#导入face_recognition模块

import face_recognition

#将jpg文件加载到numpy数组中

image = face_recognition.load_image_file(“your_file.jpg”)

#查找图片中人脸（上下左右）的位置，图像中可能有多个人脸 

#face_locations的值类似[(135，536，198，474),()]

Face_locations = face_recognition.face_locations(image);

# 使用CNN模型 准确率高

face_locations = face_recognition.face_locations(image, number_of_times_to_upsample=0, model="cnn")

face_locations = face_recognition.face_locations(small_frame, model="cnn")

import face_recognition

image = face_recognition.load_image_file(“your_file.jpg”)

#查找图片中人脸的所有面部特征（眉毛，眼睛，鼻子，上下嘴唇，面部轮廓）

#face_landmarks_list是个二维数组

face_landmarks_list = face_recognition.face_landmarks(image)

import face_recognition

known_image = face_recognition.load_image_file(“biden.jpg”)

unknown_imag = face_recognition.load_image_file(“unknown.jpg”)

#获取每个图像文件中每个面部的面部编码

#由于每个图像中可能有多个人脸，所以返回一个编码列表。

#但是事先知道每个图像只有一个人脸，每个图像中的第一个编码，取索引0。

Biden_encoding =face_recognition.face_encodings(known_image)[0]

Unknown_encoding=face_recognition.face_encodings(unknown_image)[0]

#如果图像中有多个人脸 获取图像中多个人脸编码

face_locations = face_recognition.face_locations(unknow_image)

face_encodings = face_recognition.face_encodings(unknown_image, face_locations)

#结果是True/false的数组，未知面孔known_faces阵列中的任何人相匹配的结果 

#[true, false,false]

Results=face_recognition.compare_faces([biden_encoding],unknown_encoding)

#结果是True/false的数组，未知面孔known_faces阵列中的任何人相匹配的结果 设定比对结果的阀值

#[true, false,false]

 match = face_recognition.compare_faces(known_faces, face_encoding, tolerance=0.50)

#结果是小于1的值 例如0.5 0.7等

face_distances = face_recognition.face_distance(known_encodings, image_to_test_encoding)

设定阀值 05或者0.6等

face_distances < 阀值