摄像头人脸识别和对比代码

这里提供一个Python的示例代码，用于使用OpenCV库进行摄像头人脸识别和对比。代码中使用了Haar级联分类器来检测人脸，使用LBPH算法进行人脸识别和对比。

import cv2
import os

# 加载人脸识别模型
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
recognizer = cv2.face.LBPHFaceRecognizer_create()

# 加载训练好的人脸数据
face_data_dir = 'face_data'
face_images = []
face_labels = []
for dir_name in os.listdir(face_data_dir):
    if dir_name.startswith('.'):
        continue
    label = int(dir_name)
    for image_name in os.listdir(os.path.join(face_data_dir, dir_name)):
        if image_name.startswith('.'):
            continue
        image_path = os.path.join(face_data_dir, dir_name, image_name)
        image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
        face_images.append(image)
        face_labels.append(label)
recognizer.train(face_images, np.array(face_labels))

# 打开摄像头
cap = cv2.VideoCapture(0)

while True:
    # 读取摄像头的一帧
    ret, frame = cap.read()
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 检测人脸
    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

    # 对每个检测到的人脸进行识别
    for (x, y, w, h) in faces:
        # 绘制人脸框
        cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)

        # 对人脸进行识别
        roi_gray = gray[y:y+h, x:x+w]
        label, confidence = recognizer.predict(roi_gray)

        # 显示识别结果
        if confidence < 100:
            name = 'person ' + str(label)
        else:
            name = 'unknown'
        cv2.putText(frame, name, (x, y-20), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2, cv2.LINE_AA)
        cv2.putText(frame, str(round(confidence, 2)), (x, y+h+20), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2, cv2.LINE_AA)

    # 显示帧
    cv2.imshow('Face Recognition', frame)

    # 按下Esc键退出
    if cv2.waitKey(1) == 27:
        break

# 释放摄像头和窗口
cap.release()
cv2.destroyAllWindows()

在这个示例代码中，我们首先加载了Haar级联分类器用于检测人脸，以及使用LBPH算法训练好的人脸数据。然后我们打开摄像头，读取一帧图像，检测其中的人脸，并对每个人脸进行识别和对比，最后显示识别结果。注意，在这个示例代码中的人脸数据是事先准备好的，如果你需要进行实时的人脸采集和训练，你需要另外编写代码来完成这个任务。