说实话，以前一听到"在 .NET 里做人脸识别"，我的第一反应是：算了，要么接收费 API，要么干脆不做。

原因很简单：要么用微软 Azure Face API，按调用次数收费，中小项目根本吃不消；要么用虹软、旷视那些 SDK，要么要钱，要么注册流程繁琐到你怀疑人生。

直到后来了解到了 ViewFaceCore——一个基于 SeetaFace6 开源引擎的 .NET 人脸识别库，完全免费，MIT 协议，跨平台，核心功能一个不落。

什么是 ViewFaceCore

一句话：一个基于 SeetaFace6 开源人脸识别引擎的 .NET Wrapper，帮你用几行 C# 代码实现人脸检测、特征提取、比对识别的全套能力。

它不是自己写算法，而是把 SeetaFace6 这套经过多年工业验证的 C++ 引擎，通过 P/Invoke 包装成了干净的 .NET 接口。你不需要懂 C++，不需要编译 native 库，直接 NuGet 引用就能用。

项目托管在 GitHub（ViewFaceCore/ViewFaceCore），作者署名 View 和 WithSalt，当前版本 0.4.0-alpha，持续活跃更新。

它能做什么

这是最让人意外的地方——它的功能覆盖范围，基本对齐了商业收费方案的核心能力：

人脸检测给定一张图片，返回人脸位置和置信度。

五官关键点（Landmark）支持 5 点、68 点、以及遮挡脸部的关键点检测。

人脸特征提取与比对把人脸图片转换成一个特征向量（128维或更高），然后计算两个向量的相似度。这是人脸识别的核心技术。

口罩检测与识别检测人脸是否佩戴口罩，口罩模式下依然可以做人脸比对。

活体检测（Anti-Spoofing）判断镜头前的是真人脸还是照片/视频欺骗。这是人脸识别系统的安全底线。

人脸追踪（Tracking）在视频流中追踪人脸 ID，不需要每帧都做完整识别，效率高很多。

质量检测判断人脸的质量：亮度、清晰度、分辨率、姿态。不合格的人脸直接过滤掉，不进入识别流程。

年龄预测 & 性别识别附带的辅助能力，可用于数据统计分析。

眼睛状态检测判断眼睛是睁开还是闭上，可以用于驾驶疲劳监测等场景。

架构设计：干净利落

ViewFaceCore 的架构值得说一下。它没有把所有人都绑在 Windows 上。

跨平台支持：

• Windows x64 / x86
• Linux ARM / ARM64 / x64

.NET 框架支持：

• .NET Framework >= 4.0
• .NET Standard >= 2.0
• .NET Core >= 3.1
• .NET >= 5.0

一个包走天下，老项目和新项目都能接。

模块化设计：

图片处理接口你可以在 ImageSharp、SkiaSharp、System.Drawing 之间任选，不强依赖某一个。

写点代码，看看实际用法

技术的东西，最好的背书就是代码本身。

基础人脸检测：

using SkiaSharp;
using ViewFaceCore.Core;
using ViewFaceCore.Model;

// 加载图片
usingvar bitmap = SKBitmap.Decode("photo.jpg");

// 人脸检测
usingvar faceDetector = new FaceDetector();
FaceInfo[] faces = faceDetector.Detect(bitmap);

Console.WriteLine($"检测到 {faces.Length} 个人脸");

// 提取关键点
usingvar faceMark = new FaceLandmarker();
for (int i = 0; i < faces.Length; i++)
{
    FaceMarkPoint[] points = faceMark.Mark(bitmap, faces[i]);
    Console.WriteLine($"第 {i + 1} 个人脸关键点数量：{points.Length}");
}

人脸比对：

usingvar faceRecognizer = new FaceRecognizer();

// 提取特征向量
float[] feature1 = faceRecognizer.Extract(bitmap, points1);
float[] feature2 = faceRecognizer.Extract(bitmap2, points2);

// 计算相似度
float similarity = faceRecognizer.Compare(feature1, feature2);
Console.WriteLine($"相似度：{similarity:P2}");

// 阈值判断（通常 0.4-0.5 可信）
if (similarity > 0.45f)
{
    Console.WriteLine("同一人");
}

整个流程：检测 → 关键点 → 提取特征 → 比对，代码链路清晰，没有藏着掖着的黑盒。

和收费方案比，差在哪里

这是需要诚实面对的问题。

说实话，ViewFaceCore 在以下方面与 Azure Face API、虹软等商业方案存在差距：

算法精度：商业方案在极端场景（侧脸、大角度、暗光）下的精度通常更高。SeetaFace6 在开源方案里是第一梯队，但和最顶级的商业引擎比，差距客观存在。

模型更新速度：商业方案背后有专门团队持续优化模型，SeetaFace6 的更新节奏无法与之相比。

企业级支持：出了问题没有 SLA 保障，没有技术支持团队。

适合它的场景：

• 中小规模的考勤系统、门禁系统
• 内网环境，无法访问云服务
• 需要控制成本的创业项目
• 对数据隐私有要求（本地处理，不上云）

不适合的场景：

• 超大规模（万人以上）的高精度人脸验证
• 需要极致精度的金融级别核身

这是一句实在话：ViewFaceCore 能覆盖 80% 的通用场景，另外 20% 的极致需求，收费方案有它的价值。

License：MIT，免费商用

这是 ViewFaceCore 最让国内开发者惊喜的地方。

ViewFaceCore 本身是 MIT 协议——你可以把它用在任何商业项目里，不收费，不需要声明。

底层依赖的 SeetaFace6 也明确标注了对商业使用免费。这意味着：考勤系统、门禁系统、人脸登录——直接用，不需要买授权。

不像某些"开源"的 SDK，打着免费的旗号，实际上有各种隐藏条款或调用次数限制。

怎么跑起来

第一步，安装核心包和运行时：

dotnet add package ViewFaceCore
dotnet add package ViewFaceCore.Extension.SkiaSharp
# Windows:
dotnet add package ViewFaceCore.runtime.win.x64
# Linux:
dotnet add package ViewFaceCore.runtime.linux.x64

然后把 SeetaFace6 的模型文件放到指定目录（项目文档有详细说明），就可以开始调用了。

官方 Examples 目录里有完整的 Console App 示例，摄像头实时检测、视频流追踪、静态图片识别——直接跑起来看效果，比文档更直观。

文档地址：

github.com/ViewFaceCore/ViewFaceCore

写在最后

人脸识别这个领域，过去几年一直被收费方案主导。Azure Face API、腾讯云人脸识别、百度人脸识别——按调用量收费，中小项目用起来总是束手束脚。

ViewFaceCore 的意义在于：它把这件事情的门槛彻底拉平了。一个 MIT 协议的 .NET 库，零成本，跨平台，功能覆盖完整，用几行代码就能跑起来。

对于 .NET 开发者来说，这是难得的"不需要站在门槛外面眼红"的开源福利。

当然，它不是银弹——精度差距要承认，极端场景要另议。但在这个基础上，它已经做得足够多了。

你有没有遇到过"明明是个小需求，却因为人脸识别收费太贵而放弃"的场景？ 最后是怎么解决的？欢迎在评论区说说。

觉得有用，转给身边做 .NET 桌面或服务端开发的朋友——他可能正需要一个免费的人脸识别方案。