一. 安装

首先安装相关依赖（安装环境window10，pycharm下，python3.6）

按顺序安装以下依赖（pycharm下安装方式就是 File - Settings - Project: TensorFlowTestNew - Project Interpreter，之后点击+号搜索安装）

python中face_recognition python中face_recognition安装_特征向量

（1）先安装Cmake和boost

（2）安装dlib，我安装的时候报了一个错误大体是说pip不是最新，执行 python -m pip install --upgrade pip  就Ok了

（3）安装opencv和face_recongnition

二.API详解

face_recongnition   API详细
不懂？没关系，下面我来一一介绍
1、人脸定位——locations
face_locations(img, number_of_times_to_upsample=1, model="hog")
    1
利用CNN深度学习模型或方向梯度直方图（Histogram of Oriented Gradient, HOG）进行人脸提取。返回值是一个数组(top, right, bottom, left)表示人脸所在边框的四条边的位置。
 成员变量：    img：图片名
     number_of_times_to_upsample=1：数值越大识别的人脸越小，耗时也越长
     model=”hog”：使用的人脸检测模型此外，人脸定位的方法还有：
_raw_face_locations(img, number_of_times_to_upsample=1, model="hog")
 _raw_face_locations_batched(images, number_of_times_to_upsample=1, batch_size=128)
 batch_face_locations(images, number_of_times_to_upsample=1, batch_size=128)    1
     2
     3

读者有兴趣可自行尝试，不一一赘述。

2、人脸解码——encodings
人脸识别的前菜。输入一张图片后，生成一个128维的特征向量，这是 人脸识别的依据。

face_encodings(face_image, known_face_locations=None, num_jitters=1)

    1

成员变量：

    face_image:图片名
    known_face_locations=None:这个是默认值，默认解码图片中的每一个人脸。若输入face_locations()[i]可指定人脸进行解码。
    num_jitters=1：池化操作。数值越高，精度越高，但耗时越长。

3、人脸比对——compare
人脸识别的核心，设置一个阈值，若两张人脸的特征向量的距离，在阈值范围之内，则认为其是同一个人，最后返回一个Boolean值的list。

compare_faces(known_face_encodings, face_encoding_to_check, tolerance=0.6)

    1

成员变量：

    known_face_encodings：人脸解码方法中返回的特征向量，此处是已知人脸的特征向量。
    face_encoding_to_check：此处是未知人脸的特征向量。
    tolerance=0.6：比对阈值，即容差，默认为0.6。

4、人脸特征向量距离——distance
跟上面的方法同样原理，不过输出由对错改为数字。

face_distance(face_encodings, face_to_compare)
    1
成员变量：
    face_encodings：人脸解码方法中返回的特征向量，此处是已知人脸的特征向量。
     face_to_compare：此处是未知人脸的特征向量。5、人脸特征提取——landmark
face_landmarks(face_image, face_locations=None, model="large")
    1
成员变量：
    face_image：输入图片。
     face_locations=None：这个是默认值，默认解码图片中的每一个人脸。若输入face_locations()[i]可指定人脸进行解码。
     model=”large”：输出的特征模型，默认为“large”，可选“small”，改为输出5点特征，但速度更快。