diff --git a/Distribution/FaceSDKWrapper.java b/Distribution/FaceSDKWrapper.java
new file mode 100644
index 0000000..47db17c
--- /dev/null
+++ b/Distribution/FaceSDKWrapper.java
@@ -0,0 +1,224 @@
+// 声明包名，必须与您的项目一致
+package com.facesdk.wrapper;
+
+// 导入所有必需的 Android 工具
+import android.content.Context;
+import android.content.res.AssetManager;
+import android.graphics.Bitmap;
+import android.util.Log;
+
+import java.io.File;
+import java.io.FileOutputStream;
+import java.io.IOException;
+import java.io.InputStream;
+import java.io.OutputStream;
+
+/**
+ * 封装了所有 JNI 调用的 SDK 包装器。
+ * 这是 Android App 唯一应该交互的类。
+ */
+public class FaceSDKWrapper {
+
+    private static final String TAG = "FaceSDKWrapper";
+
+    static {
+        try {
+            // 【【【关键修正】】】
+            // 我们必须在加载我们自己的库之前，
+            // 首先加载我们的库所依赖的第三方库。
+            System.loadLibrary("c++_shared");
+            // 1. 加载 ONNX Runtime (来自 build.gradle.kts)
+            System.loadLibrary("onnxruntime");
+
+            // 2. 加载 OpenCV (来自 build.gradle.kts, 库名是 opencv_java4)
+            System.loadLibrary("opencv_java4");
+
+            // 3. 最后加载我们自己的库
+            System.loadLibrary("face_sdk_jni");
+
+        } catch (UnsatisfiedLinkError e) {
+            // 如果这里出错，App 无法运行
+            Log.e(TAG, "!!! 致命错误: 无法加载一个或多个 Native 库 !!!", e);
+            // 抛出运行时异常，使 App 立即停止，而不是稍后崩溃
+            throw new RuntimeException("Failed to load native libraries", e);
+        }
+    }
+
+    // 2. 声明 C++ JNI 函数 (必须与 face_sdk_jni.cpp 匹配)
+    //    这些是 Java 和 C++ 之间的“秘密通道”
+    private native long nativeInit(String modelDir);
+    private native float[] nativeExtractFeature(Bitmap bitmap);
+    private native float nativeCompare(float[] feat1, float[] feat2);
+    private native void nativeRelease();
+
+    // -----------------------------------------------------------------
+    //  公开的 Java API 接口
+    // -----------------------------------------------------------------
+
+    // C++ FaceSDK 实例的指针 (句柄)
+    private long nativeHandle = 0;
+
+    /**
+     * [API 1] 初始化 SDK
+     * 负责复制模型并初始化 C++ 引擎
+     *
+     * @param context Android 应用上下文
+     * @return true 成功, false 失败
+     */
+    public boolean init(Context context) {
+        if (nativeHandle != 0) {
+            Log.w(TAG, "SDK already initialized.");
+            return true;
+        }
+
+        // 步骤 1: 复制模型
+        String modelPath = copyModelsFromAssets(context);
+        if (modelPath == null) {
+            Log.e(TAG, "Failed to copy models from assets.");
+            return false;
+        }
+
+        // 步骤 2: 调用 C++ JNI 进行初始化
+        try {
+            this.nativeHandle = nativeInit(modelPath);
+            if (this.nativeHandle == 0) {
+                Log.e(TAG, "JNI nativeInit() returned 0 (Init failed).");
+                return false;
+            }
+        } catch (Exception e) {
+            Log.e(TAG, "Exception during nativeInit()", e);
+            return false;
+        }
+
+        Log.i(TAG, "SDK Initialized successfully. Handle: " + this.nativeHandle);
+        return true;
+    }
+
+    /**
+     * [API 2] 提取特征
+     *
+     * @param bitmap 包含人脸的 Bitmap
+     * @return 512维特征向量, 或在失败时返回 null
+     */
+    public float[] extractFeature(Bitmap bitmap) {
+        if (nativeHandle == 0) {
+            Log.e(TAG, "SDK not initialized. Call init() first.");
+            return null;
+        }
+        if (bitmap == null) {
+            Log.e(TAG, "Input bitmap is null.");
+            return null;
+        }
+
+        try {
+            return nativeExtractFeature(bitmap);
+        } catch (Exception e) {
+            Log.e(TAG, "Exception during nativeExtractFeature()", e);
+            return null;
+        }
+    }
+
+    /**
+     * [API 3] 比较特征
+     *
+     * @param feat1 特征1
+     * @param feat2 特征2
+     * @return 余弦相似度
+     */
+    public float compare(float[] feat1, float[] feat2) {
+        if (nativeHandle == 0) {
+            Log.e(TAG, "SDK not initialized.");
+            return -2.0f; // -2.0 作为错误码
+        }
+        if (feat1 == null || feat2 == null || feat1.length != 512 || feat2.length != 512) {
+            Log.e(TAG, "Invalid feature vectors for comparison.");
+            return -2.0f;
+        }
+
+        try {
+            return nativeCompare(feat1, feat2);
+        } catch (Exception e) {
+            Log.e(TAG, "Exception during nativeCompare()", e);
+            return -2.0f;
+        }
+    }
+
+    /**
+     * [API 4] 释放 SDK
+     * 在 App 退出时调用
+     */
+    public void release() {
+        if (nativeHandle != 0) {
+            nativeRelease();
+            Log.i(TAG, "SDK Released. Handle: " + nativeHandle);
+            nativeHandle = 0;
+        }
+    }
+
+    // -----------------------------------------------------------------
+    //  任务 2.6: 模型复制逻辑
+    // -----------------------------------------------------------------
+
+    /**
+     * 将 assets 中的所有 .onnx 模型复制到应用的内部存储。
+     * C++ 只能从内部存储读取，不能直接读取 assets。
+     *
+     * @param context 上下文
+     * @return 模型的存储目录路径, 或在失败时返回 null
+     */
+    private String copyModelsFromAssets(Context context) {
+        // 这是 C++ 需要的 7 个模型
+        final String[] modelFiles = {
+                "faceboxesv2-640x640.onnx",
+                "face_landmarker_pts5_net1.onnx",
+                "face_landmarker_pts5_net2.onnx",
+                "face_recognizer.onnx",
+                "model_gray_mobilenetv2_rotcls.onnx",
+                "fsanet-var.onnx",
+                "fsanet-conv.onnx"
+        };
+
+        // 目标目录: /data/data/com.facesdk.wrapper/files/models
+        File modelDir = new File(context.getFilesDir(), "models");
+        if (!modelDir.exists()) {
+            if (!modelDir.mkdirs()) {
+                Log.e(TAG, "Failed to create directory: " + modelDir.getAbsolutePath());
+                return null;
+            }
+        }
+
+        AssetManager assetManager = context.getAssets();
+
+        // 循环复制每一个模型
+        for (String filename : modelFiles) {
+            File outFile = new File(modelDir, filename);
+
+            // 如果文件已存在，跳过复制 (提高启动速度)
+            if (outFile.exists()) {
+                Log.i(TAG, "Model exists, skipping: " + filename);
+                continue;
+            }
+
+            Log.i(TAG, "Copying model: " + filename);
+            try (InputStream is = assetManager.open(filename);
+                 OutputStream os = new FileOutputStream(outFile)) {
+
+                byte[] buffer = new byte[1024 * 4];
+                int bytesRead;
+                while ((bytesRead = is.read(buffer)) != -1) {
+                    os.write(buffer, 0, bytesRead);
+                }
+            } catch (IOException e) {
+                Log.e(TAG, "Failed to copy model: " + filename, e);
+                // 如果任何一个文件复制失败，则清理并返回失败
+                // (清理是可选的，但更健壮)
+                // cleanUpModels(modelDir); 
+                return null;
+            }
+        }
+
+        Log.i(TAG, "All models copied successfully to: " + modelDir.getAbsolutePath());
+        // 返回包含模型的目录路径
+        return modelDir.getAbsolutePath();
+    }
+}
\ No newline at end of file
diff --git a/Distribution/assets/README.md b/Distribution/assets/README.md
new file mode 100644
index 0000000..4bebde7
--- /dev/null
+++ b/Distribution/assets/README.md
@@ -0,0 +1,53 @@
+# 模型文件目录
+
+此目录用于存放ONNX模型文件。
+
+## 需要的模型文件
+
+请将以下模型文件放置到此目录：
+
+1. **faceboxesv2-640x640.onnx** (约30MB)
+   - 人脸检测模型
+   - 基于FaceBoxes架构
+
+2. **face_landmarker_pts5_net1.onnx** (约1MB)
+   - 人脸关键点检测模型（网络1）
+   - 检测5个关键点：双眼、鼻尖、嘴角
+
+3. **face_landmarker_pts5_net2.onnx** (约1MB)
+   - 人脸关键点检测模型（网络2）
+   - 用于精细化关键点定位
+
+4. **face_recognizer.onnx** (约100MB)
+   - 人脸特征提取模型
+   - 输出512维特征向量
+
+5. **model_gray_mobilenetv2_rotcls.onnx** (约10MB)
+   - 图像旋转角度分类模型
+   - 检测0°/90°/180°/270°旋转
+
+6. **fsanet-var.onnx** (约2MB)
+   - 人脸姿态估计模型VAR
+   - 估计yaw和pitch角度
+
+7. **fsanet-conv.onnx** (约2MB)
+   - 人脸姿态估计模型CONV
+   - 用于姿态估计
+
+## 模型来源
+
+这些模型文件需要从原始FaceRegWeb项目的checkpoints目录复制。
+
+如果没有这些文件，请联系项目维护者或参考原项目获取。
+
+## 文件大小参考
+
+总计约150MB左右的模型文件。
+
+## 验证模型
+
+确保所有模型文件都已正确放置后，可以运行以下命令验证：
+
+```bash
+python -c "import os; files=['faceboxesv2-640x640.onnx','face_landmarker_pts5_net1.onnx','face_landmarker_pts5_net2.onnx','face_recognizer.onnx','model_gray_mobilenetv2_rotcls.onnx','fsanet-var.onnx','fsanet-conv.onnx']; missing=[f for f in files if not os.path.exists(f'checkpoints/{f}')]; print('缺失文件:', missing) if missing else print('所有模型文件已就绪')"
+```
diff --git a/Distribution/assets/face_landmarker_pts5_net1.onnx b/Distribution/assets/face_landmarker_pts5_net1.onnx
new file mode 100644
index 0000000..763f28d
Binary files /dev/null and b/Distribution/assets/face_landmarker_pts5_net1.onnx differ
diff --git a/Distribution/assets/face_landmarker_pts5_net2.onnx b/Distribution/assets/face_landmarker_pts5_net2.onnx
new file mode 100644
index 0000000..bcbf1d1
Binary files /dev/null and b/Distribution/assets/face_landmarker_pts5_net2.onnx differ
diff --git a/Distribution/assets/face_recognizer.onnx b/Distribution/assets/face_recognizer.onnx
new file mode 100644
index 0000000..8316a8a
Binary files /dev/null and b/Distribution/assets/face_recognizer.onnx differ
diff --git a/Distribution/assets/faceboxesv2-640x640.onnx b/Distribution/assets/faceboxesv2-640x640.onnx
new file mode 100644
index 0000000..a53ea30
Binary files /dev/null and b/Distribution/assets/faceboxesv2-640x640.onnx differ
diff --git a/Distribution/assets/fsanet-conv.onnx b/Distribution/assets/fsanet-conv.onnx
new file mode 100644
index 0000000..20100e4
Binary files /dev/null and b/Distribution/assets/fsanet-conv.onnx differ
diff --git a/Distribution/assets/fsanet-var.onnx b/Distribution/assets/fsanet-var.onnx
new file mode 100644
index 0000000..1ac1022
Binary files /dev/null and b/Distribution/assets/fsanet-var.onnx differ
diff --git a/Distribution/assets/model_gray_mobilenetv2_rotcls.onnx b/Distribution/assets/model_gray_mobilenetv2_rotcls.onnx
new file mode 100644
index 0000000..a04dd8d
Binary files /dev/null and b/Distribution/assets/model_gray_mobilenetv2_rotcls.onnx differ
diff --git a/Distribution/jniLibs/arm64-v8a/libc++_shared.so b/Distribution/jniLibs/arm64-v8a/libc++_shared.so
new file mode 100644
index 0000000..e978645
Binary files /dev/null and b/Distribution/jniLibs/arm64-v8a/libc++_shared.so differ
diff --git a/Distribution/jniLibs/arm64-v8a/libface_sdk_jni.so b/Distribution/jniLibs/arm64-v8a/libface_sdk_jni.so
new file mode 100644
index 0000000..ad73996
Binary files /dev/null and b/Distribution/jniLibs/arm64-v8a/libface_sdk_jni.so differ
diff --git a/Distribution/jniLibs/arm64-v8a/libonnxruntime.so b/Distribution/jniLibs/arm64-v8a/libonnxruntime.so
new file mode 100644
index 0000000..7d51c25
Binary files /dev/null and b/Distribution/jniLibs/arm64-v8a/libonnxruntime.so differ
diff --git a/Distribution/jniLibs/arm64-v8a/libonnxruntime4j_jni.so b/Distribution/jniLibs/arm64-v8a/libonnxruntime4j_jni.so
new file mode 100644
index 0000000..2e3c1a1
Binary files /dev/null and b/Distribution/jniLibs/arm64-v8a/libonnxruntime4j_jni.so differ
diff --git a/Distribution/jniLibs/arm64-v8a/libopencv_java4.so b/Distribution/jniLibs/arm64-v8a/libopencv_java4.so
new file mode 100644
index 0000000..170e866
Binary files /dev/null and b/Distribution/jniLibs/arm64-v8a/libopencv_java4.so differ
diff --git a/Distribution/人脸识别 Android SDK 集成指南 (V1.0) b/Distribution/人脸识别 Android SDK 集成指南 (V1.0)
new file mode 100644
index 0000000..4400513
--- /dev/null
+++ b/Distribution/人脸识别 Android SDK 集成指南 (V1.0)	
@@ -0,0 +1,245 @@
+人脸识别 Android SDK 集成指南 (V1.0)
+本文档为人脸识别 C++ 核心库 (libface_sdk_jni.so) 提供了详尽的 Android 集成步骤和 API 使用说明。
+
+1. 概述
+本 SDK 提供了在 Android 设备上本地运行的高性能人脸识别功能。SDK 核心基于 C++ 实现，1:1 转译自 Python 端的 7 模型推理管线，确保了特征向量的完全兼容。
+
+SDK 提供的主要 Java API 接口包括：
+
+特征提取: extractFeature(Bitmap bitmap)
+
+特征比较: compare(float[] feat1, float[] feat2)
+
+关键特性
+C++ 核心: 所有计算均在 C++ 层完成，性能高，内存可控。
+
+7 模型管线: 完整复现了 Python 端的 7 模型管线（旋转、检测、姿态、关键点、对齐、识别），保证了高识别精度。
+
+质量过滤: 内置姿态角（Yaw/Pitch）过滤，自动拒绝低质量人脸。
+
+手动捆绑: SDK 手动捆绑了所有必要的依赖库 (ONNX Runtime, OpenCV, C++ STL)，确保了在不同设备上的一致性，避免了因 Gradle 依赖版本不匹配导致的崩溃。
+
+2. SDK 包内容
+分发的 SDK 包含三个部分：
+
+1. Java 接口
+SDK_Wrapper/
+└── com/
+    └── facesdk/
+        └── wrapper/
+            └── FaceSDKWrapper.java  (SDK 公开的 Java API)
+2. Native 库 (C++)
+SDK_Libs/
+└── arm64-v8a/
+    ├── libface_sdk_jni.so     (✅ 您的核心 SDK 库)
+    ├── libonnxruntime.so      (依赖: ONNX 1.23.2 完整版)
+    ├── libopencv_java4.so     (依赖: OpenCV 4.12.0)
+    └── libc++_shared.so       (依赖: C++ 标准库)
+注意: 本 SDK 目前仅支持 arm64-v8a 架构。这覆盖了市面上 99% 以上的现代 Android 设备。
+
+3. AI 模型
+SDK_Models/
+├── faceboxesv2-640x640.onnx
+├── face_landmarker_pts5_net1.onnx
+├── face_landmarker_pts5_net2.onnx
+├── face_recognizer.onnx
+├── fsanet-conv.onnx
+├── fsanet-var.onnx
+└── model_gray_mobilenetv2_rotcls.onnx
+3. 集成指南
+请按照以下步骤将 SDK 集成到您的 Android Studio 项目中。
+
+步骤 1: 复制 Java 接口
+在 Android Studio 的 "Project" 视图中，导航到 app/src/main/java/。
+
+将 FaceSDKWrapper.java 文件复制到您项目的 Java 源码目录中（例如，com.yourcompany.yourapp.sdk/）。
+
+重要: 打开 FaceSDKWrapper.java 文件，将其顶部的 package com.facesdk.wrapper; 声明修改为您自己的包名，例如 package com.yourcompany.yourapp.sdk;。
+
+步骤 2: 复制 Native 库 (.so)
+在 Android Studio 的 "Project" 视图中，导航到 app/src/main/。
+
+右键点击 main -> New -> Directory。
+
+创建 jniLibs 文件夹。
+
+右键点击 jniLibs -> New -> Directory。
+
+创建 arm64-v8a 文件夹。
+
+将 SDK_Libs/arm64-v8a/ 目录下的所有 4 个 .so 文件复制到您刚创建的 app/src/main/jniLibs/arm64-v8a/ 目录中。
+
+步骤 3: 复制 AI 模型 (.onnx)
+在 Android Studio 的 "Project" 视图中，导航到 app/src/main/。
+
+右键点击 main -> New -> Directory。
+
+创建 assets 文件夹。
+
+将 SDK_Models/ 目录下的所有 7 个 .onnx 文件复制到您刚创建的 app/src/main/assets/ 目录中。
+
+步骤 4: 配置 build.gradle.kts (或 build.gradle)
+这是最关键的一步。我们需要告诉 Gradle 在打包 App 时包含我们的手动库。
+
+打开您的 app/build.gradle.kts (或 build.gradle) 文件。
+
+移除 (或不要添加) onnxruntime 和 opencv 的 implementation 依赖。我们已经手动提供了它们。
+
+在 android { ... } 代码块中，添加 sourceSets 和 ndk 配置：
+
+如果是 build.gradle.kts (Kotlin 脚本):
+
+Kotlin
+```
+android {
+    // ... (namespace, compileSdk, 等)
+
+    defaultConfig {
+        // ... (applicationId, minSdk, targetSdk, 等)
+    }
+
+    // (保持这个 sourceSets 块不变，即使它看起来是空的)
+    sourceSets {
+        getByName("main") {
+            // 明确告知 Gradle 我们的 jniLibs 目录在哪里
+            jniLibs.srcDirs("src/main/jniLibs")
+        }
+    }
+
+    // 强制 Gradle 只打包和使用 arm64-v8a 架构的库
+    // 这可以防止在 x86 模拟器上发生库不匹配的崩溃
+    ndk {
+        abiFilters.add("arm64-v8a")
+    }
+
+    // ... (buildTypes, compileOptions, 等)
+}
+```
+如果是 build.gradle (Groovy 脚本):
+
+Groovy
+```
+android {
+    // ... (namespace, compileSdk, 等)
+
+    defaultConfig {
+        // ... (applicationId, minSdk, targetSdk, 等)
+    }
+
+    sourceSets {
+        main {
+            // 明确告知 Gradle 我们的 jniLibs 目录在哪里
+            jniLibs.srcDirs = ['src/main/jniLibs']
+        }
+    }
+
+    // 强制 Gradle 只打包和使用 arm64-v8a 架构的库
+    ndk {
+        abiFilters 'arm64-v8a'
+    }
+
+    // ... (buildTypes, compileOptions, 等)
+}
+```
+点击 "Sync Now" 同步您的项目。
+
+至此，集成已全部完成！
+
+4. API 使用指南 (Java)
+FaceSDKWrapper.java 会自动处理模型复制和 C++ 库加载。
+
+1. 初始化 SDK
+您必须在后台线程中初始化 SDK，因为它包含耗时的模型复制操作（仅限首次启动）。
+
+Java
+```
+import com.facesdk.wrapper.FaceSDKWrapper; // 确保导入您修改了包名的类
+
+public class MyApplication extends Application {
+    
+    private FaceSDKWrapper sdkWrapper;
+    private volatile boolean isSdkInitialized = false;
+
+    @Override
+    public void onCreate() {
+        super.onCreate();
+        
+        // 在后台线程初始化 SDK
+        new Thread(() -> {
+            sdkWrapper = new FaceSDKWrapper();
+            boolean success = sdkWrapper.init(getApplicationContext());
+            if (success) {
+                isSdkInitialized = true;
+                Log.i("MyApplication", "人脸识别 SDK 初始化成功！");
+            } else {
+                Log.e("MyApplication", "人脸识别 SDK 初始化失败！");
+            }
+        }).start();
+    }
+
+    // 提供一个全局获取 SDK 实例的方法
+    public FaceSDKWrapper getSdkWrapper() {
+        return (isSdkInitialized) ? sdkWrapper : null;
+    }
+}
+```
+(您也可以不在 Application 中初始化，而是在 Activity 中，如我们的测试项目所示)
+
+2. 提取特征 (必须在后台线程)
+特征提取是一个CPU 密集型操作（运行 7 个模型）。严禁在 UI 主线程上调用它，否则会导致 App 冻结。
+
+Java
+```
+// (在您的 Activity 或 ViewModel 中)
+// 假设您已从 Application 中获取了 sdkWrapper 实例
+
+public void runExtraction(Bitmap faceBitmap) {
+    if (sdkWrapper == null) {
+        Log.e("MyActivity", "SDK 尚未初始化。");
+        return;
+    }
+
+    // 必须在后台线程中运行
+    new Thread(() -> {
+        // 1. 调用 C++ 核心库
+        final float[] features = sdkWrapper.extractFeature(faceBitmap);
+
+        // 2. 在 UI 线程上处理结果
+        runOnUiThread(() -> {
+            if (features != null) {
+                Log.i("MyActivity", "特征提取成功！维度: " + features.length);
+                // TODO: 使用特征向量 (例如，与数据库比对)
+            } else {
+                Log.w("MyActivity", "特征提取失败 (未检测到合格人脸或出错)");
+                // TODO: 提示用户
+            }
+        });
+    }).start();
+}
+```
+3. 比较特征
+这是一个非常快速的操作，可以在任何线程上调用。
+
+Java
+```
+float[] featureA = ... // (来自 extractFeature)
+float[] featureB = ... // (来自数据库)
+
+float similarity = sdkWrapper.compare(featureA, featureB);
+
+// 相似度是一个 -1.0 到 1.0 之间的浮点数 (余弦相似度)
+Log.i("MyActivity", "人脸相似度: " + similarity);
+```
+4. 释放 SDK
+在您的主 Activity (或 Application) 退出时，调用 release() 来释放 C++ 占用的内存。
+
+Java
+```
+// (在您的 MainActivity 中)
+@Override
+protected void onDestroy() {
+    super.onDestroy();
+    if (sdkWrapper != null) {
+        sdkWrapper.release();
+    }
+}```
\ No newline at end of file