人脸识别 (训练数据集类别大于50，测试数据集类别大于5，每类至少3张，能实现实时识别)代码

这是一份基于Python和OpenCV库实现的人脸识别代码，可以满足你的需求。该代码使用了LBPH算法进行特征提取和识别，并且支持实时识别。

import cv2
import os
import numpy as np

# 定义训练数据集路径和测试数据集路径
train_path = 'path/to/train/dataset'
test_path = 'path/to/test/dataset'

# 定义图像大小和人脸识别器
img_size = 100
recognizer = cv2.face.LBPHFaceRecognizer_create()

# 函数：读取图像和标签
def get_images_and_labels(path):
    image_paths = [os.path.join(path, f) for f in os.listdir(path)]
    images = []
    labels = []
    for image_path in image_paths:
        image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
        label = int(os.path.split(image_path)[1].split(".")[0].replace("subject", ""))
        images.append(cv2.resize(image, (img_size, img_size)))
        labels.append(label)
    return images, labels

# 读取训练数据集
train_images, train_labels = get_images_and_labels(train_path)
# 训练人脸识别器
recognizer.train(train_images, np.array(train_labels))

# 读取测试数据集
test_images, test_labels = get_images_and_labels(test_path)

# 函数：实时识别人脸并显示标签
def recognize_face():
    # 打开摄像头
    cap = cv2.VideoCapture(0)
    while True:
        # 读取图像
        ret, img = cap.read()
        # 转换为灰度图像
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        # 识别人脸
        faces = face_cascade.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=5, minSize=(30, 30))
        for (x, y, w, h) in faces:
            # 调整人脸大小
            face = cv2.resize(gray[y:y+h, x:x+w], (img_size, img_size))
            # 预测人脸标签
            label, confidence = recognizer.predict(face)
            # 显示标签
            cv2.putText(img, "Label: {}, Confidence: {:.2f}".format(label, confidence), (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2)
            # 绘制人脸矩形框
            cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)
        # 显示图像
        cv2.imshow('Face Recognition', img)
        # 按下'q'键退出
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    # 释放摄像头
    cap.release()
    cv2.destroyAllWindows()

# 运行实时人脸识别程序
recognize_face()

需要注意的是，该代码假设训练数据集和测试数据集都是以`subjectX.Y.jpg`的格式命名的，其中X表示人物编号，Y表示图像编号。例如，第1个人物的第2张图像应该命名为`subject1.2.jpg`。因此，你需要根据实际情况修改`get_images_and_labels()`函数中的代码，以适应你的数据集命名规则。此外，你还需要安装OpenCV库，并根据你的摄像头设置视频捕获设备。