上述代码运行报错AttributeError: module 'dlib' has no attribute 'face_distance'

非常抱歉，我之前给出的代码有误。dlib库中确实没有`face_distance`函数。实际上，我们可以通过计算两个人脸特征向量之间的欧氏距离来衡量相似度。下面是修正后的代码：

import dlib
import cv2
import numpy as np

def get_face_landmarks(img):
    detector = dlib.get_frontal_face_detector()
    predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")
    
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = detector(gray)
    
    for face in faces:
        landmarks = predictor(gray, face)
        return landmarks

def get_face_descriptor(img):
    face_landmarks = get_face_landmarks(img)
    
    face_rec_model = dlib.face_recognition_model_v1("dlib_face_recognition_resnet_model_v1.dat")
    face_descriptor = face_rec_model.compute_face_descriptor(img, face_landmarks)
    
    return face_descriptor

def compare_faces(img1, img2):
    face_descriptor1 = get_face_descriptor(img1)
    face_descriptor2 = get_face_descriptor(img2)
    
    # 计算欧氏距离
    euclidean_distance = np.linalg.norm(face_descriptor1 - face_descriptor2)
    
    # 归一化处理，范围在0-1之间，相似度越高越接近0
    similarity = 1 / (1 + euclidean_distance)
    
    return similarity

# 读取两张人脸图片
img1 = cv2.imread("image1.jpg")
img2 = cv2.imread("image2.jpg")

# 比对两张图片的相似度
similarity = compare_faces(img1, img2)
print("相似度：", similarity)

请确保已经下载了dlib的模型文件(`shape_predictor_68_face_landmarks.dat` 和 `dlib_face_recognition_resnet_model_v1.dat`)。这段代码将比较两张人脸图片的相似度，并输出结果。相似度值越接近0表示两张图片的人脸越相似。