pip install opencv-python
pip install face_recognition
pip install numpy

pip install dlib-19.17.99-cp37-cp37m-win_amd64.whl

face_path = "C://Users//25103//Desktop//Python人臉識(shí)別//face//徐先生.jpg"
image = face_recognition.load_image_file(face_path)

face_encoding = face_recognition.face_encodings(image)[0]

face_locations = face_recognition.face_locations(rgb_frame)

# coding = utf-8
import dlib
import cv2
import face_recognition
import os

# 創(chuàng)建視頻對(duì)象
video_capture = cv2.VideoCapture(0)

# 加載需要識(shí)別的人臉圖片（這張圖片需要僅有一張臉）
# face_recognition的load_image_file方法會(huì)加載圖片，并返回一個(gè)ndarray類(lèi)型的數(shù)據(jù)
# ndarray類(lèi)型就是NumPy的數(shù)組類(lèi)型，其中的元素類(lèi)型可以一致也可以不一致
face_path = "C://Users//25103//Desktop//Python人臉識(shí)別//face//徐先生.jpg"
image = face_recognition.load_image_file(face_path)

# face_recognition的face_encoding方法,可從返回的ndarray類(lèi)型數(shù)據(jù)中提取人臉特征，可同時(shí)提取多個(gè)特征，返回值為列表類(lèi)型
# 因?yàn)檎掌兄挥幸粋€(gè)人臉，所以我們?nèi)×斜淼牡谝粋€(gè)值
face_encoding = face_recognition.face_encodings(image)[0]

while True:
 # 從視頻對(duì)象中讀取一幀照片
 ret,frame = video_capture.read()
 # 將照片縮小，加快處理速度,這里將其縮小為原圖的1/4
 # frame = cv2.rectangle(frame,(0,0),fx=0.25,fy=0.25)
 # 因?yàn)閏v2用的是BGR色彩，我們組要將其轉(zhuǎn)化為RGB進(jìn)行處理
 rgb_frame = frame[:,:,::-1] # 列表轉(zhuǎn)置操作

 # face_recognition的face_location方法可以獲取圖片中所有人臉的位置，其返回值為一個(gè)列表
 face_locations = face_recognition.face_locations(rgb_frame)
 print("共從視頻中找到了{(lán)}張人臉".format(len(face_locations)))

 # 獲取視頻中所有人臉的特征
 face_encodings = face_recognition.face_encodings(rgb_frame,face_locations)

 for face in face_encodings:
 # 比較兩個(gè)特征值——encoding1與encoding2，匹配返回True，否則返回False。tolerance越低，顧名思義，容錯(cuò)率越低,返回值為列表類(lèi)型
 match = face_recognition.compare_faces([face_encoding],face,tolerance=0.4)
 name = "不認(rèn)識(shí)的人"

 if match[0]:
  # face為圖片名稱(chēng)
  name = os.path.basename(face_path[0:-4])
 print("找到了{(lán)}".format(name))