写一段OpenCV代码，实现人脸识别、人脸录入

在Python中使用OpenCV库进行人脸识别和人脸录入通常涉及到Haar级联分类器和Local Binary Patterns Histograms (LBPH)等算法。以下是一个简单的示例，展示如何使用这些技术：

import cv2
import numpy as np

# 加载预训练的人脸检测模型
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

# 加载或创建用于存储人脸特征的LBPH识别人脸的模型
recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.read('faces.yml')  # 假设已经有一个存储了已知人脸的数据文件

# 捕获摄像头视频流
cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()

    if not ret:
        break

    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    
    # 在灰度图像上检测人脸
    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)

    for (x, y, w, h) in faces:
        # 提取人脸区域并进行缩放以适应识别器
        roi_gray = gray[y:y+h, x:x+w]
        roi_color = frame[y:y+h, x:x+w]

        # 对提取的人脸进行识别
        id_, confidence = recognizer.predict(roi_gray)
        
        if confidence < 70:  # 设置一个阈值判断识别结果的可靠性
            name = "Unknown" if id_ == -1 else "Person {}".format(id_)  # 如果是未知人脸，则标记为"Unknown"
            color = (0, 255, 0) if id_ != -1 else (0, 0, 255)  # 绿色表示已知，红色表示未知
            cv2.putText(frame, name, (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 1, color, 2)
            cv2.rectangle(frame, (x, y), (x+w, y+h), color, 2)

    # 显示处理后的帧
    cv2.imshow("Face Recognition", frame)

    # 按 'q' 键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放资源
cap.release()
cv2.destroyAllWindows()

在这个例子中，你需要预先收集一些人脸样本，并将其标识为特定个体，然后保存到`faces.yml`这样的数据文件中。请注意，这只是一个基础示例，实际应用中可能需要对人脸进行预处理和增强，以便提高识别精度。