Windows 10+dlib19.17+face_recognition：使用人脸识别对家庭照片进行分类，2.43秒/张，速度提高40%以上（三）多进程+健壮性

在Windows 10环境中，我们使用dlib19.17+face_recognition对家庭照片进行分类，速度可以达到4-6秒/张，相关内容请参考：

Windows 10+dlib19.17+face_recognition：使用人脸识别对家庭照片进行分类，4-6秒/张（一）单线程

我们对这样的速度不太满意，打算提高它的运行速度（或者说：缩短整个任务的运行时间），在上一篇文章中我们发现Python的多线程不能提高并行效率，但可以用同时运行多个程序来缩短任务运行时间：

Windows 10+dlib19.17+face_recognition：使用人脸识别对家庭照片进行分类，4-6秒/张（二）并行加速

（1）多进程并行加速

在本文中，我们尝试用Python多进程来提高任务执行效率，代码如下：

# -*- coding: UTF-8 -*-

import dlib
import face_recognition
import numpy as np
from multiprocessing import Process
from multiprocessing import Pool
from datetime import datetime
import os
import shutil

#全局变量
number_process = 3

#人脸检测进程，将文件名转化为整数，按整除的余数分类待处理文件，若命中则复制文件到指定目录
def face_check_and_copy(num):

    # 从图片中加载已知的人脸并获得编码
    steve_image = face_recognition.load_image_file("f:/images/steve.jpg")
    steve_face_encoding = face_recognition.face_encodings(steve_image)[0]

    lucy_image = face_recognition.load_image_file("f:/images/lucy.jpg")
    lucy_face_encoding = face_recognition.face_encodings(lucy_image)[0]

    known_face_encodings = [
        steve_face_encoding,
        lucy_face_encoding,
    ]

    known_face_names = [
        "Steve",
        "Lucy",
    ]
    count_checked, count_copied, count_failed = 0, 0, 0

    # 遍历目录下的所有.jpg文件
    f = os.walk("f:\images")
    for path, d, filelist in f:
        for filename in filelist:
            if filename.endswith('jpg'):
                #将文件名的字符转化为ASCII码，累计得到一个整数
                only_name = os.path.splitext(filename)[0]
                int_filename = 0
                for every_char in only_name:
                    int_filename += ord(every_char)

                if int_filename % number_process == num:
                    image_path = os.path.join(path, filename)

                    # 加载图片
                    try:
                        unknown_image = face_recognition.load_image_file(image_path)
                    except:
                        print('%s.jpg load_image_file() failed.' %only_name)
                        count_failed += 1
                        continue

                    # 找到图中所有人脸的位置
                    try:
                        face_locations = face_recognition.face_locations(unknown_image)
                    except:
                        print('%s.jpg face_location() failed.' %only_name)
                        count_failed += 1
                        continue

                    # face