我都改成pc批量导入了

亲测休眠100毫秒的时候4张一成功，休眠150、200毫秒的时候2张一成功，休眠250毫秒40张21成功，300毫秒10张7成功。。。。。。400毫秒的时候就能全部成功了。

我也发现了这个问题，它这个应该是sdk的限制。图片是常口库的图片，都是身份证上面用的，尺寸固定。sdk里面有个检测帧率的间隔设置，但是没有用到，但是它肯定有个默认值的，所以猜测它应该是在多少ms内固定执行一次检测，就好比一个大门，固定1秒开一次，如果你数据过来太快正好门没开也就被抛弃了。我在导1000张图片的时候，成功的数值是一秒成功一条，共成功34条，耗时大概34s，导2000张图，耗时65s，成功65张。所以可以肯定的说是1s一张图片。这样也就只能加锁或进行休眠控制了，而且它的检测和成功并不是同步的，导致不确定拿到的特征是否为用于检测的那一帧的图像。

每个头像的像素值都不一样，有的符合要求，有的不符合要求，很正常

不支持markdown...

本来也想着可能是人脸图片大小不合适，做了裁剪后，也不行。

后来试着在官方demo的离线批量注册人脸的asyncImport方法中对线程做了一个休眠的处理，结果是：39张图片都可以注册成功了...

贴上一段代码：

```java

Executors.newSingleThreadExecutor().submit(new Runnable() {
@Override
public void run() {
for (int i = 0; i < files.length; i++) {
if (!importing) {
break;
}
Log.e("-------", "currentThread name: " + Thread.currentThread().getName());

String file = files[i];
boolean success = false;
File facePath = new File(batchfaceDir, file);
if (facePath.exists()) {

Bitmap bitmap = BitmapFactory.decodeFile(facePath.getAbsolutePath());
ARGBImg argbImg = FeatureUtils.getImageInfo(bitmap);
byte[] bytes = new byte[2048];
int ret = FaceSDKManager.getInstance().getFaceFeature().faceFeature(argbImg, bytes);
if (ret == FaceDetector.NO_FACE_DETECTED) {
Log.e("-------", "未检测到人脸，可能原因：人脸太小（必须大于最小检测人脸minFaceSize），"
+ "或者人脸角度太大，人脸不是朝上");
} else if (ret == 512) {
//512是什么意思？？？
String fileName = facePath.getName();

String userName = fileName.substring(0, fileName.indexOf('['));

String userid = fileName.substring(fileName.indexOf('[') + 1, fileName.lastIndexOf(']'));

Feature feature = new Feature();
feature.setGroupId(groupId);
// final String uid = UUID.randomUUID().toString();
feature.setUserId(userid);
feature.setFeature(bytes);
feature.setImageName(file);

User user = new User();
user.setUserId(userid);
user.setUserName(userName);
user.setGroupId(groupId);
user.getFeatureList().add(feature);
if (FaceApi.getInstance().userAdd(user)) {
success = true;
File faceDir = FileUitls.getFaceDirectory();
if (faceDir != null) {
File saveFacePath = new File(faceDir, file);

if (FileUitls.saveFile(saveFacePath, bitmap)) {
// facePath.delete();
}
}
}
try {
//因为线程不睡眠一下的话，注册失败率极高，39张图片只能成功1张或者2张
//这里睡眠一下，基本都能注册成功
Thread.sleep(700);
} catch (InterruptedException e) {
e.printStackTrace();
}
} else if (ret == -1) {
Log.e("-------", "抽取特征失败");
} else {
Log.e("-------", "未检测到人脸");
}
}
if (success) {
successCount++;
} else {
failCount++;
Log.i("wtf", "失败图片:" + file);
}
finishCount++;
progressDisplay("总人脸数:" + totalCount + ", 完成：" +
finishCount + " 成功:" + successCount + " 失败:" + failCount);
}
importFinish();
}
});

```

检测对人脸有像素要求的，太小太大都不行的

我这里感觉也是，我做成视频流对比1：N,结果明显卡顿。之前还以为是mat转base64卡，听你这么说真有可能是搜索慢，官网倒是说蛮快的，具体原因不知道

我后来也想了想：离线怎么会有QPS限制呢？但是确实是39张图片，批量注册，成功的一般只有两张，而且两张还不是固定的，有的时候会改变。如果是批量注册，但是文件夹中只有一张的时候，一般是会成功的；若是有两张，一般会成功一张，失败一张。

1：N性能测试没有做，想着先把人脸库以公司想要的样子建立起来，然后再来测性能，但是发现批量注册好像有问题，demo也有这个问题。

不会吧，离线还有QPS。你们andorid测试过1：N性能没有？这边用windows的性能好差，几个人脸做搜索都要上1秒。难道真有QPS限制

是因为QPS默认为2的原因吗？

技术不精，求大佬指教，这个问题看了一天了...