的mat)3.2 人脸对比及识别接口3.2.1 人脸对比接口3.2.2 人脸对比接口（传入二进制图片buffer）3.3 特征值提取接口3.3.1 特征值提取接口（通过传入图片）3.3.2 特征值提取接口（通过传入二进制图片buffer）3.3.3 特征值提取接口（通过传入opencv的视频帧）3.3.4 特征值比对接口3.4 属性及质量接口3.4.1 人脸属性（通过传入图片）3.4.2 人脸属性（通过传入二进制图片buffer）3.4.3 人脸质量接口（通过传入图片）3.4.4 人脸质量接口（通过传入二进制图片buffer） 4、错误码及错误信息 5、常见问题1、简介
1.1 产品概述
人脸离线识别SDK，包含人脸采集、活体检测、人脸对比/识别、人脸库管理等能力，并全部离线化、本地化。此SDK一经授权激活，可完全在无网环境下工作，所有数据皆在设备本地运行处理，可根据业务需要进行灵活的上层业务开发。核心能力分布如下图所示，后文会详细介绍。
适用场景特点
- 网络：无网、局域网等情况，无法连接公网。如政府单位、金融保险、教育机构等。
- 安全：行业特点所带来的人脸数据敏感性，即使可以连接公网也不可请求。
- 速度：由于各地网络线路、机房部署等诸多原因，网络请求速度存在不可控因素。
- 稳定：需要尽可能避免网络抖动、机房故障等影响，进一步控制可用性影响因素。
1.2 规格信息
- 包大小：~500M
- 最小人脸检测大小：50px * 50px
- 可识别人脸角度：yaw ≤ ±30°, pitch ≤ ±30°
- 检测速度：100ms 720p*
- 追踪速度：30ms 720p*
- 人脸检测耗时：~= 100ms
备注：以上指标，由最新版SDK运行在真实设备上，采用真实数据集所得，但算法性能受实际运行设备、实际数据集等情况影响，以上数字仅供参考。
- 提供一个鉴权激活工具：tool_ubuntu.sh、tool_centos.sh，可根据平台选择对应的sh文件运行
1.3 兼容性
- Centos6.3 gcc4.8.2 以及 Ubuntu16.04 gcc5.4.0上编译
- 推荐基于vs2015进行开发
1.4 授权方式
按设备授权
离线识别SDK授权方式为以设备维度为主，每台硬件设备需要一个独立的授权，此授权的校验是基于设备的硬件指纹（指纹的获取SDK初始化时会自动读取并展示），被授权的设备，将在有效期内可以运行SDK。
重新拉取授权的情况：设备授权不变，仅需要重新激活而已。
- 删除SDK或基于SDK开发的应用
- 重新安装Windows系统
授权失效的情况：需要重新购买序列号，之前的序列号失效。
- 激活一台设备后，此设备硬件变更
- 硬件损坏
序列号
序列号为管理授权的依据。每台被授权的设备，都将对应一个序列号，用于标识对应的设备信息及授权记录。序列号的形式为16位随机英文数字组合，如：3G59-M5JK-889A-7LQA。您在管理后台购买SDK授权时，购买成功后系统将会发放对应数量的序列号。序列号不限制平台版本，任何开发平台的离线SDK，都可以使用此序列号激活。序列号不限制账号，可供任何设备激活使用。
激活
已购买的序列号，是用于激活的唯一凭证，激活流程主要是将序列号与具体的硬件进行绑定（硬件指纹），从而生成对应硬件设备的授权文件（License），SDK运行前，将会校验授权文件是否和实际硬件信息相匹配。
注意：激活时，设备系统时间需要和当前时间一致，如果差距太大（例如偏差5min以上），激活则无法完成。
联网激活
此种激活方式，适用于设备可首次联网的情况，优势在于激活过程极为简单。您只需将SDK安装到需要激活的设备上，然后填写已经购买的序列号，在界面上点击激活即可（为使用方便，我们为您设计了一个简单的激活用户界面）
如激活成功，将会立即在界面上有明确的弹窗提示，请留意查看；如激活失败，也会反馈具体的错误信息。
离线激活
此种激活方式，适用于设备完全不可联网的情况，优势在于可避免联网激活，满足业务对网络的严格要求，以及设备批量注册需求。您需要在后台配置好硬件指纹并完成和序列号的绑定，然后将授权文件放到SDK的指定位置。
授权有效期
申请通过后，每个账户给2个测试序列号，用于激活及SDK试用，有效期为自激活日期后的3个月。这两个序列号在有效期内完全免费，您可以用于进行产品试用。试用期到期后也可以在后台申请延期，填写具体延期理由即可。
正式购买
正式购买的序列号，试用期限为永久有效。此「永久」是指绑定到具体设备维度，但如已绑定的硬件设备变更后，授权则可能会失效。
1.5 定价方式
离线SDK的授权基于设备维度，每个序列号仅可以授权一台设备。每个账号购买的序列号会累计计算，累计购买量越多，单价越便宜。具体如下所示：
| 0~1000 | 299元/个 |
| 1001~5000 | 249元/个 |
| >5000 | 199元/个 |
立即去购买
2、SDK详细介绍
2.1 名词解释
| SDK | Linux离线人脸识别sdk |
| gcc | Linux平台下c++代码编译器 |
| License | 人脸识别激活所需要的激活文件,可利用激活工具生成 |
| key | 人脸激活所需的序列号，可从百度官网申请及购买（ai.baidu.com） |
| feature | 人脸特征值，用来表示人脸特征的512个浮点值 |
| face_token | 对应人脸图片的唯一编码，若一个人上传了2张不同图片，则可能有2个不同的face_token,它和图片一一对应 |
2.2 SDK简介
本SDK适应于Linux（Centos、Ubuntu）平台下的人脸识别系统,分别在Centos6.3 gcc4.8.2 以及Ubuntu16.04 gcc5.4.0上编译（其他版本或平台的linux不保证兼容）。SDK采用动态库so方式提供给开发者，另外随sdk附带一个鉴权激活工具（可运行脚本 tool-ubuntu.sh或tool-centos运行，这2文件分别对应不同的OS），通过该激活工具可生成正常接入SDK的激活license文件（生成两个文件license.ini和license.key）达到通过鉴权，正常使用SDK的目的。
2.3 SDK文件结构
Sdk提供动态库BaiduFaceApi.so及头文件baidu_face_api.h。另外有附带的demo例子代码test-face-api以及鉴权激活工具tool。在此之外，还附带支撑sdk使用的人脸识别模型文件等在文件夹face-resource中，该文件夹在test-face-api例子工程里面(该文件夹存放路径请参考test-face-api，默认存放路径为您要开发的可执行文件路径同一目录下。若存放不对，可能会影响sdk正常使用,另外请勿删除该文件夹)。
为运行您开发的可执行文件，需要用到一些底层的库文件支持,相关库文件在test-face-api的lib3目录中（主要有opencv库，ffmpeg库，json，curl库等）。此外，随工程还有一些编译用的Makefile文件及sh脚本文件等，可通过Makefile编译工程，sh脚本文件运行编译的可执行文件。Makefile文件分别命名为Makefile_centos6.3及Makefile_ubuntu，若要编译相应平台版本，请把他重命名为Makefile。
2.4 激活工具（tool）
在百度官网申请系列号Key后，在test-face-api工程下有个tool_ubuntu.sh和tool_centos.sh。可根据您的OS平台选择对应sh文件运行，在运行之前，先修改脚本文件的最后一行，把如05QU-ATMA-SCWY-CAUB字样的key修改为您在百度官网申请到的key，然后再运行sh脚本文件（若是centos平台，输入sh tool_centos.sh即可）。激活成功后会在激活目录生成license.ini以及license.key文件，这2个文件是作为sdk通过鉴权使用的配置文件，请勿删除。
如果你不方便使用网络，可以通过离线激活进行操作：
通过如上的激活工具，获取到设备指纹信息，通过序列号管理后台找到需要绑定的序列号，选择「离线激活」，填入指纹设备信息，即可下载获取到license.ini文件和license.key文件，把这2个文件拷贝到test-face-api目录下，运行可执行文件亦可通过鉴权。
2.5 Demo示例工程
Demo示例工程代码在test-face-api中的cpp目录里面，其中的test_face.cpp里面有入口方法main()，展示了如何集成百度人脸识别离线SDK。即正确编写Makefile文件及引入头文件include以及对应的一些库文件。另外为了示例视频人脸跟踪等，用到了一些opencv的库文件以及一些实现demo的支持文件，如json等。（这些支持文件均为代码开源或是开源库）
在test-face-api中的test_face.cpp的main()方法中，有使用sdk的各个接口方法示例。接入sdk及其简单，分3步3行代码。如下：
BaiduFace *api = new BaiduFaceApi(); // 第一步：实例化人脸SDKapi->sdk_init(); // 第二步：初始化人脸SDKstd::string res = api->face_attr(“方法的传入参数，此处省略”); // 第三步，调用功能接口，user_add为人脸注册接口，res为调用功能接口后的返回。如上，即为调用sdk功能的最简单3步3行代码，当然调用SDK后，在程序退出后，需要释放sdk防止内存泄漏，需要删除SDK实例化的指针delete api;
示例工程中：分别有以下几个示例cpp文件对应几个常用sdk的调用demo。
| setting.cpp | 人脸检测、识别等参数设置 |
| compare.cpp | 人脸1:1比对、1:N 搜索，人脸特征值提取，特征值对比等 |
| liveness.cpp | USB摄像头视频信息人脸实时检测，图片检测人脸信息等 |
| cv_help.cpp | 绘制人脸跟踪框、人脸关键点位等的工具类 |
2.6 特征抽取模型选择
模型介绍
v1.1版本起，SDK提供生活照和证件照两种特征抽取模型，主要适用场景如下:
- 生活照模型：如手机拍摄的图片、较为清晰的证件照片、USB镜头实时采集的图片、网络摄像头实时采集的图片等。
- 证件照模型：如身份证芯片照、各类证件照（工卡、学生卡、会员卡照片等）、人脸的像素普遍小于80px的图片等。
使用方法
在SDK初始化方法中控制：sdk_init(true); //传入true为使用证件照模型，传入fasle为普通生活照模型
注意事项
温馨提示：一经选择一个模型，则所有业务流程的特征抽取处理，都会使用此模型，两个模型不可同时作用。如业务中设计证件照的特征抽取，请务必选择使用证件照模型。
3、功能接口
SDK实现的主要功能有人脸实时跟踪检测、人脸特征值提取、1:1人脸对比、特征值的比对和通过USB或笔记本自带摄像头检测视频帧，返回识别出的人脸信息等，另外支持对人脸检测进行设置，达到根据设置进行识别的目的。各接口功能及传入参数和返回结果（返回结果一般为json格式的字符串）描述如下：
3.1 人脸检测及设置
3.1.1 人脸检测track接口(传入图片)
方法名
track
方法说明
人脸检测，返回人脸信息
请求信息
| out | 是 | std::vector | 返回的检测到的人脸图片信息结构体 std::vector *& out 通过传入TrackFaceInfo的结构体指针引用，在检测到人脸信息后，用该引用返回人脸信息。TrackedFaceInfo结构体为检测到的人脸信息，其中：box为检测到的人脸框（为FaceInfo结构体,包含人脸框大小，中心点坐标，人脸宽度等信息）landmarks为检测到的人脸关键点，一般为144个。score为人脸打分headPose的向量组为人脸x,y,z的三个角度 |
| image | 是 | string | 人脸图片信息，根据image_type，传入图片内容 |
| img_type | 是 | int | 传入的图片类型。为1时候表示base64编码的图片，为2时候表示传入图片的本地路径。BASE64：图片的base64值；FACE_FILE：图片的本地文件路径地址； |
| maxTrackObjNum | 是 | int | 最多检测人脸数量，默认为1，最大不超过5 |
返回信息
返回结果为int，表示检测到几个人脸信息，1为1个人，0为没检测到人脸。
3.1.2 人脸检测track接口(传入二进制图片buffer)
方法名
track_by_buf
方法说明
人脸检测，返回人脸信息
请求信息
| out | 是 | std::vector | 返回的检测到的人脸图片信息结构体 std::vector *& out 通过传入TrackFaceInfo的结构体指针引用，在检测到人脸信息后，用该引用返回人脸信息。TrackedFaceInfo结构体为检测到的人脸信息，其中：box为检测到的人脸框（为FaceInfo结构体,包含人脸框大小，中心点坐标，人脸宽度等信息）landmarks为检测到的人脸关键点，一般为144个。score为人脸打分headPose的向量组为人脸x,y,z的三个角度 |
| image | 是 | Unsigned char * | 人脸图片信息，二进制图片buffer内容 |
| size | 是 | int | 二进制图片的大小 |
| maxTrackObjNum | 是 | int | 最多检测人脸数量，默认为1，最大不超过5 |
返回信息
返回结果为int，表示检测到几个人脸信息，1为1个人，0为没检测到人脸。
3.1.3 人脸检测track_max_face接口
方法名
track_max_face
方法说明
检测最大人脸。
请求信息
| out | 是 | std::vector<TrackFaceInfo> | 返回的检测到的人脸图片信息结构体 std::vector *& out 通过传入TrackFaceInfo的结构体指针引用，在检测到人脸信息后，用该引用返回人脸信息。TrackedFaceInfo结构体为检测到的人脸信息，其中：box为检测到的人脸框（为FaceInfo结构体,包含人脸框大小，中心点坐标，人脸宽度等信息）；landmarks为检测到的人脸关键点，一般为144个；score为人脸打分；headPose的向量组为人脸x,y,z的三个角度 |
| image | 是 | string | 图片信息（数据大小应小于10M） |
| image_type | 是 | int | 为1时候表示base64编码的图片；为2时候表示传入图片的本地路径。BASE64：图片的base64值；FACE_FILE：图片的本地文件路径地址； |
返回信息
返回结果为int，表示检测到几个人脸信息，1为1个人，0为没检测到人脸。
3.1.4 人脸检测track_max_face接口(传入二进制图片buffer)
方法名
track_max_face_by_buf
方法说明
检测最大人脸。
请求信息
| out | 是 | std::vector<TrackFaceInfo> | 返回的检测到的人脸图片信息结构体 std::vector *& out 通过传入TrackFaceInfo的结构体指针引用，在检测到人脸信息后，用该引用返回人脸信息。TrackedFaceInfo结构体为检测到的人脸信息，其中：box为检测到的人脸框（为FaceInfo结构体,包含人脸框大小，中心点坐标，人脸宽度等信息）；landmarks为检测到的人脸关键点，一般为144个；score为人脸打分；headPose的向量组为人脸x,y,z的三个角度 |
| image | 是 | Unsigned char * | 人脸图片信息，二进制图片buffer内容 |
| size | 是 | int | 二进制图片的大小 |
返回信息
返回结果为int，表示检测到几个人脸信息，1为1个人，0为没检测到人脸。
3.1.5 人脸检测设置接口
请参考SDK工程中的代码示例及头文件baidu_face_api.h中的定义及setting.cpp里的代码注释。
3.1.6 USB摄像头检测
请参考TestFaceApi中的示例liveness.cpp中的usb_track_face_info，该方法中用到了人脸检测track视频帧，接口如下3.1.7：
3.1.7 人脸检测track接口(传入opencv的mat)
方法名
Track
方法说明
人脸检测，返回人脸信息。
请求信息
| out | 是 | std::vector<TrackFaceInfo> | 返回的检测到的人脸图片信息结构体 std::vector *& out 通过传入TrackFaceInfo的结构体指针引用，在检测到人脸信息后，用该引用返回人脸信息。TrackedFaceInfo结构体为检测到的人脸信息，其中：box为检测到的人脸框（为FaceInfo结构体,包含人脸框大小，中心点坐标，人脸宽度等信息）；landmarks为检测到的人脸关键点，一般为144个；score为人脸打分；headPose的向量组为人脸x,y,z的三个角度 |
| Mat | 是 | Opencv格式的单帧图片mat | 人脸图片信息 |
| maxTrackObjNum | 是 | int | 最多检测人脸数量。默认为1，最大不超过5 |
返回信息
返回结果为TrackedFaceInfo的向量指针,向量组为0时候表示没检测到人脸。TrackedFaceInfo结构体为检测到的人脸信息，其中：box为检测到的人脸框（为FaceInfo结构体,包含人脸框大小，中心点坐标，人脸宽度等信息）；landmarks为检测到的人脸关键点，一般为144个；score为人脸打分；headPose的向量组为人脸x,y,z的三个角度。
3.2 人脸对比及识别接口
3.2.1 人脸对比接口
方法名
match
方法说明
人脸对比接口（本接口中的image_type为1表示base64图片编码，为2表示文件路径，为3表示face_token）
请求信息
| image1 | 是 | string | 需要对比的第一张图片，小于10M |
| imgae1_type | 是 | int | 图片1类型，必选择以下三种形式之一 BASE64：图片的base64值； FACE_FILE：图片的本地文件路径地址； FACE_TOKEN：face_token 人脸标识； |
| image2 | 是 | string | 需要对比的第二张图片，小于10M |
| image2_type | 是 | int | 图片2类型，必选择以下三种形式之一 BASE64：图片的base64值； FACE_FILE：图片的本地文件路径地址； FACE_TOKEN：face_token 人脸标识； |
返回信息
errno信息：
- errno=0 : Success
- errno>0 : 错误码对应的详细msg
data信息:
| log_id | string | 请求日志标识 |
| result | array | 识别结果列表 |
| score | string | 相似度分值，0-100，百分制，保留后2位小数点 |
3.2.2 人脸对比接口（传入二进制图片buffer）
方法名
match_by_buf
方法说明
人脸对比接口（传入二进制图片buffer）
请求信息
| image1 | 是 | Unsigned char * | 需要对比的第一张图片，小于10M |
| size | 是 | int | 图片1的大小 |
| image2 | 是 | Unsigned char * | 需要对比的第二张图片，小于10M |
| size | 是 | int | 图片2的大小 |
返回信息
errno信息：
- errno=0 : Success
- errno>0 : 错误码对应的详细msg
data信息:
| log_id | string | 请求日志标识 |
| result | array | 识别结果列表 |
| score | string | 相似度分值，0-100，百分制，保留后2位小数点 |
3.3 特征值提取接口
3.3.1 特征值提取接口（通过传入图片）
方法名
get_face_feature
方法说明
提取人脸特征值，为512个浮点值，已加密 (本接口image_type 为1表示base64图片编码 为2表示文件路径)
请求信息
| image | 是 | string | 需要检测的人脸图片，小于10M, 图片类型根据image_type参数定 |
| imgae_type | 是 | int | 图片类型，必选择以下2种形式之一。 image_type为1代表BASE64，为2代表FACE_FILE。 BASE64：图片的base64值； FACE_FILE：图片的本地文件路径地址； |
| feature | 是 | const float* | 通过传入const float*指针的引用，来返回提取的人脸特征值 |
返回信息
errno信息：
- errno=0 : Success
- errno>0 : 错误码对应的详细msg
data信息:
int类型的特征抽取向量数。正常提取成功则返回特征值向量个数（512），若不为512则为返回的错误码.
3.3.2 特征值提取接口（通过传入二进制图片buffer）
方法名
get_face_feature_by_buf
方法说明
提取人脸特征值，为512个浮点值，已加密 (传入二进制图片buffer)
请求信息
| image | 是 | Unsigned char* | 需要检测的人脸图片，小于10M |
| size | 是 | int | 二进制图片大小 |
| feature | 是 | const float* | 通过传入const float*指针的引用，来返回提取的人脸特征值 |
返回信息
errno信息：
- errno=0 : Success
- errno>0 : 错误码对应的详细msg
data信息:
int类型的特征抽取向量数。正常提取成功则返回特征值向量个数（512），若不为512则为返回的错误码.
3.3.3 特征值提取接口（通过传入opencv的视频帧）
方法名
get_face_feature
方法说明
提取人脸特征值，为512个浮点值，已加密 (本接口image_type 为1表示base64图片编码 为2表示文件路径)
请求信息
| Mat | 是 | string | 需要提取特征值的OpenCV视频帧（单帧） |
| feature | 是 | const float* | 通过传入const float*指针的引用，来返回提取的人脸特征值 |
返回信息
errno信息：
- errno=0 : Success
- errno>0 : 错误码对应的详细msg
data信息:
int类型的特征抽取向量数。正常提取成功则返回特征值向量个数（512），若不为512则为返回的错误码.
3.3.4 特征值比对接口
方法名
compare_feature
方法说明
对人脸特征值进行比较，可返回人脸特征相似分值（百分制）
请求信息
| feature1 | 是 | std::vector | 512个浮点型的特征值，传入const的特征值引用 |
| feature2 | 是 | std::vector | 512个浮点型的特征值，传入const的特征值引用 |
返回信息
errno信息：
- errno=0 : Success
- errno>0 : 错误码对应的详细msg
data信息:
相似度结果：float类型，百分制的分值
3.4 属性及质量检测接口
3.4.1 人脸属性（通过传入图片）
方法名
face_attr
方法说明
人脸属性检测接口(本接口 image_type 为1表示base64图片编码 为2表示文件路径)
请求信息
| image | 是 | string | 需要检测的人脸图片，小于10M, 图片类型根据image_type参数定 |
| imgae_type | 是 | int | 图片类型，必选择以下2种形式之一。 Image_type为1代表BASE64为2代表FACE_FILE。 BASE64：图片的base64值； FACE_FILE：图片的本地文件路径地址； |
返回信息
errno信息：
- errno=0 : Success
- errno>0 : 错误码对应的详细msg
data信息:
| age（年龄) | int | 人脸年龄范围0-100，若为-1表示不完整的人脸。 |
| race（种族） | int | 正常人脸标注 0：黄种人 1：白种人 2：黑人 3：阿拉伯人，不完整的人脸标注-1 |
| expression(表情) | int | 0：中性表情，1：微笑，2：大笑 |
| gender(性别) | int | 0: 女 female，1: 男 male，-1: 婴儿或不好辨别性别 |
| glasses(是否戴眼镜) | int | 0：不带眼镜 no glasses，1：普通透明眼镜 glasses，2：太阳镜 sunGlasses |
3.4.2 人脸属性（通过传入二进制图片buffer）
方法名
face_attr_by_buf
方法说明
人脸属性检测接口
请求信息
| image | 是 | unsigned char * | 需要检测的图片，小于10M，二进制图片buffer |
| size | 是 | int | 二进制图片大小 |
返回信息
errno信息：
- errno=0 : Success
- errno>0 : 错误码对应的详细msg
data信息:
| age（年龄) | int | 人脸年龄范围0-100，若为-1表示不完整的人脸。 |
| race（种族） | int | 正常人脸标注 0：黄种人 1：白种人 2：黑人 3：阿拉伯人，不完整的人脸标注-1 |
| expression(表情) | int | 0：中性表情，1：微笑，2：大笑 |
| gender(性别) | int | 0: 女 female，1: 男 male，-1: 婴儿或不好辨别性别 |
| glasses(是否戴眼镜) | int | 0：不带眼镜 no glasses，1：普通透明眼镜 glasses，2：太阳镜 sunGlasses |
3.4.3 人脸质量接口（通过传入图片）
方法名
face_quality
方法说明
人脸质量检测接口
请求信息
| image | 是 | string | 需要检测的人脸图片，小于10M, 图片类型根据image_type参数定 |
| imgae_type | 是 | int | 图片类型，必选择以下2种形式之一。 Image_type为1代表BASE64为2代表FACE_FILE。 BASE64：图片的base64值； FACE_FILE：图片的本地文件路径地址； |
返回信息
errno信息：
- errno=0 : Success
- errno>0 : 错误码对应的详细msg
data信息:
| bluriness | float | 光照 |
| illum | float | 模糊度 |
| occl_l_eye | float | 左眼遮挡度 |
| occl_r_eye | float | 右眼遮挡度 |
| occl_nose | float | 鼻子遮挡度 |
| occl_mouth | float | 嘴巴遮挡度 |
| occl_l_contour | float | 左脸遮挡度 |
| occl_r_contour | float | 右脸遮挡度 |
| occl_chin | float | 下巴遮挡度 |
3.4.4 人脸质量接口（通过传入二进制图片buffer）
方法名
face_quality_by_buf
方法说明
人脸质量检测接口
请求信息
| image | 是 | unsigned char * | 需要检测的图片，小于10M，二进制图片buffer |
| size | 是 | int | 二进制图片大小 |
返回信息
errno信息：
- errno=0 : Success
- errno>0 : 错误码对应的详细msg
data信息:
| bluriness | float | 光照 |
| illum | float | 模糊度 |
| occl_l_eye | float | 左眼遮挡度 |
| occl_r_eye | float | 右眼遮挡度 |
| occl_nose | float | 鼻子遮挡度 |
| occl_mouth | float | 嘴巴遮挡度 |
| occl_l_contour | float | 左脸遮挡度 |
| occl_r_contour | float | 右脸遮挡度 |
| occl_chin | float | 下巴遮挡度 |
4、错误码及错误信息
| 0 | SUCCESS | 成功 |
| 1 | SYSTEM ERROR | 系统错误 |
| 2 | UNKNOWN ERROR | 未知错误 |
| 1001 | NOT_AUTH | 授权校验失败 |
| 1002 | REQUEST PARAMS ERROR | 请求参数错误 |
| 1003 | DB_OP_FAILED | 数据库操作失败 |
| 1004 | NO_DATA | 没有数据 |
| 1005 | RECORD_UNEXIST | 记录不存在 |
| 1006 | RECORD_ALREADY_EXIST | 记录已经存在 |
| 1007 | FILE_NOT_EXIST | 文件不存在 |
| 1008 | GET_FEATURE_FAIL | 提取特征值失败 |
| 1009 | FILE_TOO_BIG | 文件太大 |
| 1010 | FACE_RESOURCE_NOT_EXIST | 人脸资源文件不存在 |
| 1011 | FEATURE_LEN_ERROR | 特征值长度错误 |
| 1012 | DETECT_NO_FACE | 未检测到人脸 |
5、常见问题
Q：激活工具激活时候，提示timeout或者unsupport protocl
A：若提示timeout，请确认设备是否能联网；若提示unsupport protocl，请确认是否安装了openssl。
Q：工程运行过程中，提示face-resource不存在
A：SDK需要一些模型文件，在demo工程的face-resource文件夹中，该文件夹需要放置在exe所在路径的上级目录下。若放置不正确，可能出现找不到模型文件，没法进行人脸识别。
Q：工程激活过程中，提示segment fault
A：这是因为工程若没有激活，便直接执行脚本文件运行可执行文件，请先完成激活操作。
Q：激活后是否可以把激活文件license.ini和license.key拷贝到其他设备运行？
A：不能，离线sdk和设备绑定，每个设备对应一个key和一个license文件，换设备无法运行。
总结
以上是生活随笔为你收集整理的百度人脸识别sdk-转的全部内容，希望文章能够帮你解决所遇到的问题。
- 上一篇： 调用百度的人脸识别SDK实现人脸检测
- 下一篇： V831 人脸识别