;本章知识点导图;安装deepface;人脸特征识别;返回结果：
如果img1_path输入的是一张人脸图片，则返回一个字典；如果输入的是列表，则返回一个字典列表。返回具体参数如下：
verified：是否同一个人。
distance：人脸距离，越小越相似。
max_threshold_to_verify：判断为同一个人的阈值。
model:所用模型。
similarity_metric:相似性度量标准。
detector_backend：表示用于检测人脸的后端工具。
threshold：表示在进行人脸验证时使用的阈值。阈值通常用于确定两张人脸图像是否足够相似以被认为是同一个人。;例如，输入两张照片，看看是不是同一个人：;2.人脸识别DeepFace.find();例如从文件夹ww中选出与给定的gg2.png相似的照片，图片如下所示。;3.人脸属性分析DeepFace.analyze()
DeepFace.analyze()函数用于分析图片中人脸的面部属性，包括年龄，性别，面部表情（包括愤怒、恐惧、正常、悲伤、厌恶、快乐和惊讶等），种族（包括亚洲人、白人、中东人、印度人、拉丁裔和黑人等）。函数调用格式如下：
analyze(img_path,
actions=[emotion,age,gender,race],
models=None,
enforce_detection=True,
detector_backend=opencv’,
prog_bar=True)
其中参数同verify()函数，主要多了属性设置actions。
actions：识别属性，包括age,gender,emotion,race等。;例如判断照片dd1.png的属性。具体图片见图所示。;4.人脸检测DeepFace.extract_faces()
DeepFace.extract_faces()函数用于检测人脸，如果图像中有多个人脸只会返回其中的一个，调用函数格式为：
extract_faces(img_path,
target_size=(224,224),
detector_backend=opencv’,
enforce_detection=True,
align=False)
参数同verify()，主要多了可以设置返回图像尺寸的参数target_size，输出返回一张RGB的numpy数组图像。;[{face:array([[[00.8980392,0.7372549],
[0.9019608,00.7411765],
[000.7921569],
...,
[0.7137255,0.5882353,0,
[0.7019608,0.5803922,0,
[000.5294118]],
...,
...,#此处由于数据篇幅较大，省略部分数据
...,
[0.6039216,0.4392157,0,
[00.4392157,0,
[0.6156863,00]],dtype=float32),facial_area:{x:597,y:186,w:369,h:369},confidence:6.516651885875035}];5.人脸特征提取DeepFace.represent()
该函数用于将面部图像表示为特征向量，函数调用格式为：
represent(img_path,
model_name=VGG-Face’,
model=None,
enforce_detection=True,
detector_backend=opencv’,
align=True,
normalization=base)
其中的参数同verify（）。输出返回图像特征多维向量，特征向量的维度根据模型而变化。;网络爬虫（获取NCBI文章）;importrequests,re
?
#抓取网页
defget_html_text