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人脸识别//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

# 创建视频对象
video_capture = cv2.VideoCapture(0)

# 加载需要识别的人脸图片（这张图片需要仅有一张脸）
# face_recognition的load_image_file方法会加载图片，并返回一个ndarray类型的数据
# ndarray类型就是NumPy的数组类型，其中的元素类型可以一致也可以不一致
face_path = "C://Users//25103//Desktop//Python人脸识别//face//徐先生.jpg"
image = face_recognition.load_image_file(face_path)

# face_recognition的face_encoding方法,可从返回的ndarray类型数据中提取人脸特征，可同时提取多个特征，返回值为列表类型
# 因为照片中只有一个人脸，所以我们取列表的第一个值
face_encoding = face_recognition.face_encodings(image)[0]

while True:
 # 从视频对象中读取一帧照片
 ret,frame = video_capture.read()
 # 将照片缩小，加快处理速度,这里将其缩小为原图的1/4
 # frame = cv2.rectangle(frame,(0,0),fx=0.25,fy=0.25)
 # 因为cv2用的是BGR色彩，我们组要将其转化为RGB进行处理
 rgb_frame = frame[:,:,::-1] # 列表转置操作

 # face_recognition的face_location方法可以获取图片中所有人脸的位置，其返回值为一个列表
 face_locations = face_recognition.face_locations(rgb_frame)
 print("共从视频中找到了{}张人脸".format(len(face_locations)))

 # 获取视频中所有人脸的特征
 face_encodings = face_recognition.face_encodings(rgb_frame,face_locations)

 for face in face_encodings:
 # 比较两个特征值——encoding1与encoding2，匹配返回True，否则返回False。tolerance越低，顾名思义，容错率越低,返回值为列表类型
 match = face_recognition.compare_faces([face_encoding],face,tolerance=0.4)
 name = "不认识的人"

 if match[0]:
  # face为图片名称
  name = os.path.basename(face_path[0:-4])
 print("找到了{}".format(name))