准备环境

mkdir /data/test
将如下的文件复制到 /data/test
certfaceapp
libwebrtc.so
libfacesdk_rv1109.so
libmcvsdk_hal.so
libmcvsdk_search.so
libmegsearch.so
device.json
face.json
search.json
model/目录下的megvii 模型数据

chmod +x certfaceapp
export LD_LIBRARY_PATH=/data/test:$LD_LIBRARY_PATH

测试数据目录

工作目录在 /data/face
人脸照片放在/data/face/register
测试报告在  /data/face/report
人脸对比照片放在 /data/face/compare
人脸数据库在 /data/face/face.db

人脸注册

先将需要注册的人脸照片复制到 /data/face/register目录下
然后执行：
./certfaceapp --cmd=register --within=0.75 --minface=10
等待测试完成。
测试报告在： /data/face/report/register.log

人脸对比

先将需要对比的人脸照片复制到/data/face/compare目录下
然后执行： 
./certfaceapp --cmd=compare --within=0.75 --minface=10
等待测试完成
测试报告在 /data/face/report/compare.log

视频人脸搜索

先启动测试程序:
./certfaceapp --cmd=video --url=rtsp://192.168.180.119:8554
然后启动 rtsp server开始推流
等待推流完成，测试程序自动退出
测试报告在: /data/face/report/video.log

活体测试

先启动测试程序:
./certfaceapp --cmd=liveness
这个测试无法自动完成，如需终止,重新开启一个终端，运行 ./certfaceapp --shell=quit
测试报告在: /data/face/report/liveness.log

device.json,face.json

这个来自别墅门口机 res目录下的同名配置

search.json

这个是视频人脸搜索的高级配置，如下：

{
   "face_within_thr":0.75, #人脸占比
   "min_face":10, #最小人脸高度
   "use_external_decoder":true,  #使用ffmpeg解码器，否则使用rockchip硬件解码器
   "report_confidence_level":70.0, #可信度达到这个数值就报告识别
   "extract_confidence_level":80.0, #人脸特征提取可信度超过这个数值算成功
   "rtsp":{  #这里是rtsp client的配置，可以从ffmpeg rtsp搜索相关信息，只是ffmpeg内置的参数
      "options":[
         {
            "key":"listen_timeout",  #侦听超时
            "value":"-1" #永不超时，一定等待推流端推流
         },
         {
            "key":"stimeout",
            "value":"3000000"
         },
         {
            "key":"timeout",
            "value":"-1"
         }
      ],
      "max_analyze_duration":300000, #最多分析300毫秒的视频数据
      "probesize":512000,
      "fps_probe_size":1,
      "flags":0,
      "disable_audio":true  #不取音频流，对我们的测试没有用
   }
}

人脸数据库

首先应当注册人脸。数据库位于 /data/face/face.db
表中只有三项：
ID:索引
userId:人脸的名字
feature:特征，这是二进制数据，不能读

debug日志

在 /data/test下， touch .debug，会产生详细日志
日志文件位于 /data/test/certfaceapp.log