实时人脸识别特征提取代码不用dlib库

实时人脸识别特征提取通常会涉及到深度学习技术，如卷积神经网络 (CNN)。如果你不想使用dlib库，可以考虑使用其他开源库，比如OpenCV、MTCNN (Multi-task Cascaded Convolutional Networks) 或者FaceNet等。

以下是一个简单的Python示例，使用OpenCV中的Haar级联分类器进行人脸检测，然后对检测到的人脸区域应用HOG (Histogram of Oriented Gradients) 特征提取：

import cv2
import numpy as np

# 加载预训练的人脸 haar 级联分类器
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

def extract_face_features(frame):
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    
    # 检测人脸
    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)

    features_list = []
    for (x, y, w, h) in faces:
        # 提取ROI（兴趣区）
        roi_gray = gray[y:y+h, x:x+w]
        
        # 使用HOG进行特征提取
        hog_descriptor = cv2.HOGDescriptor()
        hog_descriptor.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())
        hog_features = hog_descriptor.compute(roi_gray)

        features_list.append(hog_features)
    
    return features_list

# 在视频流上应用特征提取
# ... (这里省略了读取视频流的部分)