对于开发环境，我们将使用 visual studio community edition。
如果你的计算机上还没有安装它，你可以从这里下载。并使用 C++安装桌面开发。
现在我们有了使用 C++ 进行桌面开发的 Visual Studio，我们可以开始我们的项目了。
使用 Visual Studio 打开一个新目录并创建一个新的 python 环境。我们将使用venv. 打开你的集成终端并编写python -m venv venv。然后通过键入venv/bin/Activate.ps1激活环境。这是针对 PowerShell 的。
立即学习“Python免费学习笔记（深入）”；
如果你使用任何其他终端，你可以在此处找到完整列表
现在我们已经完成了虚拟环境的创建，让我们开始提取我们的依赖项。为此，我们将需要opencv和face_recognition。在你的终端内使用pip.
pip install opencv-python face_recognition
Face Recognition是一个使用最先进的dlib库的库。我们准备好编写一些代码并识别一些面孔。
本文档主要讲述的是MATLAB与VB混合编程技术研究；着重探讨了在VB应用程序中集成MATLAB实现程序优化的四种方法，即利用Matrix VB、调用DLL动态链接库、应用Active自动化技术和动态数据交换技术,并分析了集成过程中的关键问题及其基本步骤。这种混合编程实现了VB的可视化界面与MATLAB强大的数值分析能力的结合。希望本文档会给有需要的朋友带来帮助；感兴趣的朋友可以过来看看
创建一个新的 python 文件，我们将调用文件missingPerson.py，假设我们将使用我们的应用程序匹配失踪人员。导入我们的依赖项并编写我们的前几行。
import cv2 import numpy as np import face_recognition import os from face_recognition.api import face_distance
假设我们所有的照片都存储在我们的服务器存储中，我们需要首先将所有人物的图像拉入我们的应用程序并读取这些图像。
path = 'MissingPersons'
images = []
missingPersons = []
missingPersonsList = os.listdir(path)
for missingPerson in missingPersonsList :
curImg = cv2.imread(f'{path}/{missingPerson}')
images.append(curImg)
missingPersons.append(os.path.splitext(missingPerson)[0])
print(missingPersons)在本节中，我们将使用 opencv 读取失踪人员的所有图像并将它们附加到我们的missingPerson列表中。
在我们从存储中读取所有丢失的人脸图像后，我们需要找到人脸编码，以便我们可以使用 CNN 人脸检测器在图像中创建人脸边界框的二维数组。
def findEncodings(images):
encodeList = []
for img in images:
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
encode = face_recognition.face_encodings(img)[0]
encodeList.append(encode)
print(encodeList)
return encodeList
encodeListKnown = findEncodings(images)
print('Encoding Complete')我们将二维数组存储到已知人脸编码列表中。这将需要几分钟。
现在我们有了所有失踪人员的面部编码，我们现在要做的就是将它们与我们的报告人图像进行匹配。face_recognition使用起来非常方便。
def findMissingPerson(encodeListKnown, reportedPerson='found1.jpg'):
person = face_recognition.load_image_file(f'ReportedPersons/{reportedPerson}]')
person = cv2.cvtColor(person,cv2.COLOR_BGR2RGB)
try:
encodePerson = face_recognition.face_encodings(person)[0]
comparedFace = face_recognition.compare_faces(encodeListKnown,encodePerson)
faceDis = face_recognition.face_distance(encodeListKnown,encodePerson)
matchIndex = np.argmin(faceDis)
if comparedFace[matchIndex]:
name = missingPersons[matchIndex].upper()
print(name)
return name
else:
print('Not Found')
return False
except IndexError as e:
print(e)
return e首先我们需要加载被报告人的图像文件，对他们的脸进行编码。剩下的就是将被报告人脸编码与我们已知的人脸编码进行比较。然后一个简单的逻辑匹配他们的索引并返回是否在我们的 missingPersons 列表中找到该人。
这种人脸识别不仅用于寻找失踪人员。它可以检测和识别人脸，并且可以根据需要进行操作。
