# faceapplication

**Repository Path**: hinay/faceapplication

## Basic Information

- **Project Name**: faceapplication
- **Description**: 完全离线运行的 Android 人脸识别应用，支持人脸注册和实时识别。
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-08-07
- **Last Updated**: 2026-08-10

## Categories & Tags

**Categories**: Uncategorized

**Tags**: 安卓开发, 安卓, 人脸识别

## README

# 离线人脸识别 APP

完全离线运行的 Android 人脸识别应用，支持人脸注册和实时识别。

## 功能

- **人脸注册** — 摄像头拍照，提取人脸特征，输入姓名保存到本地数据库
- **实时识别** — 摄像头实时检测并识别已注册的人脸，显示匹配结果
- **完全离线** — 所有 ML 模型本地运行，无需网络，隐私安全

## 两种识别模式

APP 支持两种人脸特征提取方式，**开箱即用**：

| 模式 | 精度 | 是否需要模型文件 | 说明 |
|------|------|-----------------|------|
| **几何特征模式**（默认） | 中等 | ❌ 不需要 | 使用 ML Kit 人脸关键点计算几何特征，**直接可用** |
| **深度学习模式**（推荐） | 高 | ✅ 需要 `mobilefacenet.tflite` | 使用 MobileFaceNet 提取 128 维深度特征向量 |

> 💡 不下载模型也能运行！几何特征模式使用人脸关键点之间的距离和角度作为特征。

## 技术栈

| 组件 | 技术 |
|------|------|
| 相机 | CameraX |
| 人脸检测 | ML Kit Face Detection (bundled, 离线) |
| 人脸特征 | MobileFaceNet (TFLite) 或 ML Kit 几何特征 |
| 数据库 | Room (SQLite) |
| 语言 | Kotlin + ViewBinding |

## 快速开始

### 方式一：直接运行（几何特征模式）

```bash
# 直接用 Android Studio 打开项目，编译运行即可
./gradlew installDebug
```

### 方式二：启用深度学习模式（更高精度）

```bash
# 下载模型文件
chmod +x setup_model.sh
./setup_model.sh

# 编译运行
./gradlew installDebug
```

**手动下载模型：**
1. 从 [sirius-ai/MobileFaceNet_TFLite](https://github.com/sirius-ai/MobileFaceNet_TFLite) 下载 `mobilefacenet.tflite`
2. 放入 `app/src/main/assets/` 目录
3. 重新编译

## 匹配阈值设置

在 `FaceRecognitionHelper.kt` 中调整：

```kotlin
// 几何特征模式阈值（默认 0.5）
var MATCH_THRESHOLD_GEOMETRIC = 0.5f

// TFLite 模式阈值（默认 1.5）
var MATCH_THRESHOLD_TFLITE = 1.5f
```

- 阈值越小 → 匹配更严格（漏识别率高）
- 阈值越大 → 匹配更宽松（误识别率高）

## 项目结构

```
app/src/main/java/com/hinay/faceapplication/
├── MainActivity.kt          # 主界面 — 注册/识别入口 + 人脸列表
├── RegisterActivity.kt      # 人脸注册 — 拍照 + 输入姓名 + 存储
├── RecognizeActivity.kt     # 实时识别 — 摄像头检测 + 匹配
├── FaceOverlayView.kt       # 自定义 View — 绘制人脸框和标签
├── FaceAdapter.kt           # RecyclerView 适配器
├── db/
│   ├── FaceEntity.kt        # Room 实体
│   ├── FaceDao.kt           # 数据访问
│   └── FaceDatabase.kt      # 数据库实例
├── ml/
│   ├── FaceDetectorHelper.kt    # ML Kit 人脸检测封装
│   └── FaceRecognitionHelper.kt # 双模式特征提取
└── util/
    └── ImageUtils.kt        # ImageProxy → Bitmap 转换
```

---

## 本项目风险提示（基于 Apache License 2.0）
本软件按 **Apache License, Version 2.0** 授权。您对本软件的使用、复制、修改或分发均受本许可证条款的约束。
**在法律层面，本软件按“现状”提供，不附带任何明示或默示的担保，包括但不限于适销性、特定用途适用性和非侵权性担保。因使用本软件产生的任何直接、间接、附带、特殊或惩罚性损失，作者及贡献者概不负责（具体免责范围详见本许可证第 7、8 条）。**

以下内容为针对本离线人脸识别 SDK 特性的额外技术及法律风险提示，不扩展或修改 Apache 2.0 许可证的任何法律条款。

---

### 一、关于预训练模型来源的特别声明（重要）

本项目所包含或引用的**人脸识别/检测预训练模型权重文件（如 .tflite、.onnx、.pb 等）均收集自公共互联网资源**，非本作者团队原创训练或拥有。

鉴于此，请您务必知悉并自行承担以下风险：

1. **训练数据来源不明**  
   网络收集的模型其训练数据集可能包含未获授权的个人照片、受版权保护的影视截图或特定人群的集中采样。您使用本 SDK 处理实际人脸时，**模型的底层特征提取能力可能隐含了训练数据的偏见**，导致在特定肤色、年龄、性别或族裔群体上出现显著的精度偏差（识别率下降或误识率飙升）。

2. **知识产权及肖像权侵权风险**  
   若该模型所依赖的训练数据涉及第三方知识产权或自然人肖像权，相关法律合规责任**完全由模型使用方承担**。作者及贡献者不对任何第三方因该模型引发的版权、人格权或数据权利主张负责。

3. **商业使用合规审查义务**  
   在将本项目用于任何商业目的前，您**有义务且必须**独立完成以下工作：
   - 溯源模型原始发布方及其附带的使用许可协议（如可能附带非商业限制、禁止再分发等条款）；
   - 评估该协议与 Apache 2.0 是否兼容（如不兼容，您需自行替换为合规模型）；
   - 必要时聘请法律专业人士对模型来源的合规性出具意见。

---

### 二、离线人脸识别的固有技术风险

1. **安全对抗性与活体检测**  
   本 SDK 以离线推理为主，**不保证**对照片翻拍、屏幕重放、3D打印面具、对抗补丁（Adversarial Patch）或 Deepfake 等注入式攻击具备有效防御能力。高安全等级场景（如支付、门禁）下，您必须自行叠加多模态活体检测或硬件安全模块（如 TEE/SE）。

2. **安卓碎片化兼容性**  
   安卓设备芯片（MTK/高通/展锐）、系统版本（本项目仅支持安卓11.0以上）及 Camera HAL 实现差异巨大，作者不承诺全机型稳定运行。生产部署前，请务必在目标机型上完成压力测试、功耗测试及长时间运行稳定性测试。

---

### 三、生物特征数据合规红线

人脸特征向量、面部图像属于**敏感个人信息**（适用《个人信息保护法》《GDPR》《PIPL》等）。本 SDK **离线运行**仅降低了传输泄露风险，但绝不等于合规豁免。您必须自行完成：
- 获取数据主体独立、明确的明示同意；
- 本地数据存储的高强度加密（建议使用 Android Keystore 或生物识别强认证绑定）；
- 提供用户账号注销时的生物特征数据彻底删除机制。

---

### 四、生产环境准入

尽管 Apache 2.0 允许自由使用，但考虑到**模型不可溯源**和**推理结果不可解释性**，我们**强烈不建议**在未经以下验证前投入生产：
- 使用您自身业务场景的真实数据集完成误识率（FAR）和拒识率（FRR）达标测试；
- 通过第三方安全渗透测试；
- 设定人工审核或业务熔断兜底策略。

### 五、责任归属

您对本项目的下载、编译、引用、修改或任何形式的使用，即视为**完全理解并自愿承担**上述全部风险。作者、贡献者及项目所属组织**不承担**因模型偏见、数据泄露、识别错误、系统崩溃或合规缺失引发的任何直接、间接、附带或惩罚性损失，包括但不限于业务中断、商誉受损、行政处罚及法律诉讼费用。

**若您无法接受上述任一条款，请立即停止使用并删除所有相关文件。**

**最终用户协议义务**：若您将本 SDK 集成至面向最终用户的 App 中，**您必须**在您的用户协议或隐私政策中明确告知用户“人脸识别功能依赖开源模型，其精度存在局限性”，并自行承担因识别错误引发的全部用户纠纷与赔偿。