制作一个简单的人脸识别系统，要求：（1）用python语言进行简单的界面设计。（2）能采集人脸并对识别对象训练。（3）训练完成后，能够对对象的人脸进行识别。（4）对识别成功与否进行必要的提示。（5）系统建议是一款完备的系统，建议有必要的退出机制。

制作一个简单的人脸识别系统可以使用Python及其相关的库，比如OpenCV、face_recognition等。以下是基本步骤：

1. **环境准备**:
- 安装所需的库：`pip install opencv-python face_recognition Pillow`

2. **界面设计**:
使用如Tkinter或PyQt这样的GUI库创建一个简洁的界面。可以包含一个摄像头预览区域，用于显示实时视频流，以及结果显示区域。

import tkinter as tk
from PIL import Image, ImageTk

# 创建窗口
root = tk.Tk()
frame = tk.Frame(root)
canvas = tk.Canvas(frame, width=640, height=480)
canvas.pack()

def start_capture():
    # 这里将处理摄像头捕获和显示
    pass

start_button = tk.Button(root, text="开始识别", command=start_capture)
start_button.pack()

root.mainloop()

3. **人脸采集与训练**:
使用`cv2.VideoCapture()`读取摄像头数据，并通过`face_recognition`库提取人脸特征并存储训练数据。

import cv2
import face_recognition

# 加载训练样本
known_faces = []
known_names = []

# 在此部分添加收集人脸的过程
# ...
    
# 训练模型
face_recognizer = face_recognition.face_encodings(known_faces)

# 对象识别
def recognize_face(image):
    face_locations = face_recognition.face_locations(image)
    for (top, right, bottom, left), name in zip(face_locations, known_names):
        # 验证识别结果
        match = face_recognizer[0].compare(image[top:bottom, left:right])
        if match > 0.7:  # 设置相似度阈值
            print(f"已识别为: {name}")

4. **识别与提示**:
在摄像头预览区域内检测人脸并应用`recognize_face`函数，然后更新UI显示识别结果。

5. **退出机制**:
可以添加一个菜单项或者快捷键，当用户选择时关闭程序或退出功能。

def exit_system():
    root.quit()

exit_button = tk.Button(root, text="退出", command=exit_system)
exit_button.pack()

记得在实际操作中替换掉`known_faces`和`known_names`的收集过程，这通常涉及到从文件或数据库加载已知的脸部图片和相应的标签。