前言
这篇文章属于此系列：
一个用树莓派做的会聊天，能人脸识别（支持云台追踪）和发送邮件的小玩具
https://blog.csdn.net/yonglisikao/article/details/82804318
前提
一.硬件要求
树莓派及基本配件，树莓派摄像头模块（Picamera）或USB摄像头（Webcam）。
二.系统要求
Raspbian系统（其他Linux系统应该也可以，没试过）
三.软件要求
Python及一些库——opencv，dlib， face_recognition，numpy
（安装opencv一般需要至少一个小时，如果使用Picamera，可以用更简单的picamera库代替，这些将在后文中继续讨论。）
环境搭建
1.系统安装
系统安装可以参考之前的文章。
2.摄像头配置
摄像头与树莓派在物理上连接完成后，如果是首次使用需要进行一些配置，在命令行输入：
sudo raspi-config在 Interfacing Options 里启用 Camera，在命令行输入：
sudo reboot配置完毕，接下进行检查，在命令行输入：
ls /dev/video*如果有显示：/dev/video0，则检查完毕。
3.库的安装
安装opencv，参考下面这篇Adrian Rosebrock的文章：
走完这篇文章的所有流程后，你应该安装了numpy，并建立了自己的虚拟环境（virtualenv），无论它叫 cv 或者其他什么名字的，以下的操作请都在虚拟环境下完成。另外，我使用的是python3。
安装dlib，face_recognition，在命令行输入：
pip install dlib
pip install face_recognition
pip install numpy
至此环境搭建完毕。
代码实现
1.face_recognition库的简单使用
face_recognition的github项目地址为：https://github.com/ageitgey/face_recognition
在此仅简单介绍几个函数，更详细的内容请参考原项目地址。
加载当前目录下的名为“test.jpg”的图片，得到ndarray类型的数据image
image = face_recognition.load_image_file('test.jpg')
对image进行分析，得到照片中脸的位置信息face_locations，能同时获取多张脸的位置，所以返回类型为list
face_locations = face_recognition.face_locations(image)输入image，face_locations，得到脸的特征值face_encodings，能同时获取多张脸的特征值，所以返回类型为list
face_encodings = face_recognition.face_encodings(image, face_locations)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
matches = face_recognition.compare_faces(encoding1, encoding2, tolerance=0.38)接下来运行一个实例，以下实例改编自项目原址一个用picamera库实现的demo，这里使用opencv实现：
# coding = utf-8
import face_recognition
import cv2
# 创建视频对象
video_capture = cv2.VideoCapture(0)
# 加载当前目录下名为'test.jpg'的照片，照片里需要有且仅有一张脸，这张脸将作为认识的脸
print('loading...')
image = face_recognition.load_image_file('test.jpg')
face_encoding = face_recognition.face_encodings(image)[0]
while True:
print('Capturing image.')
# 读取一帧照片
ret, frame = video_capture.read()
# 把照片缩小一点，能加快处理速度
frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25)
# 将cv2用的BGR颜色转换为face_recognition用的RBG颜色
rgb_frame = frame[:, :, ::-1]
# 获取这一帧图片里所有人脸的位置和特征值
face_locations = face_recognition.face_locations(rgb_frame)
print('Found {} faces in image.'.format(len(face_locations)))
face_encodings = face_recognition.face_encodings(output, face_locations)
# 对获取的每张脸进行循环，判断是否是认识的脸
for face_encoding in face_encodings:
# 判断当前的脸是否与认识的脸匹配
match = face_recognition.compare_faces([face_encoding], face_encoding)
name = '<Unknown Person>'
if match[0]:
name = 'test' # test为'test.jpg'里面人脸的名字
print('I see someone named {}!'.format(name))运行实例时，你需要在运行的当前目录下放置名为“test.jpg”的包含一张人脸的图片，可以使用你的摄像头临时拍一张，但对不同类型的设备而言，指令不同。
Picamera，直接在命令行输入：
raspistill -o test.jpgWebcam，需要先安装fswebcam，在命令行输入：
sudo apt-get install fswebcam安装完成后，使用下面命令拍照：
fswebcam test.jpg运行完实例后，结合前面几个函数的介绍，以及实例里的注释分析，相信你对如何使用face_recognition库，有了基本的认识，项目原址有更多的例子等待着你去探索。
2.安装并使用picamera库
以上的实例是通过opencv实现的，如果你因为时间原因不想安装opencv，依然建议你看一下这篇Adrian Rosebrock文章：
至少要从里面挑出安装pip，virtualenv，搭建虚拟环境以及在虚拟环境里安装numpy的部分，因为使用picamera库也需要这些东西。
安装picamera库，在命令行输入：
sudo apt-get update
sudo apt-get upgrade
sudo apt-get install python3-picamera用picamera库实现的实例：
# coding = utf-8
import face_recognition
import picamera
import numpy as np
# 创建视频对象
camera = picamera.PiCamera()
# 设置分辨率
camera.resolution = (320, 240)
# 初始化一个空的ndarray类型的数据
rgb_frame = np.empty((240, 320, 3), dtype=np.uint8)
# 加载当前目录下名为'test.jpg'的照片，照片里需要有且仅有一张脸，这张脸将作为认识的脸
print('loading...')
image = face_recognition.load_image_file('test.jpg')
face_encoding = face_recognition.face_encodings(image)[0]
while True:
print('Capturing image.')
# 用Picamera读取一帧照片
camera.capture(rgb_frame, format='rgb')
# 获取这一帧图片里所有人脸的位置和特征值
face_locations = face_recognition.face_locations(rgb_frame)
print('Found {} faces in image.'.format(len(face_locations)))
face_encodings = face_recognition.face_encodings(rgb_frame, face_locations)
# 对获取的每张脸进行循环，判断是否是认识的脸
for face_encoding in face_encodings:
# 判断当前的脸是否与认识的脸匹配
match = face_recognition.compare_faces([face_encoding], face_encoding)
name = '<Unknown Person>'
if match[0]:
name = 'test' # test为'test.jpg'里面人脸的名字
print('I see someone named {}!'.format(name))总结
以上内容教给你如何搭建环境，并帮你的简单分析了face_recognition库的使用方法，具体如何使用还需要靠你自己去创造。
不过，需要注意：
1.如果你使用树莓派摄像头模块（Picamera），那么picamera库的方案最适合你，如果想使用opencv的方案，需要做一些配置。方法如下，首先在命令行输入下面的命令，新建或编辑这个文件：
sudo nano /etc/modules在里面写入以下内容：
bcm2835-v4l22.如果你使用USB摄像头，那么你只能使用opencv的方案。