dlib c++ 人脸识别 详细例子， 需要处理多个图像，则需要将图像处理流程封装成函数或类；需要实时进行人脸识别，需要对程序进行优化以提高识别速度。

以下是一个简单的dlib C++人脸识别示例，包括人脸检测和人脸特征提取：

#include <dlib/opencv.h>
#include <dlib/image_processing.h>
#include <dlib/image_processing/frontal_face_detector.h>
#include <dlib/image_processing/render_face_detections.h>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>

using namespace dlib;

int main()
{
    // 初始化人脸检测器
    frontal_face_detector detector = get_frontal_face_detector();

    // 初始化人脸特征提取器
    shape_predictor sp;
    deserialize("shape_predictor_68_face_landmarks.dat") >> sp;

    // 加载图像
    cv::Mat img = cv::imread("test.jpg");

    // 将OpenCV图像转换为dlib图像
    dlib::cv_image<dlib::bgr_pixel> dlib_img(img);

    // 检测人脸
    std::vector<dlib::rectangle> dets = detector(dlib_img);

    // 循环遍历每个检测到的人脸
    for (unsigned long i = 0; i < dets.size(); ++i)
    {
        // 提取人脸特征
        full_object_detection shape = sp(dlib_img, dets[i]);

        // 在图像上绘制人脸特征点
        for (unsigned long i = 0; i < shape.num_parts(); ++i)
        {
            cv::circle(img, cv::Point(shape.part(i).x(), shape.part(i).y()), 2, cv::Scalar(0, 0, 255), -1);
        }

        // 在图像上绘制人脸框
        cv::rectangle(img, cv::Point(dets[i].left(), dets[i].top()), cv::Point(dets[i].right(), dets[i].bottom()), cv::Scalar(0, 255, 0), 2);
    }

    // 显示图像
    cv::imshow("result", img);
    cv::waitKey(0);

    return 0;
}

如果需要处理多个图像，可以将上述代码封装成一个函数或类，并在外部循环中调用该函数或类。

如果需要实时进行人脸识别，可以对程序进行优化，例如使用多线程处理图像、使用GPU加速等。另外，dlib也提供了一些用于优化人脸识别速度的技术，例如使用人脸姿势估计来加速人脸特征提取。