face_recognition环境配置及命令行工具测试
由于某种不可抗力（又是它！）我写了这篇博客，主要目的是记录。
face_recognition是啥子？
face_recognition号称世界上最简单的人脸识别库，可使用 Python 和命令行进行调用。该库使用 dlib 顶尖的深度学习人脸识别技术构建，在户外脸部检测数据库基准（Labeled Faces in the Wild benchmark）上的准确率高达 99.38%。也提供了一个简单的face_recognition命令行工具，可以让你从命令行对图像文件夹进行脸部识别！
简单来说，主要实现以下几个功能：
- Find faces in pictures
- Find and manipulate facial features in pictures
- Identify faces in pictures
这里是GitHub主页及文档：
环境配置
readme有提到：
- Python 3.3+ or Python 2.7
- macOS or Linux (Windows not officially supported, but might work)
- dlib already installed with Python bindings
这里提一下第三点，意思是你的dlib库要安装Python模块。
- Python&pip环境：
Mac自带Python2.7.10，这个不管，安装Python3可以用brew install python，默认安装Python3（带pip3）
如果用Python2的话是不会带pip的，因为后面需要用所以得安装pip2，使用sudo easy_install pip安装，这里记住一定要用sudo权限。
Searching for pip
Reading https://pypi.python.org/simple/pip/
Best match: pip 10.0.1
pip的安装会自动匹配适合你的系统的版本，安装好之后可以查看一下pip信息：
localhost:~ mac$ pip --version
pip 10.0.1 from /Library/Python/2.7/site-packages/pip-10.0.1-py2.7.egg/pip (python 2.7)
- 安装dlib
我是用gitclone安装的：
git clone https://github.com/davisking/dlib.git
下载之后按照步骤安装即可（没有cmake百度安装）：
cd dlib/examples
mkdir build
cd build
cmake ..
cmake --build . --config Release
到这里只是安装好了默认的C++库，我们还需要安装Python模块：
cd dlib
sudo python setup.py install
python
import dlib
注意一定要进Python里面import:
完事之后重启一下终端。
- 安装face_recognition
用pip安装(install this module from pypi using pip3 (or pip2 for Python 2))
pip2 install face_recognition
我默认环境是Python2，我就用pip2了。
然后就是等待，速度很慢，并且……
？？？下的慢也有错我也是无语了，这个问题的解决办法有两个：
- 加长超时时间：
pip --default-timeout=100 install -U pip - 修改源（换成国内源）：临时源，使用参数-i：
pip2 install face_recognition -i https://pypi.tuna.tsinghua.edu.cn/simple
先是使用了第一个方法，每秒几十K，还是超时了，所以建议大家直接用第二个办法，指定临时源，清华的超快！
别高兴的太早，看到红色部分的报错了吗？Permission Denied（拒绝访问），原因是在安装pillow的时候没有权限，所以我建议在安装之前使用sudo或者再后面添加--user（表示只是本用户安装）
看到Successfully installed Click-6.7 face-recognition-1.2.2 face-recognition-models-0.3.0这就没错了。
check一下，使用命令行：
ENJOY!!!!
测试
下面我们来进行测试，按照readme实例，我们新建两个文件夹，一个放需要识别的人，一个放我们认识的人。
我们在命令行中输入命令：
face_recognition ./known_people/ ./unknown_people/
等待几秒钟：
成功！
后面我又测试了几组，发现这个API对亚洲人种的识别并不是非常精确。
