python设计一款简单的人脸识别系统代码

在Python中，我们可以利用OpenCV（cv2库）和dlib库来实现一个基本的人脸识别系统。这个示例将展示如何使用Haar级联分类器来检测人脸，并通过预训练模型进行简单的识别。注意这只是一个入门级的例子，实际应用中可能需要深度学习技术如face_recognition库。

# 导入必要的库
import cv2
import dlib

# 加载预训练的人脸检测器和面部关键点预测器
face_detector = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')

def detect_faces(image_path):
    # 读取图像
    image = cv2.imread(image_path)
    
    # 转换为灰度并缩放
    gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    scaled_image = cv2.resize(gray_image, (0, 0), fx=0.5, fy=0.5)

    # 检测人脸
    faces = face_detector.detectMultiScale(scaled_image, scaleFactor=1.1, minNeighbors=5)

    for (x, y, w, h) in faces:
        # 提取脸部区域
        roi_gray = gray_image[y:y+h, x:x+w]
        roi_color = image[y:y+h, x:x+w]

        # 使用预测器获取面部特征点
        shape = predictor(roi_gray, dets=[(-1, -1)] * len(faces))[0]

        # 在图片上绘制人脸框和关键点
        cv2.rectangle(image, (x, y), (x+w, y+h), (255, 0, 0), 2)
        draw_landmarks(image, shape)

    # 显示结果
    cv2.imshow('Face Detection', image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

def draw_landmarks(image, shape):
    for i in range(68):
        x = shape.part(i).x
        y = shape.part(i).y
        cv2.circle(image, (x, y), 2, (0, 255, 0), -1)

# 使用函数
image_path = "path_to_your_image.jpg"
detect_faces(image_path)