實際上face_recognition這個項目尤其是dlib更適用于Linux系統。經過我的測試，在性能方面，編譯同樣規格的項目，這個工具在Windows 10 上大約是Ubuntu上的四分之一。但是在這兩者之間我沒有看到在其他方面有什么差別。

我使用本教程將這些工具安裝到Windows10上，更近的版本也可能正常運行。

• 安裝了C/C++ 編譯器的Microsoft Visual Studio 2015
• Boost 庫，V1.63或者更近的版本
• Python3
• CMake，Windows安裝時要將其路徑加入環境變量
  

下載和安裝 Scipy 和 numpy+mkl (必須是 mkl 版本)，下載鏈接，注意要基于你的Python版本選擇合適的版本下載。

根據你當前的MSVC版本下載對應的 Boost 庫(庫的源代碼或者是二進制release版本)，下載鏈接。

如果下載的是二進制版本則調到第4步，否則按照如下的過程編譯 Boost 庫：

進入C:\local\boost_1_XX_X(X 代表你當前的Boost版本)提取 Boost 源文件

根據以下格式新建系統變量：

Name: VS140COMNTOOLS

Value: C:\Program Files (x86)\Microsoft Visual Studio 14.0\Common7\Tools\ (此處為任何你安裝MSVC的路徑)

打開Visual Studio 2015自帶的開發人員工具類似于“VS2015 開發人員命令提示”，進入 Boost 目錄編譯 Boost 庫：

C:\boost_1_XX_X>bootstrap 這一步執行完之后會自動生成b2.exe文件

C:\boost_1_XX_X>b2 -a ?Cwith-python address-model=64 toolset=msvc runtime-link=static 這一步編譯需要較長的時間，請耐心等待

4.Boost 庫成功編譯后，編譯生成的文件位于 stage 這個文件夾中。

如果你已經編譯了 Boost 請跳過這一步。如果你已經下載了二進制的release版本，則進入Boost目錄 C:\local\boost_1_XX_X

獲取最新版本的 dlib 包，下載鏈接

進入 dlib 的目錄，打開 cmd ，運行如下的命令編譯 dlib

將以下兩個參數加入環境變量

BOOST_ROOT=C:\local\boost_X_XX_X
BOOST_LIBRARYDIR=C:\local\boost_X_XX_X\stage\lib

然后再運行如下代碼：

python setup.py install ?Cyes USE_AVX_INSTRUCTIONS or python setup.py install ?Cyes

USE_AVX_INSTRUCTIONS ?Cyes DLIB_USE_CUDA

現在你可以使用 import dlib進入Python腳本

你可以使用 pip show dlib查看當前 dlib 的版本

現在你可以使用 pip install face_recognition安裝face_recognition

Enjoy!

dlib安裝也可以使用：

conda install -c menpo dlib=18.18
其中18.18為dlib的版本號

如果安裝成功，運行以下代碼就可以正常運行了。

            
# -*- coding: utf-8 -*-
"""
Created on Sat Sep 23 21:15:42 2017

@author: Romji
"""

import face_recognition
import cv2
import sys
def face_reg(file):
  # 讀取圖片并識別人臉
  img = face_recognition.load_image_file(file)
  face_locations = face_recognition.face_locations(img)
  print(face_locations)

  # 調用opencv函數顯示圖片
  img = cv2.imread(file)
  cv2.imshow("原圖", img)

  # 遍歷每個人臉，并標注
  faceNum = len(face_locations)
  for i in range(0, faceNum):
    top = face_locations[i][0]
    right = face_locations[i][1]
    bottom = face_locations[i][2]
    left = face_locations[i][3]

    start = (left, top)
    end = (right, bottom)

    color = (55,255,155)
    thickness = 3
    cv2.rectangle(img, start, end, color, thickness)

  # 顯示識別結果
  cv2.imshow("識別", img)

  cv2.waitKey(0)
  cv2.destroyAllWindows()

if __name__ == '__main__':
  filename = sys.argv[1]
  face_reg(filename)

          

將程序保存為test.py，在程序根目錄下保存一張圖片進行測試（假設保存的為1.jpg）
進入目錄輸入python test.py 1.jpg，即可看到效果。