人臉識別在python中可通過face_recognition庫輕松實現，主要包括以下步驟：1. 安裝依賴，使用pip安裝face_recognition、pillow和dlib；2. 加載圖片并檢測人臉位置，獲取邊界框坐標；3. 提取人臉編碼，生成128維特征向量；4. 進行人臉比對，通過compare_faces或face_distance判斷匹配度。注意事項包括圖片質量、多人場景順序對應、性能優化及跨平臺兼容性問題。整個流程簡單高效，適合入門與快速開發。
人臉識別在python中其實已經非常簡單了，尤其是有了face_recognition這個庫之后。它基于深度學習模型，可以輕松實現人臉檢測、特征提取和比對等功能，適合入門者和快速開發使用。
安裝face_recognition庫
要使用這個庫，首先得安裝好相關依賴。最核心的是face_recognition本身，以及用于圖像處理的Pillow和底層依賴dlib。
安裝命令如下：
立即學習“Python免費學習筆記（深入）”；
- pip install face_recognition
- pip install pillow
如果你用的是windows系統，可以直接通過pip安裝；如果是linux或macos，可能還需要安裝一些額外的編譯依賴。不過大多數情況下，上面兩條命令就足夠了。
人臉檢測與定位
這一步是識別的基礎：找出圖片中人臉的位置，并標出關鍵點（比如眼睛、鼻子、嘴巴等）。
使用方式也很簡單，基本流程是加載圖片 → 檢測人臉位置 → 提取面部特征。
import face_recognition # 加載圖片 image = face_recognition.load_image_file("your_face.jpg") # 檢測人臉位置 face_locations = face_recognition.face_locations(image) # 輸出結果是一個列表，每個元素代表一張臉的邊界框（top, right, bottom, left） print(face_locations)
如果你有多個面孔，這個方法會自動識別出每一張臉的位置。也可以配合opencv或者PIL來畫出這些矩形框。
提取人臉編碼（Face Encoding）
光知道人臉在哪還不夠，我們還要能“記住”這張臉是誰的。這就需要提取人臉的128維特征向量，也就是所謂的“face encoding”。
face_encodings = face_recognition.face_encodings(image, face_locations)
注意，如果圖片里有多張臉，返回的結果也是一個列表，每個元素對應一張臉的編碼。
你可以把這些編碼保存下來，作為已知人臉數據庫的一部分，后面用來做比對。
人臉比對與識別
有了已知的人臉編碼后，就可以和新圖片中的面孔進行比對了。主要用到的方法是compare_faces()，它接受一個已知編碼列表和一個待比較的編碼，返回是否匹配的結果。
舉個例子：
known_face_encodings = [...] # 已知的人臉編碼列表 unknown_face_encoding = ... # 新檢測到的人臉編碼 results = face_recognition.compare_faces(known_face_encodings, unknown_face_encoding) # 打印匹配結果 print(results) # 返回布爾值列表，表示每個已知人臉是否匹配
如果你想更精確一點，還可以用face_distance()函數得到匹配度數值，越小越接近。
實際應用中的幾個注意事項
- 圖片質量很重要：模糊、角度偏、遮擋多的照片容易導致識別失敗。
- 多人場景下要小心順序問題：face_locations和face_encodings的輸出是一一對應的，但處理時要注意別搞混。
- 性能優化空間大：如果你要做實時視頻識別，建議降低幀率、縮小圖像尺寸，這樣速度會快很多。
- 跨平臺兼容性：雖然支持三大系統，但在樹莓派等嵌入式設備上運行可能會卡頓，這時候可以考慮換成輕量級方案。
基本上就這些。用face_recognition做人臉識別確實挺方便的，功能強大又不難上手。只要把流程理清楚，再結合實際需求調整細節，就能做出像樣的應用了。
