基于python设计人脸检测程序，登录界面和主界面设置按钮“打开照片”，选择要处理的照片，然后进行人脸检测，并将检测结果保存到创建的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同一张照片里几个人脸的特征矩阵的相似度。

您可以使用Python中的OpenCV库和Dlib库来实现人脸检测和特征提取。以下是一个基本的代码示例：

import cv2
import dlib
import datetime

# 加载人脸检测器
detector = dlib.get_frontal_face_detector()

# 加载特征提取器
predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")

# 打开照片
filename = input("请输入要处理的照片文件名：")
img = cv2.imread(filename)

# 进行人脸检测
faces = detector(img, 1)

# 保存检测结果到txt文件中
result_file = open("result.txt", "a")
now = datetime.datetime.now()
result_file.write("文件名：" + filename + "，检测时间：" + str(now) + "\n")
result_file.write("人脸数量：" + str(len(faces)) + "\n\n")
result_file.close()

# 计算同一张照片里几个人脸的特征矩阵的相似度
if len(faces) > 1:
    face_descriptors = []
    for face in faces:
        shape = predictor(img, face)
        face_descriptor = face_rec_model.compute_face_descriptor(img, shape)
        face_descriptors.append(face_descriptor)

    # 计算欧式距离
    dist = np.linalg.norm(np.array(face_descriptors[0]) - np.array(face_descriptors[1]))

    # 输出相似度
    print("两个人脸的特征矩阵的相似度为：", dist)

需要注意的是，此代码示例仅提供了基本的人脸检测和特征提取功能，您可能需要进行更多的代码编写和优化以满足您的实际需求。同时，您需要下载并使用Dlib库中的预测器文件来进行特征提取。