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。
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 sys
import cv2
import face_recognition #dlib 人脸识别库第二步：加载图片并数值化
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：
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：
