代码段中所涉及的目录均为本人所用环境，python3+windows10+anaconda3，如要搬运请修改为本地路径

获取人脸数据

# -*- coding:utf-8 -*-

import cv2

cam = cv2.VideoCapture(0) # 启动摄像头
cam.set(3, 640) # 设置宽
cam.set(4, 480) # 设置高
face_detect = cv2.CascadeClassifier(r'C:\Users\20692\Anaconda3\envs\face\Library\etc\haarcascades\haarcascade_frontalcatface.xml') # 选择haar作为分类器
face_id = input('id here:') # 输入录入的人名(数字)
count = 1 # 记录拍照数量
while(count <= 20): # 拍摄二十个样本
    ret, img = cam.read() # 读取摄像头
    cv2.imshow('Look at the camera', img) # 创建实时窗口
    img = cv2.flip(img, 1) # 拍摄
    grayImg = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转换为灰度图像
    faces = face_detect.detectMultiScale(grayImg, 1.2, 5) # 识别灰度图中的人脸
    for (x, y, w, h) in faces: # 获取四角坐标
        cv2.rectangle(img, (x, y), (x + w, y + h), (255, 255, 0), 2) # 绘制矩形框住人脸
        cv2.imwrite("D:\\faceDetect\\training_data\\" + str(face_id) + '_' + str(count) + '.jpg', grayImg[y:y + h, x:x + w]) # 记录人脸图像
        print('Got:' + str(face_id) + '_' + str(count) + "\n") # 输出进度
        cv2.imshow(str(face_id) + str(count), img) # 展示剪裁结果
        count += 1 # 照片数+1
    k = cv2.waitKey(100) & 0xff # 监测Esc键
    if(k == 27): # 退出循环
        break
cam.release() # 释放摄像头并删除窗口
cv2.destroyAllWindows()

训练模型

# -*- coding:utf-8 -*-

import numpy as np
import cv2
from PIL import Image
import os

PATH = "D:\\faceDetect\\training_data\\" # 选择项目路径
recognize = cv2.face.LBPHFaceRecognizer_create() # 创建面部识别器
detect = cv2.CascadeClassifier(r"C:\Users\20692\Anaconda3\envs\face\Library\etc\haarcascades\haarcascade_frontalface_default.xml") # 选定haar作为分类器,文件选择正脸

def getInfo(path): # 获取训练集数据
    imagePath = [os.path.join(path, f) for f in os.listdir(path)] # 路径遍历
    faceSample = [] # 储存训练集人脸坐标集
    labels = [] # 储存图片对应的人名
    for pathFinder in imagePath: # 遍历所有图片
        pil_img = Image.open(pathFinder).convert('L') # 打开图片并用pil转换成黑白
        img_nmp = np.array(pil_img, 'uint8') # 转换为numpy数组
        label = int(os.path.split(pathFinder)[1].split("_")[0]) # 使用split切分路径,获取图片id中的人名
        print('Now reading:' + os.path.split(pathFinder)[1] + '\n') # 输出一下读取的人名
        faces = detect.detectMultiScale(img_nmp) # 检测图片中的人脸
        for (x, y, w, h) in faces: # 获取脸的四角坐标
            faceSample.append(img_nmp[y:y + h, x:x + w]) # 储存坐标
            labels.append(label) # 储存人名
    return faceSample, labels # 返回信息

faces, labels = getInfo(PATH)
recognize.train(faces, np.array(labels)) # 训练
recognize.write('D:\\faceDetect\\trainRes.yml') # 储存模型文件

使用模型

import cv2


recognize = cv2.face.LBPHFaceRecognizer_create() # LBPH面部识别,其实也可以选择fisher之类的
recognize.read('D:\\faceDetect\\trainRes.yml') # 读取模型
cascadePath = "C:\\Users\\20692\Anaconda3\\envs\\face\\Library\\etc\\haarcascades\\haarcascade_frontalcatface.xml" # 定义路径
faceCascade = cv2.CascadeClassifier(cascadePath) # 分类器文件读取

font = cv2.FONT_ITALIC # 字体Italic

label = 0

cam = cv2.VideoCapture(0) # 启动摄像头,设置长宽
cam.set(3, 640)
cam.set(4, 480)


while True:
    ret, img = cam.read() # 读取图像
    img = cv2.flip(img, 1) # 截取图片
    grayImg = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 老套路,识别人脸
    faces = faceCascade.detectMultiScale(
        grayImg,
        scaleFactor=1.2,
        minNeighbors=5,
        minSize=(50, 50)
    )
    for(x, y, w, h) in faces: # 还是老套路,画一个矩形框
        cv2.rectangle(img, (x, y), (x + w, y + h), (255, 255, 0), 2)
        label, confidence = recognize.predict(grayImg[y:y + h, x:x + w]) # 模型预测,返回识别结果和差异度(越小表示越相似)
        if(confidence < 60): # 较为相似的一个阀值
            print(str(label) + ":" + str(confidence)) # 后台输出
        else: # 不确定
            print('Unknown')
        cv2.putText(img, 'You are:' + str(label), (x + 5, y - 5), font, 1,(255, 255, 255), 2) # 打印结果到画面上
        cv2.putText(img, str(int(confidence)) + "%", (x + 5, y - 55), font, 1, (255, 255, 255), 2)

    cv2.imshow('Press ESC to shutdown', img)
    k = cv2.waitKey(10) & 0xff  # Esc退出
    if k == 27:
        break
cam.release()
cv2.destroyAllWindows()