# Core Vision Kit简介

Core Vision Kit（基础视觉服务）提供了机器视觉相关的基础能力，例如通用文字识别（即OCR，Optical Character Recognition，也称为光学字符识别）、人脸检测、人脸比对以及主体分割等能力。

开发者可以结合[Vision Kit](https://developer.huawei.com/consumer/cn/doc/harmonyos-guides/vision-introduction)的UI控件能力（例如：人脸活体检测），提升应用的智能化、便捷化交互体验。

## 场景介绍

Core Vision Kit可应用于各种场景，提升用户体验和应用效率。以下是一些典型的应用场景：

* [通用文字识别](https://developer.huawei.com/consumer/cn/doc/harmonyos-guides/core-vision-text-recognition)：可用于扫描和识别文档、名片、票据等印刷品中的文字内容，方便用户快速录入和存储信息。

* [人脸检测](https://developer.huawei.com/consumer/cn/doc/harmonyos-guides/core-vision-face-detector)：应用于相册管理、照片美化等功能中，也可以用于自动检测和定位照片中的人脸。

* [人脸比对](https://developer.huawei.com/consumer/cn/doc/harmonyos-guides/core-vision-face-comparator)：常用于人脸认证、考勤打卡、门禁系统等需要验证用户身份的场景。

* [主体分割](https://developer.huawei.com/consumer/cn/doc/harmonyos-guides/core-vision-subject-segmentation)：可以检测出图片中区别于背景的前景物体或区域（即"显著主体"），并将其从背景中分离出来，适用于需要识别和提取图像主要信息的场景，广泛运用于前景目标检测和前景主体分离的场景。

* [多目标识别](https://developer.huawei.com/consumer/cn/doc/harmonyos-guides/core-vision-object-detection)：帮助开发者从图片中识别常见的目标对象（动物、植物、建筑物、人、人脸、文本、表格等）并给出位置信息。通常用于端到端业务场景的前置检测功能，根据检测结果完成后续功能业务的入口提示，比如视觉搜索，文本检测。

* [骨骼点检测](https://developer.huawei.com/consumer/cn/doc/harmonyos-guides/core-vision-skeleton-detection)：人体骨骼关键点检测，主要检测人体的一些关键点，通过关键点描述人体骨骼信息。具体应用主要集中在智能视频监控，病人监护系统，人机交互，虚拟现实，人体动画，智能家居，智能安防，运动员辅助训练等等。

* [图像超分](https://developer.huawei.com/consumer/cn/doc/harmonyos-guides/core-vision-image-super-resolution)：图像超分一项基于人工智能算法的图像处理功能，可将低分辨率、模糊或细节不足的图片智能放大并增强清晰度。在放大图像尺寸的同时，系统能够自动补全纹理细节、优化边缘轮廓、降低噪点干扰，使图片呈现出更清晰、更自然、更高质量的视觉效果。

* [通过文本搜索图片](https://developer.huawei.com/consumer/cn/doc/harmonyos-guides/core-vision-text-search-image)：基于自然语言理解与图像跨模态检索技术，支持用户输入任意描述性文本（如"海边的落日"、"证件"），从应用沙箱中精准匹配并提取符合描述的图片。该功能极大地提升了用户的搜图效率，让无标签、未分类的图像资产变得可检索、易触达，广泛应用于智慧相册、聊天对话（如即时通讯、社交互动）以及电商以文搜图等场景。

## 约束与限制

### 支持的设备

Phone、Tablet、PC/2in1。

### 支持的国家/地区

仅适用于中国境内（香港特别行政区、澳门特别行政区、中国台湾除外）。

### 能力限制

|AI能力|约束|
|:-------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
|文字识别|- 支持的图片格式：JPEG、JPG、PNG。 - 支持的语言：简体中文、英文、日文、韩文、繁体中文。 - 文本长度：不超过10000字符。 - 支持文档印刷体识别，在识别手写字体方面能力有所欠缺。 - 输入图像具有合适成像的质量（建议720p以上），100px<高度<15210px，100px<宽度<10000px，高宽比例建议10:1以下（高度小于宽度的10倍），接近手机屏幕高宽比例为宜。 - 拍摄角度与文本所在平面垂直方向的夹角应小于30度。|
|人脸检测|- 输入图像具有合适的成像质量（建议720p以上），224px<高度<15210px，100px<宽度<10000px，高宽比例建议10:1以下（高度小于宽度的10倍），接近手机屏幕高宽比例为宜。 - 接口调用耗时较久，不适合在需要实时检测的场景下使用。|
|人脸比对|- 当前功能只支持1v1人脸比对。 - 输入的两张图像都需要合适的成像质量（建议720p以上），224px<高度<15210px，100px<宽度<10000px，高宽比例建议10:1以下（高度小于宽度的10倍），接近手机屏幕高宽比例为宜。|
|主体分割|- 某个物体占比不小于原图大小的千分之五才会被认定为"主体"，才会支持分割。 - 不建议用于处理包含较多文字内容的图片分析场景。 - 输入图像具有合适成像的质量（建议720p以上），20px<高度<9000px，20px<宽度<9000px，高宽比例建议3:1以下（高度小于宽度的3倍），接近手机屏幕高宽比例为宜。|
|多目标识别|- 输入图像具有合适成像的质量（建议720p以上），100px<高度<10000px，100px<宽度<10000px，高宽比例建议5:1以下（高度小于宽度的5倍），接近手机屏幕高宽比例为宜。 - 图片中的物体占比需要大于0.1%。|
|骨骼点检测|- 输入图像具有合适成像的质量（建议720p以上），100px<高度<10000px，100px<宽度<10000px，高宽比例建议5:1以下（高度小于宽度的5倍），接近手机屏幕高宽比例为宜。|
|图像超分|输入图片需要满足16px<高度<2048px和16px<宽度<2048px要求，高宽比例无特殊要求。 建议处理1024px*1024px以下的图片，高分辨率可能出现处理超时的情况。|
|通过文本搜索图片|输入图像具有合适成像的质量，100px<高度<10000px，100px<宽度<10000px，高宽比例建议10:1以下（高度小于宽度的10倍），接近手机屏幕高宽比例为宜。|

> 说明
>
> Core Vision Kit的特性支持多用户同时接入，但是不支持同一用户并发调用同一个特性，如同一个特性被同一进程同一时间多次调用，则返回系统繁忙错误，不同进程调用同一特性，则同一时间只有一个进程业务在处理，其他进程进入队列排队。

## 模拟器支持情况

本Kit暂不支持模拟器。