要弄人脸识别编程码，你需要遵循以下步骤：
环境准备
安装必要的库，包括 `face_recognition`、`opencv-python` 和 `dlib`。你可以使用以下命令进行安装：
```bash
pip install face_recognition
pip install opencv-python
pip install dlib
```
对于Windows用户，建议安装Visual Studio Build Tools，因为dlib的安装可能会遇到一些问题。
图像采集和预处理
使用摄像头或图像文件读取图像数据，并进行预处理，如去除噪声、调整图像亮度和对比度、对齐图像等，以提高后续特征提取和匹配的准确性。
人脸检测和定位
使用人脸检测算法（如基于Haar特征的级联分类器或基于深度学习的卷积神经网络）来检测图像中的人脸位置和大小。
特征提取
提取人脸图像中的特征信息，通常使用人脸特征点或深度学习算法。
特征匹配
将提取到的特征与数据库中的人脸特征进行匹配，找出与之相似的人脸。
结果输出
根据匹配结果，输出识别的结果或进行其他相应的操作。
下面是一个简单的Python示例代码，使用`face_recognition`库进行人脸识别：
```python
import face_recognition
import cv2
加载图片
image = face_recognition.load_image_file（"path/to/image.jpg"）
检测人脸位置
face_locations = face_recognition.face_locations（image）
使用OpenCV绘制人脸框
for top, right, bottom, left in face_locations:
cv2.rectangle（image, （left, top）, （right, bottom）, （0, 255, 0）, 2）
显示结果
cv2.imshow（'Face Recognition', image）
cv2.waitKey（0）
cv2.destroyAllWindows（）
```
如果你想要实时从摄像头捕获人脸并进行识别，可以使用以下代码：
```python
import cv2
import face_recognition
打开摄像头
video_capture = cv2.VideoCapture（0）
while True:
读取摄像头帧
ret, frame = video_capture.read（）
检测人脸位置
face_locations = face_recognition.face_locations（frame）
使用OpenCV绘制人脸框
for top, right, bottom, left in face_locations:
cv2.rectangle（frame, （left, top）, （right, bottom）, （0, 255, 0）, 2）
显示结果
cv2.imshow（'Face Recognition', frame）
按q键退出
if cv2.waitKey（1） & 0xFF == ord（'q'）:
break
释放摄像头资源
video_capture.release（）
cv2.destroyAllWindows（）
```
这些示例代码展示了如何使用Python和`face_recognition`库进行基本的人脸识别。你可以根据需要进一步扩展和优化这些代码，例如添加人脸编码、匹配和识别功能。