用Python实现简单的人脸识别，10分钟拿下（附源码）_confidence = 150.00 name = "unknown" while true: #-CSDN博客

本文链接：https://blog.csdn.net/m0_64355682/article/details/121852874

本文介绍如何利用Python和OpenCV实现简单的人脸识别。首先，我们需要准备相关库，如CV2、os、numpy和PIL。然后，通过预训练的分类器找到人脸。接着，使用OpenCV的LBPHFaceRecognizer算法建立对照模型进行训练。在识别阶段，程序可以检测、校验并输出结果。在实践过程中，可能会遇到版本不匹配等问题，但可以通过调整Python版本和安装相应库来解决。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

今天，我们用Python实现简单的人脸识别技术！

Python里，简单的人脸识别有很多种方法可以实现，依赖于python胶水语言的特性，我们通过调用包可以快速准确的达成这一目的。这里介绍的是准确性比较高的一种。

一、首先

梳理一下实现人脸识别需要进行的步骤：

流程大致如此，在此之前，要先让人脸被准确地找出来，也就是能准确区分人脸的分类器，在这里我们可以用已经训练好的分类器，网上种类较全，分类准确度也比较高，我们也可以节约在这方面花的时间。

既然用的是python，那自然少不了包的使用了，在看代码之前，我们先将整个项目所需要的包罗列一下：

· CV2(Opencv)：图像识别，摄像头调用

· os：文件操作

· numpy：NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库

· PIL：Python Imaging Library，Python平台事实上是图像处理的标准库

二、接下来

1.对照人脸获取

#-----获取人脸样本-----
import cv2
 
#调用笔记本内置摄像头，参数为0，如果有其他的摄像头可以调整参数为1,2
cap = cv2.VideoCapture(0)
#调用人脸分类器，要根据实际路径调整3
face_detector = cv2.CascadeClassifier(r'X:/Users/73950/Desktop/FaceRec/haarcascade_frontalface_default.xml')  #待更改
#为即将录入的脸标记一个id
face_id = input('\n User data input,Look at the camera and wait ...')
#sampleNum用来计数样本数目
count = 0
 
while True:    
    #从摄像头读取图片
    success,img = cap.read()    
    #转为灰度图片，减少程序符合，提高识别度
    if success is True: 
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
    else:   
        break
    #检测人脸，将每一帧摄像头记录的数据带入OpenCv中，让Classifier判断人脸
    #其中gray为要检测的灰度图像，1.3为每次图像尺寸减小的比例，5为minNeighbors
    faces = face_detector.detectMultiSca