Face Recognition API
face_recognition.api.batch_face_locations(images, number_of_times_to_upsample=1, batch_size=128)
使用cnn面部檢測器返回圖像中二維人臉的邊界框數(shù)組，如果您正在使用GPU症概，這可以更快的給您結果，因為GPU可以一次處理批次的圖像衍慎。如果您不使用GPU垦搬，則不需要此功能。
參數(shù)：
- images - 圖像列表（每個作為numpy數(shù)組）
- number_of_times_to_upsample - 用于對圖像進行采樣的次數(shù)识樱。較高的數(shù)字找到較小的臉嗤无。
- batch_size - 每個GPU處理批次中包含的圖像數(shù)量震束。
返回：
一個可以在css（上，右当犯，下垢村，左）順序中找到的人臉位置的元組列表
face_recognition.api.compare_faces(known_face_encodings, face_encoding_to_check, tolerance=0.6)
將候選編碼的面部編碼列表進行比較，以查看它們是否匹配嚎卫。
參數(shù)：
- known_face_encodings - 已知面部編碼的列表
- face_encoding_to_check - 與已知面部編碼的列表進行比較的單面編碼
- tolerance - 面孔之間的距離要考慮多少嘉栓。越小越嚴格， 0.6是典型的最佳性能拓诸。
返回：
一個True / False值的列表侵佃，指出哪個known_face_encodings匹配要檢查的面部編碼
face_recognition.api.face_distance(face_encodings, face_to_compare)
給出面部編碼列表，將其與已知的面部編碼進行比較奠支，并為每個比較的人臉獲得歐幾里得距離馋辈。距離告訴你面孔是如何相似的。
參數(shù)：
- face_encodings - 要比較的面部編碼列表
- face_to_compare - 要比較的面部編碼
返回：
一個numpy ndarray倍谜，每個面的距離與“faces”數(shù)組的順序相同
face_recognition.api.face_encodings(face_image, known_face_locations=None, num_jitters=1)
給定圖像迈螟，返回圖像中每個面部的128維面部編碼。
參數(shù)：
- face_image - 包含一個或多個面的圖像
- known_face_locations - 可選 - 如果您已經知道它們尔崔，每個面的邊框答毫。
- num_jitters - 計算編碼時重新采樣多少次。更高更準確您旁，但更慢（即100是100倍慢）
返回：
128個面部編碼的列表（圖像中的每個臉部一個）
face_recognition.api.face_landmarks(face_image, face_locations=None)
給定圖像烙常，返回圖像中每個臉部的臉部特征位置（眼睛，鼻子等）的指令
參數(shù)：
- face_image - 要搜索的圖像
- face_locations - 可選地提供要檢查的面部位置的列表鹤盒。
返回：
面部特征位置（眼睛，鼻子等）的列表
face_recognition.api.face_locations(img, number_of_times_to_upsample=1, model='hog')
返回圖像中人臉的邊框數(shù)組
參數(shù)：
- img - 一個圖像（作為一個numpy數(shù)組）
- number_of_times_to_upsample - 用于對圖像進行上采樣的次數(shù)多少次侦副。較高的數(shù)字找到較小的臉侦锯。
- model - 要使用的面部檢測模型∏匮保“hog”在CPU上不太準確尺碰，但速度更快∫氚“cnn”是一個更準確的深入學習模式亲桥，GPU / CUDA加速（如果可用）。默認為“hog”固耘。
返回：
一個可以在css（上题篷，右，下厅目，左）順序中找到的表面位置的元組列表
face_recognition.api.load_image_file(file, mode='RGB')
將圖像文件（.jpg番枚，.png等）加載到numpy數(shù)組中
參數(shù)：
- file - 要加載的圖像文件名或文件對象
- mode - 將圖像轉換為格式法严。只支持“RGB”（8位RGB，3聲道）和“L”（黑白）葫笼。
返回：
圖像內容為numpy數(shù)組
