面部扫描编程主要涉及以下几个步骤：
环境搭建
安装Ubuntu 17.10操作系统。
安装Python 2.7.14（Ubuntu 17.10默认Python版本为2.7.14）。
安装git、cmake、python-pip。
安装编译dlib所需的依赖。
安装face_recognition库。
实现人脸识别
准备已知人脸的图片文件夹（known_people），每张图片以人的名字命名。
准备要识别的图片文件夹（unknown_pic）。
运行face_recognition命令，传入已知人脸和图片文件夹作为参数，命令会返回识别结果。
使用OpenCV检测人脸
加载人脸检测分类器（例如，使用OpenCV自带的正面人脸分类器）。
读取图片并检测人脸位置，将检测到的人脸坐标和尺寸存储在列表中。
使用face_recognition检测人脸
利用face_recognition库检测人脸，提取人脸特征向量。
将提取的人脸特征向量与预先存储在数据库中的特征进行比对，以确定人脸的身份。
编程实现
结合OpenCV和face_recognition库，编写程序实现人脸检测、特征提取和识别。
可以根据具体需求，将人脸识别功能与其他系统集成，如数据库系统、网络通信、图像处理等，以实现更广泛的应用场景。
示例代码
```python
import face_recognition
加载已知人脸图片
known_image = face_recognition.load_image_file（"known_people/babe.jpg"）
known_encoding = face_recognition.face_encodings（known_image）
加载要识别的图片
unknown_image = face_recognition.load_image_file（"unknown_pic/韩红.jpg"）
unknown_encoding = face_recognition.face_encodings（unknown_image）
比较编码，识别人脸
face_distances = face_recognition.face_distances（known_encoding, unknown_encoding）
输出识别结果
for face_distance in face_distances:
print（"人脸距离：", face_distance）
if face_distance < 0.6: 设置一个阈值
print（"识别成功，这是", face_distances.index（face_distance）, "号面孔"）
else:
print（"识别失败"）
```
建议
确保所有依赖库已正确安装，并且版本兼容。
根据实际需求调整识别阈值，以获得更准确的识别结果。
在实际应用中，可能需要处理大量的人脸数据和复杂的场景，可以考虑使用更高效的人脸检测算法和更强大的特征提取方法。