该库可以通过python或者命令行即可实现人脸识别的功能。使用dlib深度学习人脸识别技术构建，在户外脸部检测数据库基准（Labeled Faces in the Wild）上的准确率为99.38%。
在github上有相关的链接和API文档。
在下方为提供的一些相关源码或是文档。当前库的版本是v0.2.0，点击docs可以查看API文档，我们可以查看一些函数相关的说明等。
安装配置
安装配置很简单，按照github上的说明一步一步来就可以了。
根据你的python版本输入指令：
pip install face_recognition11
或者
pip3 install face_recognition11
正常来说，安装过程中会出错，会在安装dlib时出错，可能报错也可能会卡在那不动。因为pip在编译dlib时会出错，所以我们需要手动编译dlib再进行安装。
按照它给出的解决办法：
1、先下载下来dlib的源码。
git clone
2、编译dlib。
cd dlib
mkdir build
cd build
cmake .. -DDLIB_USE_CUDA=0 -DUSE_AVX_INSTRUCTIONS=1
cmake --build1234512345
3、编译并安装python的拓展包。
cd ..
python3 setup.py install --yes USE_AVX_INSTRUCTIONS --no DLIB_USE_CUDA1212
注意：这个安装步骤是默认认为没有GPU的，所以不支持cuda。
在自己手动编译了dlib后，我们可以在python中import dlib了。
之后再重新安装，就可以配置成功了。
根据你的python版本输入指令：
pip install face_recognition11
或者
pip3 install face_recognition11
安装成功之后，我们可以在python中正常import face_recognition了。
编写人脸识别程序
编写py文件：
# -*- coding: utf-8 -*-
#
# 检测人脸
import face_recognition
import cv2
# 读取图片并识别人脸
img = face_recognition.load_image_file("silicon_valley.jpg")
face_locations = face_recognition.face_locations(img)
print face_locations
# 调用opencv函数显示图片
img = cv2.imread("silicon_valley.jpg")
cv2.namedWindow("原图")
cv2.imshow("原图", img)
# 遍历每个人脸，并标注
faceNum = len(face_locations)
for i in range(0, faceNum):
top = face_locations[i][0]
right = face_locations[i][1]
bottom = face_locations[i][2]
left = face_locations[i][3]
start = (left, top)
end = (right, bottom)
color = (55,255,155)
thickness = 3
cv2.rectangle(img, start, end, color, thickness)
# 显示识别结果
cv2.namedWindow("识别")
cv2.imshow("识别", img)
cv2.waitKey(0)
cv2.destroyAllWindows()12345678910111213141516171819202122232425262728293031323334353637381234567891011121314151617181920212223242526272829303132333435363738
注意：这里使用了python-OpenCV，一定要配置好了opencv才能运行成功。
运行结果：
程序会读取当前目录下指定的图片，然后识别其中的人脸，并标注每个人脸。
（使用图片来自美剧硅谷）
编写人脸比对程序
首先，我在目录下放了几张图片：
这里用到的是一张乔布斯的照片和一张奥巴马的照片，和一张未知的照片。
编写程序：
# 识别图片中的人脸
import face_recognition
jobs_image = face_recognition.load_image_file("jobs.jpg")
obama_image = face_recognition.load_image_file("obama.jpg")
unknown_image = face_recognition.load_image_file("unknown.jpg")
jobs_encoding = face_recognition.face_encodings(jobs_image)[0]
obama_encoding = face_recognition.face_encodings(obama_image)[0]
unknown_encoding = face_recognition.face_encodings(unknown_image)[0]
results = face_recognition.compare_faces([jobs_encoding, obama_encoding], unknown_encoding )
labels = ['jobs', 'obama']
print('results:'+str(results))
for i in range(0, len(results)):
if results[i] == True:
print('The person is:'+labels[i])123456789101112131415161718123456789101112131415161718
运行结果：
识别出未知的那张照片是乔布斯的。
摄像头实时识别
代码：
# -*- coding: utf-8 -*-
import face_recognition
import cv2
video_capture = cv2.VideoCapture(1)
obama_img = face_recognition.load_image_file("obama.jpg")
obama_face_encoding = face_recognition.face_encodings(obama_img)[0]
face_locations = []
face_encodings = []
face_names = []
process_this_frame = True
while True:
ret, frame = video_capture.read()
small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25)
if process_this_frame:
face_locations = face_recognition.face_locations(small_frame)
face_encodings = face_recognition.face_encodings(small_frame, face_locations)
face_names = []
for face_encoding in face_encodings:
match = face_recognition.compare_faces([obama_face_encoding], face_encoding)
if match[0]:
name = "Barack"
else:
name = "unknown"
face_names.append(name)
process_this_frame = not process_this_frame
for (top, right, bottom, left), name in zip(face_locations, face_names):
top *= 4
right *= 4
bottom *= 4
left *= 4
cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2)
cv2.rectangle(frame, (left, bottom - 35), (right, bottom), (0, 0, 255), 2)
font = cv2.FONT_HERSHEY_DUPLEX
cv2.putText(frame, name, (left+6, bottom-6), font, 1.0, (255, 255, 255), 1)
cv2.imshow('Video', frame)
if cv2.waitKey(1) &0xFF == ord('q'):
break
video_capture.release()
cv2.destroyAllWindows()1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545512345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455
识别结果：
我直接在手机上百度了几张图试试，程序识别出了奥巴马。
这个库很cool啊！
人脸识别软件如下：
1、Ageitgey
Ageitgey是最流行的免费人脸识别软件，它在GitHub上也有37.6k的星星。该软件可以通过Python API或其二进制命令行工具使用。这个平台有关于安装的所有说明，这使得它更加有趣和流行。
2、CompreFace
CompreFace于2020年在GitHub上发布，拥有约900颗星星。它是少数几个只需一个docker compose命令即可使用的自托管REST API自由人脸识别软件之一。该软件可以识别多个视频流中的人脸。CompreFace还有一个用于管理用户角色和面部集合的UI。
3、DeepFace
DeepFace于2020年在Github上发布，拥有约1100颗星星。这个免费的人脸识别软件支持不同的人脸识别方法，如FaceNet和Insightface。
4、FaceNet
FaceNet是一个由谷歌研究人员创建的免费人脸识别程序，它是一个开源Python库，实现了该程序。FaceNet具有很高的准确性，但唯一的缺点是它没有RESTAPI。
5、InsightFaceInsightFace
是另一款免费人脸识别软件，拥有约800颗星星。该软件使用最新和准确的人脸识别方法。
python三步实现人脸识别
Face Recognition软件包
这是世界上最简单的人脸识别库了。你可以通过Python引用或者命令行的形式使用它，来管理和识别人脸。
该软件包使用dlib中最先进的人脸识别深度学习算法，使得识别准确率在《Labled Faces in the world》测试基准下达到了99.38%。
它同时提供了一个叫face_recognition的命令行工具，以便你可以用命令行对一个文件夹中的图片进行识别操作。
特性
在图片中识别人脸
找到图片中所有的人脸
找到并操作图片中的脸部特征
获得图片中人类眼睛、鼻子、嘴、下巴的位置和轮廓
找到脸部特征有很多超级有用的应用场景，当然你也可以把它用在最显而易见的功能上：美颜功能（就像美图秀秀那样）。
鉴定图片中的脸
识别图片中的人是谁。
你甚至可以用这个软件包做人脸的实时识别。
这里有一个实时识别的例子：
1https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_from_webcam_faster.py安装
环境要求
Python3.3+或者Python2.7
MacOS或者Linux（Windows不做支持，但是你可以试试，也许也能运行）
安装步骤
在MacOS或者Linux上安装
首先，确保你安装了dlib，以及该软件的Python绑定接口。如果没有的话，看这篇安装说明：
1 https://gist.github.com/ageitgey/629d75c1baac34dfa5ca2a1928a7aeaf然后，用pip安装这个软件包：
如果你安装遇到问题，可以试试这个安装好了的虚拟机：
1 https://medium.com/@ageitgey/try-deep-learning-in-python-now-with-a-fully-pre-configured-vm-1d97d4c3e9b在树莓派2+上安装
看这篇说明：
1 https://gist.github.com/ageitgey/1ac8dbe8572f3f533df6269dab35df65在Windows上安装
虽然Windows不是官方支持的，但是有热心网友写出了一个Windows上的使用指南，请看这里：
1 https://github.com/ageitgey/face_recognition/issues/175#issue-257710508使用已经配置好的虚拟机（支持VMWare和VirtualBox）
看这篇说明：
1 https://medium.com/@ageitgey/try-deep-learning-in-python-now-with-a-fully-pre-configured-vm-1d97d4c3e9b使用方法
命令行接口
如果你已经安装了face_recognition，那么你的系统中已经有了一个名为face_recognition的命令，你可以使用它对图片进行识别，或者对一个文件夹中的所有图片进行识别。
首先你需要提供一个文件夹，里面是所有你希望系统认识的人的图片。其中每个人一张图片，图片以人的名字命名。
然后你需要准备另一个文件夹，里面是你要识别的图片。
然后你就可以运行face_recognition命令了，把刚刚准备的两个文件夹作为参数传入，命令就会返回需要识别的图片中都出现了谁。
输出中，识别到的每张脸都单独占一行，输出格式为
通过Python模块使用
你可以通过导入face_recognition模块来使用它，使用方式超级简单，文档在这里：https://face-recognition.readthedocs.io
自动找到图片中所有的脸
看看这个例子自己实践一下：
1 https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_picture.py你还可以自定义替换人类识别的深度学习模型。
注意：想获得比较好的性能的话，你可能需要GPU加速（使用英伟达的CUDA库）。所以编译的时候你也需要开启dlib的GPU加速选项。
你也可以通过这个例子实践一下：
1 https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_picture_cnn.py如果你有很多图片和GPU，你也可以并行快速识别，看这篇文章：
1 https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_batches.py自动识别人脸特征
试试这个例子：
1 https://github.com/ageitgey/face_recognition/blob/master/examples/find_facial_features_in_picture.py识别人脸鉴定是哪个人
这里是一个例子：
1 https://github.com/ageitgey/face_recognition/blob/master/examples/recognize_faces_in_picture
![RUBY的def end 请问下面这句话是在定义什么？ def host; @options[:addr] end](/aiimages/RUBY%E7%9A%84def+end+%E8%AF%B7%E9%97%AE%E4%B8%8B%E9%9D%A2%E8%BF%99%E5%8F%A5%E8%AF%9D%E6%98%AF%E5%9C%A8%E5%AE%9A%E4%B9%89%E4%BB%80%E4%B9%88%EF%BC%9F+def+host%3B+%40options%5B%3Aaddr%5D+end.png)
