应用领域金融领域。人脸识别当前在金融领域的应用最为广泛，当前国内金融领域监管要求严格，金融相关产品都需要实名认证，并且具有较高的安全性要求，活体识别，银行卡ocr识别，身份证ocr识别，人证对比等在各大手机银行，金融app，保险app等都已经成为不可或缺的一个环节安保领域。目前大量的企业，住宅，社区，学校等安全管理越来越普及，人脸门禁系统已经成为非常普及的一种安保方式。通行领域。很多城市的火车站已经安装了人脸识别通行设备，进行人证对比过检，有些城市的地铁站也可以通过人脸识别的方式进行地铁进出站通行。泛娱乐领域。现在市场上火爆的美颜相机，网络直播，短视频等都是建立在人脸识别的基础上对人脸进行美颜和特效处理。公安，司法领域。公安系统在追捕逃犯时也会利用人脸识别系统对逃犯进行定位，监狱系统目前也会对服刑人员通过人脸识别系统进行报警和安防自助服务设备。如银行的自动提款机，无人超市等。考勤及会务。如工作考勤，会议出席人脸墙等。目前人脸识别市场上的巨头主要有商场，也有很多领域内巨头公司投资的小公司。第一步：导入模块

dlib模块安装其实是比较繁琐的，要认真耐心点，可以参考：dlib安装，如果不行再看看别的教程。

import sysimport cv2import face_recognition #dlib 人脸识别库

测试图片为我的偶像：

face_img=face_recognition.load_image_file('1.png')print(face_img)

打印结果：

输出为三维图像矩阵，把图像转为矩阵。

第三步：获取图片中的人脸数据

提取人脸特征编码，并获取到人脸五官的位置：

face_encodings=face_recognition.face_encodings(face_img)#进行特征提取向量化，获取人脸的编码face_locations=face_recognition.face_locations(face_img)#五官对应的位置print(face_encodings)

图片中有几个人脸就有几个数组：

第四步：人数计算

这里只做判断两个人是否为一个人，超出两个就退出了

n=len(face_encodings)print(n)#这里只做判断两个人是否为一个人，超出两个就退出了if n>2:print('超过两个人')sys.exit()

打印可以分出是两个人：

第五步：人脸比较

#获取两个人的数据face1=face_encodings[0]face2=face_encodings[1]result=face_recognition.compare_faces([face1],face2,tolerance=0.6)#人脸比较，，误差不超过0.6则可以，默认值也为0.6print(result)

返回：

判断出为不是同一个人。

再稍微修改一下，让表达更清楚：

if result==[True]:name='same'print('两个人为同一个人')else:print('两者不是同一个人')name='different'

返回：

第六步：框出人脸写上文字

获取两个人脸位置坐标：

for i in range(len(face_encodings)):face_encoding=face_encodings[(i-1)] #倒序获取face_location = face_locations[(i - 1)]print(face_location)#获取人脸位置

返回：

元祖四个数值分别表示框人脸矩形框的四个点坐标。

获取到坐标后开始画框框并写上文字：

top,right,bottom,left=face_location#确定出坐标#画框框cv2.rectangle(face_img,(left,top),(right,bottom),(255,0,0))#传参分别为：图片，坐标，RGB颜色,框粗细#写字上去cv2.putText(face_img,name,(left-10,top-10),cv2.FONT_HERSHEY_DUPLEX,0.8,(255,255,0),2)#传参数分别为：图片，文字，坐标，字体，字体大小，颜色，粗细

face_img_rgb=cv2.cvtColor(face_img,cv2.COLOR_BGR2RGB)#确保颜色不要混乱#展示图像cv2.imshow('compare',face_img_rgb)#设置等待关闭cv2.waitKey(0)

效果：

你只需要按步骤敲代码即可为全部代码，当然为了便于大家直接cv,代码展示如下：

# coding=gbk"""import sysimport cv2import face_recognition #dlib 人脸识别库face_img=face_recognition.load_image_file('1.png')# print(face_img)face_encodings=face_recognition.face_encodings(face_img)#进行特征提取向量化，获取人脸的编码face_locations=face_recognition.face_locations(face_img)#五官对应的位置# print(face_encodings)n=len(face_encodings)print(n)#这里只做判断两个人是否为一个人，超出两个就退出了if n>2:print('超过两个人')sys.exit()#获取两个人的数据face1=face_encodings[0]face2=face_encodings[1]result=face_recognition.compare_faces([face1],face2,tolerance=0.6)#人脸比较，，误差不超过0.6则可以，默认值也为0.6# print(result)if result==[True]:name='same'print('两个人为同一个人')else:print('两者不是同一个人')name='different'for i in range(len(face_encodings)):face_encoding=face_encodings[(i-1)] #倒序获取face_location = face_locations[(i - 1)]# print(face_location)#获取人脸位置top,right,bottom,left=face_location#确定出坐标#画框框cv2.rectangle(face_img,(left,top),(right,bottom),(255,0,0))#传参分别为：图片，坐标，RGB颜色,框粗细#写字上去cv2.putText(face_img,name,(left-10,top-10),cv2.FONT_HERSHEY_DUPLEX,0.8,(255,255,0),2)#传参数分别为：图片，文字，坐标，字体，字体大小，颜色，粗细face_img_rgb=cv2.cvtColor(face_img,cv2.COLOR_BGR2RGB)#确保颜色不要混乱#展示图像cv2.imshow('compare',face_img_rgb)#设置等待关闭cv2.waitKey(0)

标出了两个人脸并写上为different，就是不同的意思，当然本篇文章为了给大家简单介绍实现人脸识别，并没有做过多的复杂实现，近段时间我研究人脸识别也做了一些复杂的功能实现，感兴趣也可以一起聊聊。