人脸识别功能的实现通常需要以下步骤：
数据采集：首先需要采集大量的人脸数据集，包括各种不同角度、表情和光照条件下的人脸图像。
图像预处理：对采集的人脸图像进行预处理，包括去除噪声、人脸对齐、人脸裁剪等操作，以确保后续的人脸识别算法可以准确识别人脸特征。
人脸特征提取：采用深度学习技术中的卷积神经网络（CNN）等方法，将经过预处理的人脸图像转换为相应的特征向量，通常称为人脸特征表示。
数据标注：对提取的人脸特征向量进行标注，确定每个特征向量对应的人脸身份信息。
人脸识别算法：利用监督学习的方法，训练人脸识别模型，使其能够准确识别输入图像中的人脸特征，并将其与标注的人脸身份信息进行比对，从而实现人脸识别功能。
实时识别：在摄像头app电脑版中，实现实时人脸识别功能通常需要结合实时人脸检测算法，如基于卷积神经网络的人脸检测器，以在摄像头捕获的视频流中实时检测人脸并进行识别。
综上所述，摄像头app电脑版的人脸识别功能主要通过数据采集、图像预处理、人脸特征提取、数据标注、人脸识别算法和实时识别等步骤实现。需要借助深度学习等先进技术，结合大量标注数据进行训练，才能实现高效准确的人脸识别功能。