基于python设计人脸检测程序，设计登录界面和主界面，设置按钮“打开照片”，选择要处理的照片，进行人脸检测，并将检测结果保存到txt文件中，检测结果包含文件名，检测时间，人脸数量等，同时增加功能：采用欧式距离简单计算几个人脸的特征矩阵的相似度。

感谢您的问题！对于基于Python设计人脸检测程序的问题，我可以给您提供以下解决方案：

1. 安装必要的库：OpenCV、Pillow、numpy等。

2. 设计登录界面和主界面，可以使用tkinter或PyQt等GUI库进行实现。

3. 在主界面中添加“打开照片”按钮，通过OpenCV库实现照片的读取和显示。

4. 使用OpenCV的人脸检测功能，对照片进行人脸识别，并将结果保存到txt文件中。可以使用OpenCV中的CascadeClassifier进行人脸检测，同时使用datetime库记录检测时间。

以下是示例代码：

import cv2
import datetime

def detect_faces(filename):
    # 加载分类器
    face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

    # 读取图片
    img = cv2.imread(filename)

    # 转换为灰度图像
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # 检测人脸
    faces = face_cascade.detectMultiScale(gray, 1.3, 5)

    # 统计人脸数量
    num_faces = len(faces)

    # 保存检测结果到txt文件中
    with open('result.txt', 'a') as f:
        f.write('{}\t{}\t{}\n'.format(filename, datetime.datetime.now(), num_faces))

    # 绘制人脸框
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)

    # 显示图片
    cv2.imshow('Faces Detected', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

5. 实现欧式距离简单计算几个人脸的特征矩阵的相似度。可以使用OpenCV中的face模块进行人脸特征提取，然后使用numpy库计算欧式距离。以下是示例代码：

import cv2
import numpy as np

def calc_similarity(filename1, filename2):
    # 加载分类器
    face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

    # 读取图片1和图片2
    img1 = cv2.imread(filename1)
    img2 = cv2.imread(filename2)

    # 转换为灰度图像
    gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
    gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)

    # 检测人脸
    faces1 = face_cascade.detectMultiScale(gray1, 1.3, 5)
    faces2 = face_cascade.detectMultiScale(gray2, 1.3, 5)

    # 提取人脸特征
    face_recog = cv2.face.LBPHFaceRecognizer_create()
    face_recog.train([gray1[x:x+w, y:y+h] for (x, y, w, h) in faces1], np.array([1]*len(faces1)))
    (_, conf1) = face_recog.predict(gray2)

    face_recog.train([gray2[x:x+w, y:y+h] for (x, y, w, h) in faces2], np.array([1]*len(faces2)))
    (_, conf2) = face_recog.predict(gray1)

    # 计算欧式距离
    dist = np.sqrt(np.sum((conf1 - conf2) ** 2))

    return dist

希望我的解决方案能对您有所帮助！