diff --git a/example/special/face_system/README.md b/example/special/face_system/README.md
new file mode 100644
index 0000000000000000000000000000000000000000..587436ea37e9f86f5c0f5aab75918b649522d571
--- /dev/null
+++ b/example/special/face_system/README.md
@@ -0,0 +1,52 @@
+凌智视觉模块人脸识别系统部署指南
+
+发布版本：V0.0.0
+
+日期：2024-11-28
+
+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** |
+|:-----------| -------- |--------| ------------ |
+| 2024/11/28 | 0.0.0 | 郑必城、钟海滨 | 初始版本 |
+
+## 1 简介
+
+基于 Lockzhiner Vision Module 的 LZ-Picodet 模型训练的人脸检测模型 LZ-Face，以及ArcFace人脸识别模型,实现了一个人脸识别系统。
+
+## 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/v0.0.3/LZ-Face.rknn)
+* 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 人脸识别系统 Python 部署指南](./python/README.md)
+
+## 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
+
+| 人脸识别系统 | FPS(帧/s) | 精度(%) |
+|:------------------:|:--------:|:----:|
+| LZ-Face、LZ-Arcface | 23 | - |
\ No newline at end of file
diff --git a/example/special/face_system/python/README.md b/example/special/face_system/python/README.md
new file mode 100644
index 0000000000000000000000000000000000000000..be081bb224e15a98400263c2f8dce9ded682535b
--- /dev/null
+++ b/example/special/face_system/python/README.md
@@ -0,0 +1,202 @@
+凌智视觉模块 人脸识别系统 Python 部署指南
+
+发布版本：V0.0.0
+
+日期：2024-11-28
+
+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** |
+|:-----------| -------- |---------| ------------ |
+| 2024/11/28 | 0.0.0 | 郑必城、钟海滨 | 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：
+
+* 请确保你已经下载了 [凌智视觉模块人脸检测模型](https://gitee.com/LockzhinerAI/LockzhinerVisionModule/releases/download/v0.0.3/LZ-Face.rknn)
+* 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)
+- 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
+from ...LockzhinerVisionModule_wapper import vision
+
+
+class FaceRecognitionSystem:
+ def __init__(self):
+ """
+ FaceRecognitionSystem 类 - 用于人脸识别系统的封装
+ 该类封装了 InsightFace 框架下的 ArcFace 人脸识别模型以及PaddleDet
+ 框架下的目标检测模型，提供了初始化和预测的方法
+ """
+
+ self.model = vision.FaceRecognitionSystem()
+
+ def initialize(
+ self,
+ face_det_model_path,
+ face_rec_model_path,
+ face_det_param_path="",
+ face_rec_param_path="",
+ ):
+ """
+ 初始化模型
+ - 加载预训练的 PaddlePaddle 模型
+ - 加载预训练的 ArcFace 模型
+ Args:
+ face_det_model_path, 人脸检测模型文件的路径
+ face_rec_model_path, 人脸识别模型文件的路径
+ face_det_param_path="", 默认为空，不需填写
+ face_rec_param_path="", 默认为空，不需填写
+
+ Returns:
+ bool: 初始化是否成功。
+ """
+ return self.model.initialize(
+ face_det_model_path,
+ face_rec_model_path,
+ face_det_param_path,
+ face_rec_param_path,)
+
+ def buildDatabase(self, database_root, crop_root=""):
+ """
+ 构建人脸识别数据库
+
+ Args:
+ database_root 用户人脸存储路径
+ crop_root="" 裁剪图片存储路径(DEBUG时可开启)
+ Returns:
+ bool: 数据库构建是否成功。
+ """
+ return self.model.buildDatabase(database_root, crop_root)
+
+ def predict(self, input_mat):
+ """
+ 进行预测 - 使用加载的人脸检测模型和人脸是被模型进行预测
+ Args:
+ input_mat (cv2.Mat): 输入的图像数据，通常是一个 cv2.Mat 变量。
+
+ Returns:
+ FaceFeatureResult: 识别到的用户，余弦相似度分数，检测到的目标框
+ """
+ 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
+import sys
+import time
+
+from lockzhiner_vision_module.cv2 import VideoCapture, imread, imwrite
+from lockzhiner_vision_module.vision import FaceRecognitionSystem, visualize
+from lockzhiner_vision_module.edit import Edit
+
+
+# 主程序入口
+if __name__ == '__main__':
+ # 获取命令行参数
+ args = sys.argv
+ # 确保提供了足够的参数
+ if len(args) != 5:
+ print("Need model path. Example: python face_system.py LZ-Face.rknn LZ-ArcFace.rknn baseDataset_root crop_root")
+ exit(1)
+
+ # 初始化面部识别系统
+ face_system = FaceRecognitionSystem()
+ # 验证面部识别系统的初始化是否成功
+ if face_system.initialize(args[1], args[2]) is False:
+ print("Failed to initialize face_system model")
+ exit(1)
+ # 构建面部数据库
+ face_system.buildDatabase(args[3],args[4])
+
+ # 初始化图像编辑处理对象
+ edit = Edit()
+ # 开始并接受连接，准备进行图像编辑处理
+ edit.start_and_accept_connection()
+ # 初始化视频捕捉对象
+ video_capture = VideoCapture()
+ # 验证摄像头是否成功打开
+ if video_capture.open(0) is False:
+ print("Failed to open capture")
+ exit(1)
+ # 主循环，用于持续捕捉和处理视频帧
+ while True:
+ read_index = 0
+ total_time_ms = 0
+ for i in range(100):
+ # 从摄像头读取帧
+ ret, input_mat = video_capture.read()
+ # 如果读取失败，则继续循环直到成功读取
+ if ret is False:
+ continue
+ # 预测调用predict方法
+ start_time = time.time()
+ results = face_system.predict(input_mat)
+ end_time = time.time()
+ total_time_ms += end_time - start_time
+ read_index += 1
+ # 可视化处理结果
+ vis_mat = visualize(input_mat, results)
+ # 打印处理后的图像
+ edit.print(vis_mat)
+ print(f"FPS is {1.0 / (total_time_ms / read_index)}")
+
+```
+
+## 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。
+
+
+
+请使用 Electerm Sftp 依次上传以下文件:
+
+- 进入存放 **test_arc_face[face_system.py](face_system.py).py** 脚本文件的目录，将 **[face_system.py](face_system.py).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
+- 进入存放 **LZ-Face.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-Face.rknn** 上传到 Lockzhiner Vision Module
+- 上传构建人脸数据库的文件夹
+ - 文件夹结构：
+ - 主目录
+ - 人脸数据库文件夹（即为用户名）
+ - 人脸图片
+上传文件
+
+文件夹结构示意图
+
+
+
+请使用 Electerm Ssh 并在命令行中执行以下命令:
+
+```bash
+python face_system.py LZ-Face.rknn LZ-ArcFace.rknn baseDataset_root crop_root
+```
+
+运行程序后，屏幕上开始打印数据库构建的相关信息，并在一段时间后输出
+
+
+
+
diff --git a/example/special/face_system/python/face_system.py b/example/special/face_system/python/face_system.py
new file mode 100644
index 0000000000000000000000000000000000000000..8c5b2def46b465a609443b9e961d27262428e592
--- /dev/null
+++ b/example/special/face_system/python/face_system.py
@@ -0,0 +1,57 @@
+import sys
+import time
+
+from lockzhiner_vision_module.cv2 import VideoCapture, imread, imwrite
+from lockzhiner_vision_module.vision import FaceRecognitionSystem, visualize
+from lockzhiner_vision_module.edit import Edit
+
+
+# 主程序入口
+if __name__ == '__main__':
+ # 获取命令行参数
+ args = sys.argv
+ # 确保提供了足够的参数
+ if len(args) != 5:
+ print("Need model path. Example: python face_system.py LZ-Face.rknn LZ-ArcFace.rknn baseDataset_root crop_root")
+ exit(1)
+
+ # 初始化面部识别系统
+ face_system = FaceRecognitionSystem()
+ # 验证面部识别系统的初始化是否成功
+ if face_system.initialize(args[1], args[2]) is False:
+ print("Failed to initialize face_system model")
+ exit(1)
+ # 构建面部数据库
+ face_system.buildDatabase(args[3],args[4])
+
+ # 初始化图像编辑处理对象
+ edit = Edit()
+ # 开始并接受连接，准备进行图像编辑处理
+ edit.start_and_accept_connection()
+ # 初始化视频捕捉对象
+ video_capture = VideoCapture()
+ # 验证摄像头是否成功打开
+ if video_capture.open(0) is False:
+ print("Failed to open capture")
+ exit(1)
+ # 主循环，用于持续捕捉和处理视频帧
+ while True:
+ read_index = 0
+ total_time_ms = 0
+ for i in range(100):
+ # 从摄像头读取帧
+ ret, input_mat = video_capture.read()
+ # 如果读取失败，则继续循环直到成功读取
+ if ret is False:
+ continue
+ # 预测调用predict方法
+ start_time = time.time()
+ results = face_system.predict(input_mat)
+ end_time = time.time()
+ total_time_ms += end_time - start_time
+ read_index += 1
+ # 可视化处理结果
+ vis_mat = visualize(input_mat, results)
+ # 打印处理后的图像
+ edit.print(vis_mat)
+ print(f"FPS is {1.0 / (total_time_ms / read_index)}")
\ No newline at end of file
diff --git a/example/special/face_system/python/images/build_database.png b/example/special/face_system/python/images/build_database.png
new file mode 100644
index 0000000000000000000000000000000000000000..817bc3c45e115ef927164c4f97acc3e7e0684d93
Binary files /dev/null and b/example/special/face_system/python/images/build_database.png differ
diff --git a/example/special/face_system/python/images/connect.png b/example/special/face_system/python/images/connect.png
new file mode 100644
index 0000000000000000000000000000000000000000..dca991881cd5b5813ef5a9e108251c55169fbe88
Binary files /dev/null and b/example/special/face_system/python/images/connect.png differ
diff --git a/example/special/face_system/python/images/fps.png b/example/special/face_system/python/images/fps.png
new file mode 100644
index 0000000000000000000000000000000000000000..889f2d5f848c37c14ea4dddc76152f317d57cf9d
Binary files /dev/null and b/example/special/face_system/python/images/fps.png differ
diff --git a/example/special/face_system/python/images/img.png b/example/special/face_system/python/images/img.png
new file mode 100644
index 0000000000000000000000000000000000000000..69cbca641ad96fc8ba9d91972ee2d55f86618d21
Binary files /dev/null and b/example/special/face_system/python/images/img.png differ
diff --git a/example/special/face_system/python/test_face_system.py b/example/special/face_system/python/test_face_system.py
new file mode 100644
index 0000000000000000000000000000000000000000..9c1ff03bc0be5caed08f33090c95661116291c56
--- /dev/null
+++ b/example/special/face_system/python/test_face_system.py
@@ -0,0 +1,127 @@
+import os
+import sys
+from lockzhiner_vision_module.cv2 import VideoCapture,imread,imwrite
+from lockzhiner_vision_module.vision import PaddleDet, ArcFace, visualize, cosine_similarity
+from lockzhiner_vision_module.edit import Edit
+import time
+import sys
+
+def predict_face(det_model, rec_model, face_mat):
+ if face_mat.empty():
+ return None, None
+
+ det_results = det_model.predict(face_mat)
+ result_size = len(det_results)
+ if result_size != 1:
+ print(f"Failed to find face. The size of faces is {result_size}, but need 1.")
+ return None, None
+
+ det_result = det_results[0]
+ face_roi = det_result.box
+ # print(
+ # f"(x,y,w,h,score): [{face_roi.x},{face_roi.y},{face_roi.width},{face_roi.height},{det_result.score}]"
+ # )
+ crop_mat = input_mat.crop(face_roi)
+ if crop_mat.empty():
+ return None, None
+
+ rec_result = rec_model.predict(crop_mat)
+ return det_results, rec_result
+
+
+if __name__ == '__main__':
+ args = sys.argv
+ if len(args) != 3:
+ print("Need model path. Example: python face_system.py LZ-Face.rknn LZ-ArcFace.rknn")
+ exit(1)
+
+ face_det = PaddleDet()
+ if face_det.initialize(args[1]) is False:
+ print("Failed to initialize face_det model")
+ exit(1)
+
+ face_rec = ArcFace()
+ if face_rec.initialize(args[2]) is False:
+ print("Failed to initialize face_rec model")
+ exit(1)
+
+ # 原始数据路径
+ base_dataset_path = 'BaseDataset'
+ # 裁剪后的数据路径
+ crop_dataset_path = 'CropDataset'
+
+ # 如果裁剪文件夹不存在，则创建
+ if not os.path.exists(crop_dataset_path):
+ os.makedirs(crop_dataset_path)
+ # 构建数据库
+ # 临时存储特征向量的字典
+
+ # c++的字典使用，map(std::string,vectoor,rec.result)
+
+ face_dict = {}
+ # 遍历BaseDataset中的每个文件夹
+ for user_folder in os.listdir(base_dataset_path):
+ user_path = os.path.join(base_dataset_path, user_folder)
+ if os.path.isdir(user_path) is False:
+ continue
+
+ # 创建对应用户的裁剪文件夹
+ user_crop_path = os.path.join(crop_dataset_path, user_folder)
+ if not os.path.exists(user_crop_path):
+ os.makedirs(user_crop_path)
+ # 初始化用户的特征向量列表
+ face_dict[user_folder] = []
+ for img_name in os.listdir(user_path):
+ img_path = os.path.join(user_path, img_name)
+ print(img_path)
+
+ # 读取图片并检测图片是否为空
+ input_mat = imread(img_path)
+ if input_mat.empty():
+ print(f"{img_path} is empty.")
+ continue
+
+ _, feature_result = predict_face(face_det, face_rec, input_mat)
+ if feature_result is None:
+ print(f"Failed to find face in {img_path}.")
+ continue
+ face_dict[user_folder].append(feature_result)
+
+ edit = Edit()
+ edit.start_and_accept_connection()
+
+ video_capture = VideoCapture()
+ if video_capture.open(0) is False:
+ print("Failed to open capture")
+ exit(1)
+
+ while True:
+ ret, input_mat = video_capture.read()
+ if ret is False:
+ continue
+# 预测
+ result_0, result_1 = predict_face(face_det, face_rec, input_mat)
+ if result_0 is None or result_1 is None:
+ print(f"Failed to find face on video.")
+ continue
+ vis_mat = visualize(input_mat, result_0)
+ edit.print(vis_mat)
+
+ max_name = "None"
+ max_similarity = 0.0
+ for name, feature_results in face_dict.items():
+ for feature_result in feature_results:
+ similarity = cosine_similarity(result_1, feature_result)
+ if max_similarity < similarity:
+ max_similarity = similarity
+ max_name = name
+ print(f"User: {max_name}, score: {max_similarity}")
+
+
+
+
+
+
+
+
+