当你做完这一步之后，输入列表descriptors看一下，可以看到相似这样的数组，每一个数组代表的就是每一张图片的特征量（128维）。然后我们可以运用L2范式（欧式间隔），来计算两者间的间隔。举个例子，比方经过计算后，A的特征值是[x1,x2,x3],B的特征值是[y1,y2,y3], C的特征值是[z1,z2,z3]。4.png那麼由于A和B更接近，所以会以为A和B更像。想象一下极端状况，假如是同一团体的两张不同照片，那麼它们的特征值是不是应该会简直接近呢？晓得了这一点，就可以持续往下走了。处置待比照的图片。其实是异样的道理，依样画葫芦，目的就是算出一个特征值出来，所以和第二步差不多。然后再特地计算出新图片和第二步中每一张图片的间隔，再分解一个字典类型，排个序，选出最小值，搞定出工！try:##    test_path=input(请输出要检测的图片的途径（记得加后缀哦）:)    img = io.imread(r".\test_images\test6.jpg")    dets = detector(img, 1)except:    print(输出途径有误，请反省！)dist = []for k, d in enumerate(dets):    shape = sp(img, d)    face_descriptor = facerec.compute_face_descriptor(img, shape)    d_test = numpy.array(face_descriptor)     for i in descriptors:                #计算间隔        dist_ = numpy.linalg.norm(i-d_test)        dist.append(dist_)# 训练集人物和间隔组成一个字典c_d = dict(zip(candidate,dist))                cd_sorted = sorted(c_d.items(), key=lambda d:d[1])print ("辨认到的人物最有能够是: ",cd_sorted[0][0])5.零碎整合：下图完好源码＆环境部署视频教程＆自定义UI界面3.png参考博客《Python基于OpenCV的人脸集合类似度检测零碎(源码＆UI＆教程)》6.参考文献：[1]一种新的人眼定位算法[J]. 金名蜚. 淮阴师范学院学报(自然迷信版). 2003(03)[2]基于复杂度和最佳阈值的人眼定位办法[J]. 崔连延,徐林,顾树生. 控制工程. 2008(01)[3]复杂背景下基于肤色和几何特征的人眼定位[J]. 李璇,罗敏,施荣华,李丽. 计算机测量与控制. 2005(03)[4]一种基于圆检测的眼睛定位办法[J]. 张丹丹,张凌燕,彭延军. 山东科技大学学报(自然迷信版). 2007(03)[5]基于图像块复杂度和分段间隔函数的人眼定位算法研讨[J]. 程磊,郑鑫. 价值工程. 2011(21)[6]双目的的无参考图像块内容辨认仿真[J]. 李春阁,王新强. 计算机仿真. 2020(11)[7]基于视频图像块模型的部分异常行爲检测[J]. 程艳云,朱松豪,徐国政,梁志伟. 南京邮电大学学报(自然迷信版). 2017(01)[8]基于图像块分组的加密域可逆信息隐藏[J]. 程航,王子驰,张新鹏. 北京工业大学学报. 2016(05)[9]图像块静态划分矢量量化[J]. 马文龙,余宁梅,银磊,高勇. 计算机辅佐设计与图形学学报. 2005(02)[10]一种新的图像中人眼定位办法[J]. 张金敏,孟萍. 兰州交通大学学报. 2011(03)