全文共字，预计学习时长10分钟
本文将详细介绍一个人脸检测与识别系统的创建过程。
创建单视图应用程序
首先，需要用单视图应用程序创建iOS的项目：
创建单视图应用程序
创建一个新的项目之后，我们计划用纯代码的应用程序来实现，不需要来回切换的按键或开关。
首先要删除main.storyboard，并按如下所示设置AppDelegate.swift文件：
funcapplication（_application：UIApplication，didFinishLaunchingWithOptionslaunchOptions：[UIApplication.LaunchOptionsKey：Any]？）-Bool{
//在应用程序启动后覆盖自定义点。
window=UIWindow（frame：UIScreen.main.bounds）
窗口？.makeKeyAndVisible（）
让controller=ViewController（）
window？.rootViewController=controller
返回true
}
AppDelegate.swift
确保从部署信息中删除主函数故事板。
创建镜头并添加到子视图中
视图控制器只有一个，这是应用程序的主要切入点。
在此阶段，需要引入ARKit并把ARSCNView实例化，自动将摄像机设备的实时视频源变成镜头背景。此外，还能让SceneKit摄像机自动与设备的现实动作相匹配，这意味着不再需要用锚来追踪添加到镜头的物体位置。
提供屏幕边界使摄像机会话占据整个屏幕：
让sceneView=ARSCNView（frame：UIScreen.main.bounds）
ARSCNView实例化
在ViewDidLoad函数中，要建立诸如委托函数之类的东西，还需要观察帧统计信息从而监控是否有丢罗的情况：
self.view.addSubview（sceneView）//将场景添加到子视图中
sceneView.delegate=self//为视图控制器设置委托
sceneView.showsStatistics=true//显示统计信息
在ViewDidLoad函数中设置镜头
开启AR人脸跟踪配置会话
现在需要以AR人脸跟踪配置开启会话，该配置可以让我们使用iPhoneX，Xs，和Xr专用的前置TrueDepth相机。以下是来自苹果公司的详细解释：
人脸跟踪配置通过设备的前置摄像头检测用户面部。运行该配置时，AR会话检测用户面部（如果在前置摄像头画面可见），将代表人脸的AR面锚添加到锚定列表。面锚会提供关于人脸的位置与方向，其拓扑结构以及描述面部表情特征的信息。
ViewDidLoad函数示例：
overridefuncviewDidLoad（）{
super.viewDidLoad（）
self.view.addSubview（sceneView）
sceneView.delegate=self
sceneView.showsStatistics=true
警卫ARFaceTrackingConfiguration.isSupportedelse{return}
letconfiguration=ARFaceTrackingConfiguration（）
configuration.isLightEstimationEnabled=true
sceneView.session.run（配置，选项：[。resetTracking，.removeExistingAnchors]）
}
viewDidLoad中（）函数
训练人脸识别模型
创建CoreML兼容的.mlmodel文件函数很多，在此介绍使用较为普遍的：
1.Turicreate：简化了自定义机器学习模型研发的python库，更重要的是可以将模型输出到.mlmodel文件，用Xcode进行语法分析。
2.MLImageClassifierBuilder（）：这是一个内置的可以随时使用的解决方法，通过Xcode连接到大量拖放界面，对相简单的模型进行训练。
MLImageClassifierBuilder
因为没有大型数据库，所以我们创建了大量模型测试这两种解决方法，最后决定使用MLImageClassifierBuilder（），设有67张“OmarMHAIMDAT”的照片（也就是我），还有在unsplash上找到的张陌生面孔。
打开操场上输入以下代码：
导入CreateMLUI
让builder=MLImageClassifierBuilder（）
builder.showInLiveView（）
MLImageClassifierBuilder
建议最高迭代次数设为20，再进行剪裁增强，每张图像会添加4个剪裁图像实例。
捕获帧并添加到模型中
需要用镜头委托ARSCNViewDelegate来扩展的ViewController，这得用到两种委托函数，一个用于人脸检测设置，另一个在检测到人脸时更新镜头：
人脸检测：
func渲染器（_渲染器：SCNSceneRenderer，nodeForanchor：ARAnchor）-SCNNode？{
guardletdevice=sceneView.deviceelse{
返回零
}
让faceGeometry=ARSCNFaceGeometry（设备：设备）
letnode=SCNNode（geometry：faceGeometry）
node.geometry？.firstMaterial？.fillMode=.lines
返回节点
}
人脸检测
很遗憾，镜头并没有在我们睁眼或者张嘴时更新。这种情况下，就得相应地更新镜头。
更新镜头：
funcrenderer（_renderer：SCNSceneRenderer，didUpdatenode：SCNNode，foranchor：ARAnchor）{
警卫让faceAnchor=锚定为？ARFaceAnchor，
让faceGeometry=node.geometry为？ARSCNFaceGeometryelse{
返回
}
faceGeometry.update（来自：faceAnchor.geometry）
提取整个面部的几何结构信息，更新节点。
获取相机的帧：
既然ARSCNView承自AVCaptureSession，那就可以获得cvPixelFuffer填充入模型。
从sceneView属性中获取的简单方法：
guardletpixelBuffer=self.sceneView.session.currentFrame？.capturedImageelse{return}
将相机的帧添加到模型：
到这一步，可以检测到人脸了，相机的帧也已完备，接下来就能为模型填充内容了：
警卫让模特=试试？VNCoreMLModel（for：FaceRecognition3（）。model）else{
fatalError（“无法加载模型”）
}
让coreMlRequest=VNCoreMLRequest（model：model）{[weakself]request，errorin
警卫让结果=request.results为？[VNClassificationObservation]
让topResult=results.first
其他{
fatalError（“意外结果”）
}
DispatchQueue.main.async{[弱自我]in
打印（topResult.identifier）
}
}
guardletpixelBuffer=self.sceneView.session.currentFrame？.capturedImageelse{return}
lethandler=VNImageRequestHandler（cvPixelBuffer：pixelBuffer，options：[：]）
DispatchQueue.global（）。async{
做{
尝试handler.perform（[coreMlRequest]）
}catch{
打印（错误）
}
}
didUpdate渲染器
显示被识别者的姓名
最后一个恼人的部分就是把3D文本投射到识别的人脸上。我们稍加思考就会想到，配置不如ARWorldTrackingConfiguration功能那么强，提供的函数和类并不多。用前置摄像头代替，能实现的功能有限。
尽管不能跟踪面部动作并进行相应的改变，但我们仍能将3D文本投射到屏幕上。
lettext=SCNText（string：“”，extrusionDepth：2）
letfont=UIFont（名称：“Avenir-Heavy”，大小：18）
text.font=font
letmaterial=SCNMaterial（）
material.diffuse.contents=UIColor.black
text.materials=[material]
text.firstMaterial？.isDoubleSided=true
lettextNode=SCNNode（geometry：faceGeometry）
textNode.position=SCNVector3（-0.1，-0.01，-0.5）
textNode.scale=SCNVector3（0.,0.,0.）
textNode.geometry=tex
SCNText示例
有了SCNText对象后，需要随着相应的人脸进行更新，然后添加到根节点：
让coreMlRequest=VNCoreMLRequest（model：model）{[weakself]request，errorin
警卫让结果=request.results为？[VNClassificationObservation]
让topResult=results.first
其他{
fatalError（“意外结果”）
}
DispatchQueue.main.async{[弱自我]in
打印（topResult.identifier）
iftopResult.identifier！=“Unknown”{
text.string=topResult.identifier
自我！.sceneView.scene.rootNode.addChildNode（textNode）
self！.sceneView.autoenablesDefaultLighting=true
}
}
}
最终结果
人脸检测与识别系统成果展示。
项目