（一）深入了解AVFoundation：框架概述與核心模塊解析-CSDN博客

（二） 深入了解AVFoundation - 播放：AVFoundation 播放基礎入門-CSDN博客

（三）深入了解AVFoundation-播放：AVPlayer 進階 播放狀態 & 進度監聽全解析_avplayer 播放狀態-CSDN博客

（四）深入理解AVFoundation-播放：高度自定義視頻播放器 UI-CSDN博客

（五）深入了解AVFoundation-播放：多音軌、字幕、倍速播放與橫豎屏切換-CSDN博客

（六）深入了解AVFoundation-播放：AirPlay、畫中畫后臺播放_air.av-CSDN博客

（七）深入了解AVFoundation-采集：采集系統架構與 AVCaptureSession 全面梳理_avcapturesession startrunning子線程調用-CSDN博客

（八）深入了解AVFoundation-采集：拍照功能的實現_ios avcapturephotooutput-CSDN博客

（九）深入了解AVFoundation-采集：拍照 攝像頭切換、拍照參數和照片數據EXIF 信息-CSDN博客

（十）深入了解AVFoundation-采集：錄制視頻功能的實現-CSDN博客

（十一）深入了解AVFoundation-采集：二維碼識別-CSDN博客

（十二）深入了解AVFoundation-采集：人臉識別與元數據處理-CSDN博客

引言

在 AVFoundation 的采集體系中，元數據輸出（AVCaptureMetadataOutput）不僅可用于識別二維碼等圖像信息，也支持對特定對象的實時檢測與追蹤，其中就包括人臉識別功能。與二維碼掃描相比，人臉識別在邏輯處理和 UI 顯示方面更具互動性和復雜性，也更貼近實際產品需求，如人臉識別登錄、鏡頭跟蹤拍攝、美顏濾鏡等功能。

本篇將基于前文二維碼采集的基礎，深入講解如何利用 AVFoundation 實現人臉的實時識別、坐標轉換、識別框繪制與多人追蹤。我們將粗略概括重復的輸入與權限設置，聚焦在?元數據處理的核心邏輯?和?UI 動態響應機制，幫助你構建一個功能清晰、體驗流暢的人臉識別系統。

配置回顧：輸入與輸出設置

在本節中，我們簡要回顧用于人臉識別的輸入與輸出配置流程。由于人臉識別同樣基于?AVCaptureMetadataOutput，因此整體結構與二維碼掃描的配置幾乎一致。我們無需重復搭建會話、添加輸入等流程，只需在輸出中指定不同的元數據類型即可完成切換。

下面我們快速回顧相關代碼配置，并重點指出區別所在。

輸入

輸入部分與二維碼識別完全相同。我們使用設備的攝像頭作為輸入源，添加到會話中用于實時視頻采集：

import UIKit
import AVFoundationclass PHCaptureFaceController: NSObject,AVCaptureMetadataOutputObjectsDelegate {/// 會話let session = AVCaptureSession()/// 輸出private let metadataOutput = AVCaptureMetadataOutput()/// 輸入private var captureDeviceInput: AVCaptureDeviceInput?/// 隊列private let sessionQueue = DispatchQueue(label: "com.example.captureSession")/// 代理weak var delegate: PHCaptureProtocol?/// 配置會話func setupConfigureSession() {session.beginConfiguration()// 1.設置會話預設setupSessionPreset()// 2.設置會話輸入if !setupSessionInput(device: self.getDefaultCameraDevice()) {delegate?.captureError(NSError(domain: "PHCaptureQRController", code: 1001, userInfo: [NSLocalizedDescriptionKey: "Failed to add input"]))return}// 3.設置會話輸出if !setupSessionOutput() {delegate?.captureError(NSError(domain: "PHCaptureQRController", code: 1002, userInfo: [NSLocalizedDescriptionKey: "Failed to add output"]))return}session.commitConfiguration()}/// 設置會話話預設private func setupSessionPreset() {session.sessionPreset = .photo}/// 設置會話輸入private func setupSessionInput(device: AVCaptureDevice? = nil) -> Bool {// 1.獲取攝像頭guard let device = device else { return false }do {captureDeviceInput = try AVCaptureDeviceInput(device: device)if session.canAddInput(captureDeviceInput!) {session.addInput(captureDeviceInput!)} else {return false}} catch {delegate?.captureError(error)return false}return true}/// 設置會話輸出private func setupSessionOutput() -> Bool {}/// 啟動會話func startSession() {sessionQueue.async {if !self.session.isRunning {self.session.startRunning()}}}/// 停止會話func stopSession() {sessionQueue.async {if self.session.isRunning {self.session.stopRunning()}}}//MARK: - AVCaptureMetadataOutputObjectsDelegatefunc metadataOutput(_ output: AVCaptureMetadataOutput,didOutput metadataObjects: [AVMetadataObject],from connection: AVCaptureConnection) {delegate?.captureFace(metadataObjects)}/// 獲取默認攝像頭private func getDefaultCameraDevice() -> AVCaptureDevice? {return getCameraDevice(position: .back)}/// 獲取指定攝像頭private func getCameraDevice(position: AVCaptureDevice.Position) -> AVCaptureDevice? {let devices = AVCaptureDevice.DiscoverySession(deviceTypes: [.builtInWideAngleCamera], mediaType: .video, position: position).devicesreturn devices.first}}

輸出配置

輸出依然使用?AVCaptureMetadataOutput，但這里我們將?metadataObjectTypes?設置為人臉識別類型?.face。

    /// 設置會話輸出private func setupSessionOutput() -> Bool {if session.canAddOutput(metadataOutput) {session.addOutput(metadataOutput)metadataOutput.metadataObjectTypes = [.face]// 設置 代理及輸出隊列metadataOutput.setMetadataObjectsDelegate(self, queue: DispatchQueue.main)} else {return false}return true}

在設置完成后，只要攝像頭畫面中檢測到人臉，系統就會將人臉對象作為?AVMetadataFaceObject?回調到代理方法中，供后續處理。

元數據處理核心邏輯

關于這部分的內容我們分成三個小結來介紹一下：

• 實現代理方法與人臉識別回調。
• 坐標準話與畫面映射。
• 繪制人臉框與多人識別支持。

實現代理方法與人臉識別回調

同樣我們實現?AVCaptureMetadataOutputObjectsDelegate 中定義的代理方法，將識別到的元數據傳遞到視圖控制來處理。

    //MARK: - AVCaptureMetadataOutputObjectsDelegatefunc metadataOutput(_ output: AVCaptureMetadataOutput,didOutput metadataObjects: [AVMetadataObject],from connection: AVCaptureConnection) {delegate?.captureFace(metadataObjects)}

在 captureFace() 方法中，我們可以讀取到人臉信息包括人臉所在的區域以及人臉id：

坐標轉換與畫面映射

在二維碼識別中，我們已經進行過了一次坐標轉換，同樣在獲取到人臉元數據對象后，我們也需要進行坐標轉換，將人臉在攝像頭圖像中的位置坐標，準確映射到實際的 UI 預覽圖層中，用于繪制人臉框或進行其他界面響應。

AVFoundation 中使用的是攝像頭原始坐標系（以圖像像素為基礎，左上角為 (0,0)，右下為 (1,1) 的比例坐標），而我們在界面上使用的卻是 UIKit 的坐標系，因此需要進行一次坐標系轉換。

AVCaptureVideoPreviewLayer?提供了現成的方法來進行這一轉換：

            if let faceObject = face as? AVMetadataFaceObject {// 獲取人臉的矩形區域let transformedMetadataObject = previewLayer.transformedMetadataObject(for: faceObject)if let transformedFace = previewLayer.transformedMetadataObject(for: faceObject) {// transformedFace.bounds 就是可以直接用于繪圖的 CGRect（相對于界面的坐標系）let faceFrame = transformedFace.bounds// 后續用于添加 UIView 或 CAShapeLayerdrawFaceBoundingBox(in: faceFrame)}}

繪制人臉框與多人識別支持

將人臉元數據轉換為 UI 坐標后，我們可以將其用于實際的界面反饋，例如在人臉區域繪制可視化邊框，提升識別體驗。由于攝像頭中可能出現多個面孔，繪制邏輯需要支持動態增減人臉框，并根據系統識別結果不斷更新。

創建與更新人臉框

每一個被識別到的人臉對象都包含一個唯一的?faceID，我們可以用它作為字典的 Key，將其與對應的?CALayer一一對應。

以下是一個標準的繪制流程：

1. 遍歷所有識別到的人臉；
2. 對每個?faceID?判斷是否已有對應圖層，沒有則創建；
3. 更新圖層的?frame?與角度；
4. 對丟失的人臉進行清除。

func didDetectFaces(_ faces: [AVMetadataFaceObject]) {let transformedFaces = faces.compactMap { face inreturn previewLayer.transformedMetadataObject(for: face) as? AVMetadataFaceObject}var lostFaceIDs = Set(faceLayers.keys)for face in transformedFaces {let faceID = face.faceIDlostFaceIDs.remove(faceID)let layer: CALayerif let existingLayer = faceLayers[faceID] {layer = existingLayer} else {layer = makeFaceLayer()overlayLayer.addSublayer(layer)faceLayers[faceID] = layer}layer.transform = CATransform3DIdentitylayer.frame = face.boundsif face.hasRollAngle {let rollTransform = transformForRollAngle(face.rollAngle)layer.transform = CATransform3DConcat(layer.transform, rollTransform)}if face.hasYawAngle {let yawTransform = transformForYawAngle(face.yawAngle)layer.transform = CATransform3DConcat(layer.transform, yawTransform)}}for faceID in lostFaceIDs {faceLayers[faceID]?.removeFromSuperlayer()faceLayers.removeValue(forKey: faceID)}
}

圖層樣式與角度旋轉

我們可以使用?CALayer?來繪制矩形邊框，并通過角度信息使其旋轉對齊面部朝向。

func makeFaceLayer() -> CALayer {let layer = CALayer()layer.borderColor = UIColor.red.cgColorlayer.borderWidth = 2.0layer.cornerRadius = 4.0return layer
}

人臉元數據中的?rollAngle?表示繞 Z 軸（平面內）旋轉，而?yawAngle?表示繞 Y 軸（前后方向）旋轉：

func transformForRollAngle(_ degrees: CGFloat) -> CATransform3D {let radians = degrees * .pi / 180.0return CATransform3DMakeRotation(radians, 0.0, 0.0, 1.0)
}func transformForYawAngle(_ degrees: CGFloat) -> CATransform3D {let radians = degrees * .pi / 180.0let yawTransform = CATransform3DMakeRotation(radians, 0.0, -1.0, 0.0)return CATransform3DConcat(yawTransform, orientationTransform())
}func orientationTransform() -> CATransform3D {let orientation = UIDevice.current.orientationlet angle: CGFloatswitch orientation {case .landscapeLeft:angle = .pi / 2case .landscapeRight:angle = -.pi / 2case .portraitUpsideDown:angle = .pidefault:angle = 0}return CATransform3DMakeRotation(angle, 0.0, 0.0, 1.0)
}

支持多人識別與人臉移除

在每一幀中，我們根據當前返回的面孔數組來判斷有哪些?faceID?不再出現，從而動態移除對應的圖層。這樣既保持了界面的同步性，也避免了殘留 UI 的問題。

結語

本篇我們聚焦于 AVFoundation 中人臉識別的實現方式，從元數據輸出類型的設置出發，詳細講解了識別流程、坐標轉換，以及如何支持多人識別與人臉框繪制。借助系統提供的?AVMetadataFaceObject，我們可以較為輕松地將攝像頭中的面孔在界面上實時呈現，為人臉相關的 UI 效果打下基礎。

盡管 AVFoundation 的人臉識別功能較為基礎，但對于實時展示、面部 UI 跟隨等需求已經足夠。更復雜的面部關鍵點檢測、情緒識別等功能，則可以結合 Vision 框架進一步拓展，我們將在后續章節中繼續探索。