diff --git a/.gitignore b/.gitignore
index f7704e1e33b017dbcf5adfbfc0c70d16e5ce73a5..b33e012d38b866473a6e81cb3f3e6d370d6787cd 100644
--- a/.gitignore
+++ b/.gitignore
@@ -14,8 +14,15 @@ Temp
 dataset.txt
 
 # Model
+*.pdiparams
+*.pdiparams.info
+*.pdmodel
 *.onnx
 *.rknn
 
 # Picture
-*.jpg
\ No newline at end of file
+*.jpg
+
+# Zip
+*.tar
+*.zip
diff --git a/README.md b/README.md
index 237e34b011da10ee1450dcad8eb7cca9382eeff9..47d502acbfb722b0487bb6eb4b2451ed375b2a94 100644
--- a/README.md
+++ b/README.md
@@ -91,6 +91,7 @@ Lockzhiner Vision Module 拥有丰富的 IO 接口，其接口图片如下图所
 * [凌智视觉模块二维码检测与识别部署指南](./example/special/qr_code_recognition)
 * [凌智视觉模块条码检测与识别部署指南](./example/special/bar_code_recognition)
 * [凌智视觉模块人脸检测部署指南](example/vision/face_detection)
+* [凌智视觉模块人脸识别部署指南](example/vision/face_recognition)
 <!-- * [人脸佩戴口罩检测部署指南(支持中)]() -->
 
 ## 🐛 Bug反馈
diff --git a/configs/LZ-ArcFace.yaml b/configs/LZ-ArcFace.yaml
new file mode 100644
index 0000000000000000000000000000000000000000..789cdb1a296a6966c9ecb6195cf9efbb463ef734
--- /dev/null
+++ b/configs/LZ-ArcFace.yaml
@@ -0,0 +1,27 @@
+config:
+  # RGB
+  mean:
+    - 0.485
+    - 0.456
+    - 0.406
+  std:
+    - 0.229
+    - 0.224
+    - 0.225
+  type: "fp32"
+
+load_onnx:
+  inputs:
+    - x
+  input_size_list:
+    -
+      - 1
+      - 3
+      - 112
+      - 112
+  outputs:
+    - save_infer_model/scale_0.tmp_1
+
+build:
+  do_quantization: True
+  dataset: ./dataset.txt
\ No newline at end of file
diff --git a/configs/LZ-MobileNetV3.yaml b/configs/LZ-MobileNetV3.yaml
index 6a42da07c574041ad33ce3d132b4930bd8dab2f5..3020477267defa7a24aaf04d9fdda63c41c3ac6e 100644
--- a/configs/LZ-MobileNetV3.yaml
+++ b/configs/LZ-MobileNetV3.yaml
@@ -1,4 +1,5 @@
 config:
+  # BGR
   mean:
     - 0.406
     - 0.456
diff --git a/configs/LZ-Picodet.yaml b/configs/LZ-Picodet.yaml
index d69b926fa08dfad33a882f50e3709bd1f4ca9a22..ce39f0e08cd8525bcef3bd1af694ff78e2a37261 100644
--- a/configs/LZ-Picodet.yaml
+++ b/configs/LZ-Picodet.yaml
@@ -1,4 +1,5 @@
 config:
+  # BGR
   mean:
     - 0.406
     - 0.456
diff --git a/configs/LZ-Picodet_fp32.yaml b/configs/LZ-Picodet_fp32.yaml
index 1ceb3941607a1db253f684f1e658ec347a97797e..8071fd36f468de700f4ff2c7cebc90e887ddc9b7 100644
--- a/configs/LZ-Picodet_fp32.yaml
+++ b/configs/LZ-Picodet_fp32.yaml
@@ -1,4 +1,5 @@
 config:
+  # BGR
   mean:
     - 0.406
     - 0.456
diff --git a/configs/LZ-RetinaFace.yaml b/configs/LZ-RetinaFace.yaml
index 3eacb280d6e29077247c228225d1d03258e04c99..e51314cc0e35676f65f8b1635a1c2a0d3612a7bd 100644
--- a/configs/LZ-RetinaFace.yaml
+++ b/configs/LZ-RetinaFace.yaml
@@ -1,4 +1,5 @@
 config:
+  # RGB
   mean:
     - -104
     - -117
diff --git a/docs/models/arcface.md b/docs/models/arcface.md
new file mode 100644
index 0000000000000000000000000000000000000000..c0018575ad629ff821b0a54168bda2711f8afdcf
--- /dev/null
+++ b/docs/models/arcface.md
@@ -0,0 +1,34 @@
+```bash
+cd /path/to/LockzhinerVisionModule
+
+rm -rf mobileface_v1.0_infer.tar
+wget https://paddle-model-ecology.bj.bcebos.com/model/insight-face/mobileface_v1.0_infer.tar
+tar -xvf mobileface_v1.0_infer.tar
+
+rm LZ-ArcFace.onnx
+paddle2onnx --model_dir mobileface_v1.0_infer \
+            --model_filename inference.pdmodel \
+            --params_filename inference.pdiparams \
+            --save_file LZ-ArcFace.onnx \
+            --deploy_backend rknn
+
+rm face_demo.zip
+rm face_0.jpg
+rm face_1.jpg
+rm face_2.jpg
+wget https://bj.bcebos.com/paddlehub/fastdeploy/rknpu2/face_demo.zip
+unzip face_demo.zip
+
+rm dataset.txt
+touch dataset.txt
+echo face_0.jpg > dataset.txt
+echo face_1.jpg > dataset.txt
+echo face_2.jpg > dataset.txt
+
+rm LZ-ArcFace.rknn
+python utils/export.py \
+    --config_path=./configs/LZ-ArcFace.yaml \
+    --model_load_path=./LZ-ArcFace.onnx \
+    --model_save_path=./LZ-ArcFace.rknn \
+    --target_platform=RV1106
+```
\ No newline at end of file
diff --git a/docs/models/retinaface.md b/docs/models/retinaface.md
new file mode 100644
index 0000000000000000000000000000000000000000..89f77f5e9f30cc3e1582863bb0d5888e9409f46d
--- /dev/null
+++ b/docs/models/retinaface.md
@@ -0,0 +1,24 @@
+```bash
+cd /path/to/LockzhinerVisionModule
+
+rm RetinaFace_mobile320.onnx
+wget https://ftrg.zbox.filez.com/v2/delivery/data/95f00b0fc900458ba134f8b180b3f7a1/examples/RetinaFace/RetinaFace_mobile320.onnx
+
+rm LZ-RetinaFace.onnx
+mv RetinaFace_mobile320.onnx LZ-RetinaFace.onnx
+
+rm test.jpg
+# 下载不了去 https://github.com/airockchip/rknn_model_zoo/blob/main/examples/RetinaFace/model/test.jpg 下载
+wget -O test.jpg https://s21.ax1x.com/2024/11/07/pAyN4VU.jpg 
+
+rm dataset.txt
+touch dataset.txt
+echo test.jpg > dataset.txt
+
+rm LZ-RetinaFace.rknn
+python utils/export.py \
+    --config_path=./configs/LZ-RetinaFace.yaml \
+    --model_load_path=./LZ-RetinaFace.onnx \
+    --model_save_path=./LZ-RetinaFace.rknn \
+    --target_platform=RV1106
+```
\ No newline at end of file
diff --git a/example/vision/face_detection/README.md b/example/vision/face_detection/README.md
index b634fedd5ed5028dbbfa5452c57dba29a3db180a..784ae33bd4fb8bb94b1cf924d092ce644e8cc0c1 100644
--- a/example/vision/face_detection/README.md
+++ b/example/vision/face_detection/README.md
@@ -2,7 +2,7 @@
 
 发布版本：V0.0.0
 
-日期：2024-09-11
+日期：2024-11-04
 
 文件密级：□绝密 □秘密 □内部资料 ■公开  
 
@@ -25,13 +25,17 @@
 
 | **日期**   | **版本** | **作者** | **修改说明** |
 | :--------- | -------- | -------- | ------------ |
-| 2024/09/11 | 0.0.0    | 郑必城     | 初始版本     |
+| 2024/11/04 | 0.0.0    | 郑必城     | 初始版本     |
 
 ## 1 简介
 
-在深度学习中，RetinaFace是一种高效的人脸检测模型，旨在准确识别图像中的人脸及其关键点。该模型结合了特征金字塔网络（FPN）和单阶段检测方法，能够在不同尺度下进行人脸检测，从而提高了对小型和远距离人脸的检测能力。RetinaFace不仅能够检测人脸位置，还能提供人脸的五个关键点（如眼睛、鼻子和嘴巴）的坐标，适用于多种人脸识别和分析应用。
+在深度学习中，RetinaFace 是一种高效的人脸检测模型，旨在准确识别图像中的人脸及其关键点。该模型结合了特征金字塔网络（FPN）和单阶段检测方法，能够在不同尺度下进行人脸检测，从而提高了对小型和远距离人脸的检测能力。RetinaFace 不仅能够检测人脸位置，还能提供人脸的五个关键点（如眼睛、鼻子和嘴巴）的坐标，适用于多种人脸识别和分析应用。
 
-## 2 在凌智视觉模块上部署模型
+## 2 运行前的准备
+
+* 请确保你已经下载了 [凌智视觉模块人脸检测模型](https://gitee.com/LockzhinerAI/LockzhinerVisionModule/releases/download/v0.0.0/LZ-RetinaFace.rknn)
+
+## 3 在凌智视觉模块上部署模型
 
 训练完模型后，请参考以下教程在凌智视觉模块上部署检测模型例程：
 
@@ -42,6 +46,6 @@
 
 以下测试数据为模型执行 Predict 函数运行 1000 次耗时的平均时间
 
-| 检测模型 | FPS(帧/s) | 精度(%) |
+| 人脸检测模型 | FPS(帧/s) | 精度(%) |
 |:-------:|:----:|:----:|
 |LZ-RetinaFace|  38   |   -   |
\ No newline at end of file
diff --git a/example/vision/face_detection/python/README.md b/example/vision/face_detection/python/README.md
index 4eb920b6f3a5314a1669470d6c136779e5d1a9c9..fc693f3b17bb71369db512588ddd273127fa35d0 100644
--- a/example/vision/face_detection/python/README.md
+++ b/example/vision/face_detection/python/README.md
@@ -2,7 +2,7 @@
 
 发布版本：V0.0.0
 
-日期：2024-09-11
+日期：2024-11-04
 
 文件密级：□绝密 □秘密 □内部资料 ■公开  
 
@@ -25,13 +25,13 @@
 
 | **日期**   | **版本** | **作者** | **修改说明** |
 | :--------- | -------- | -------- | ------------ |
-| 2024/09/11 | 0.0.0    | 郑必城     | 初始版本     |
+| 2024/11/04 | 0.0.0    | 郑必城     | 初始版本     |
 
 ## 1 简介
 
 接下来让我们基于 Python 来部署 RetinaFace 人脸检测模型。在开始本章节前：
 
-- 请确保你已经参考 [凌智视觉模块检测模型部署指南](../README.md) 对模型进行了充分训练。
+- 请确保你已经参考 [凌智视觉模块人脸检测模型部署指南](../README.md) 正确下载了凌智视觉模块人脸检测模型。
 - 请确保你已经按照 [开发环境搭建指南](../../../../docs/introductory_tutorial/python_development_environment.md) 正确配置了开发环境。
 
 ## 2 Python API 文档
diff --git a/example/vision/face_recognition/README.md b/example/vision/face_recognition/README.md
new file mode 100644
index 0000000000000000000000000000000000000000..801af0feb658bd8a94707fecfc3f1a881a874bd0
--- /dev/null
+++ b/example/vision/face_recognition/README.md
@@ -0,0 +1,55 @@
+<h1 align="center">凌智视觉模块人脸识别模型部署指南</h1>
+
+发布版本：V0.0.0
+
+日期：2024-11-04
+
+文件密级：□绝密 □秘密 □内部资料 ■公开  
+
+---
+
+**免责声明**  
+
+本文档按**现状**提供，福州凌睿智捷电子有限公司（以下简称**本公司**）不对本文档中的任何陈述、信息和内容的准确性、可靠性、完整性、适销性、适用性及非侵权性提供任何明示或暗示的声明或保证。本文档仅作为使用指导的参考。  
+
+由于产品版本升级或其他原因，本文档可能在未经任何通知的情况下不定期更新或修改。  
+
+**读者对象**  
+
+本教程适用于以下工程师：  
+
+- 技术支持工程师  
+- 软件开发工程师  
+
+**修订记录**  
+
+| **日期**   | **版本** | **作者** | **修改说明** |
+| :--------- | -------- | -------- | ------------ |
+| 2024/11/04 | 0.0.0    | 郑必城     | 初始版本     |
+
+## 1 简介
+
+ArcFace 是一种基于深度学习的人脸识别模型，专注于在人脸特征向量（即嵌入）上实现更高的区分度。其核心在于 **角度间隔 (Angular Margin)** 的思想，通过将类间距离投影到角度空间进行学习，使得模型能够更精确地将不同类别（人脸）的特征分离开来。
+
+在实际应用中, ArcFace 通过改进传统的 Softmax 损失函数，引入角度间隔损失来优化人脸的嵌入特征。具体而言，该模型将人脸特征映射到一个单位圆上，并在不同类别之间引入一个固定的角度间隔，从而保证不同人脸类别的特征向量在角度空间上更加分离。这一方法使得模型在区分相似人脸或小样本人脸方面更加有效。
+
+ArcFace 的应用领域广泛，尤其在需要高度准确的身份验证、访问控制和智能安防等场景中展现出显著的性能优势。其优势在于模型能够在多样化和大规模的人脸识别任务中保持高效，同时也具有良好的泛化能力。
+
+## 2 运行前的准备
+
+* 请确保你已经下载了 [凌智视觉模块人脸识别模型](https://gitee.com/LockzhinerAI/LockzhinerVisionModule/releases/download/v0.0.0/LZ-ArcFace.rknn)
+
+## 3 在凌智视觉模块上部署模型
+
+训练完模型后，请参考以下教程在凌智视觉模块上部署检测模型例程：
+
+<!-- * [凌智视觉模块检测模型 C++ 部署指南](./cpp/README.md) -->
+* [凌智视觉模块人脸识别模型 Python 部署指南](./python)
+
+## 4 各模型性能指标
+
+以下测试数据为模型执行 Predict 函数运行 1000 次耗时的平均时间
+
+| 人脸识别模型 | FPS(帧/s) | 精度(%) |
+|:-------:|:----:|:----:|
+|LZ-ArcFace|  120   |   -   |
\ No newline at end of file
diff --git a/example/vision/face_recognition/python/README.md b/example/vision/face_recognition/python/README.md
new file mode 100644
index 0000000000000000000000000000000000000000..b0ec2753e6b1234d382f17d085d9062a3190d217
--- /dev/null
+++ b/example/vision/face_recognition/python/README.md
@@ -0,0 +1,156 @@
+<h1 align="center">凌智视觉模块人脸识别模型 Python 部署指南</h1>
+
+发布版本：V0.0.0
+
+日期：2024-11-04
+
+文件密级：□绝密 □秘密 □内部资料 ■公开  
+
+---
+
+**免责声明**  
+
+本文档按**现状**提供，福州凌睿智捷电子有限公司（以下简称**本公司**）不对本文档中的任何陈述、信息和内容的准确性、可靠性、完整性、适销性、适用性及非侵权性提供任何明示或暗示的声明或保证。本文档仅作为使用指导的参考。  
+
+由于产品版本升级或其他原因，本文档可能在未经任何通知的情况下不定期更新或修改。  
+
+**读者对象**  
+
+本教程适用于以下工程师：  
+
+- 技术支持工程师  
+- 软件开发工程师  
+
+**修订记录**  
+
+| **日期**   | **版本** | **作者** | **修改说明** |
+| :--------- | -------- | -------- | ------------ |
+| 2024/11/04 | 0.0.0    | 郑必城     | 初始版本     |
+
+## 1 简介
+
+接下来让我们基于 Python 来部署 ArcFace 人脸识别模型。在开始本章节前：
+
+- 请确保你已经参考 [凌智视觉模块人脸识别模型部署指南](../README.md) 正确下载了凌智视觉模块人脸识别模型。
+- 请确保你已经按照 [开发环境搭建指南](../../../../docs/introductory_tutorial/python_development_environment.md) 正确配置了开发环境。
+
+## 2 Python API 文档
+
+```python
+class FaceRecognitionResult:
+    """
+    人脸识别结果类，用于封装和处理人脸识别结果数据。
+
+    该类主要提供了一个包装层，用于访问和管理由视觉模块产生的人脸识别结果。
+    """
+
+    def __init__(self):
+        self.face_recognition_result = vision.FaceRecognitionResult()
+
+    @property
+    def feature(self):
+        """
+        获取人脸识别结果的特征信息
+
+        Returns:
+            list(float): 特征信息
+        """
+        return self.face_recognition_result.feature
+
+class ArcFace:
+    """
+    ArcFace 类 - 用于人脸识别的 ArcFace 模型封装。
+
+    该类封装了 InsightFace 框架下的 ArcFace 人脸识别模型，提供了初始化和预测的方法。
+    """
+
+    def __init__(self):
+        """
+        构造函数 - 初始化 PaddleDet 对象。
+        """
+        self.model = vision.ArcFace()
+
+    def initialize(self, model_path):
+        """
+        初始化模型 - 加载预训练的 ArcFace 模型。
+
+        Args:
+            model_path (str): 模型文件的路径。
+
+        Returns:
+            bool: 初始化是否成功。
+        """
+        return self.model.initialize(model_path)
+
+    def predict(self, input_mat):
+        """
+        进行预测 - 使用加载的模型对输入数据进行分类预测。
+
+        Args:
+            input_mat (cv2.Mat): 输入的图像数据，通常是一个 cv2.Mat 变量。
+
+        Returns:
+            FaceRecognitionResult: 人脸识别结果，包含了 128 维度的人脸特征
+        """
+        return self.model.predict(input_mat)
+```
+
+## 3 项目介绍
+
+为了方便大家入手，我们做了一个简易的人脸识别例程。该程序可以使用摄像头进行端到端推理。
+
+```python
+from lockzhiner_vision_module.cv2 import imread
+from lockzhiner_vision_module.vision import ArcFace, cosine_similarity
+import time
+import sys
+
+if __name__ == "__main__":
+    args = sys.argv
+    if len(args) != 4:
+        print("Need model path. Example: python test_arc_face.py LZ-ArcFace.rknn image_path_0 image_path_1")
+        exit(1)
+        
+    model = ArcFace()
+    if model.initialize(args[1]) is False:
+        print("Failed to initialize ArcFace")
+        exit(1)
+
+    input_mat_0 = imread(args[2])
+    result_0 = model.predict(input_mat_0)
+
+    input_mat_1 = imread(args[3])
+    result_1 = model.predict(input_mat_1)
+
+
+    print(f"Similarity is {cosine_similarity(result_0, result_1)}")
+```
+
+## 4 上传并测试 Python 程序
+
+参考 [连接设备指南](../../../../docs/introductory_tutorial/connect_device_using_ssh.md) 正确连接 Lockzhiner Vision Module 设备。
+
+![](../../../../docs/introductory_tutorial/images/connect_device_using_ssh/ssh_success.png)
+
+请使用 Electerm Sftp 依次上传以下两个文件:
+
+- 进入存放 **test_arc_face.py** 脚本文件的目录，将 **test_arc_face.py** 上传到 Lockzhiner Vision Module
+- 进入存放 **LZ-ArcFace.rknn(也可能是其他模型)** 模型存放的目录（模型存放在训练模型后下载的 output 文件夹内），将 **LZ-ArcFace.rknn** 上传到 Lockzhiner Vision Module
+
+![](images/stfp_0.png)
+
+![](images/stfp_1.png)
+
+请使用 Electerm Ssh 并在命令行中执行以下命令:
+
+```bash
+python test_arc_face.py LZ-ArcFace.rknn image_path_0 image_path_1
+```
+
+运行程序后，屏幕上开始打印矩形框信息和置信度，并在一段时间后输出 FPS 值
+
+![alt text](result_0.png)
+
+<!-- ## 5 其他 -->
+
+<!-- 如果你需要使用 C++ 来部署 PaddleClas 请参考[凌智视觉模块分类模型 C++ 部署指南](../cpp/README.md)。 -->
diff --git a/example/vision/face_recognition/python/test_arc_face.py b/example/vision/face_recognition/python/test_arc_face.py
new file mode 100644
index 0000000000000000000000000000000000000000..ff1e5af783cf1333455901813f39176d37943b10
--- /dev/null
+++ b/example/vision/face_recognition/python/test_arc_face.py
@@ -0,0 +1,24 @@
+from lockzhiner_vision_module.cv2 import imread
+from lockzhiner_vision_module.vision import ArcFace, cosine_similarity
+import time
+import sys
+
+if __name__ == "__main__":
+    args = sys.argv
+    if len(args) != 4:
+        print("Need model path. Example: python test_arc_face.py LZ-ArcFace.rknn image_path_0 image_path_1")
+        exit(1)
+        
+    model = ArcFace()
+    if model.initialize(args[1]) is False:
+        print("Failed to initialize ArcFace")
+        exit(1)
+
+    input_mat_0 = imread(args[2])
+    result_0 = model.predict(input_mat_0)
+
+    input_mat_1 = imread(args[3])
+    result_1 = model.predict(input_mat_1)
+
+
+    print(f"Similarity is {cosine_similarity(result_0, result_1)}")
\ No newline at end of file