环境：python3.9 opencv-python 4.5.5.62

首先是录入人脸，信息会保存到py文件的同级目录下的data文件中，data文件要先创建好，否则不能生成文件，然后训练生成trainer/trainer.yml文件，trainer文件也要先创建，然后进行检测就好，代码中用的xml文件的下载地址：代码中的xml文件
haarcascade_frontalface_alt2.xml
haarcascade_frontalface_default.xml

haarcascade的其他文件
haarcascade_eye.xml
haarcascade_eye_tree_eyeglasses.xml
haarcascade_frontalcatface.xml
haarcascade_frontalcatface_extended.xml
haarcascade_frontalface_alt.xml
haarcascade_frontalface_alt_tree.xml
haarcascade_fullbody.xml
haarcascade_lefteye_2splits.xml
haarcascade_licence_plate_rus_16stages.xml
haarcascade_lowerbody.xml
haarcascade_profileface.xml
haarcascade_righteye_2splits.xml
haarcascade_russian_plate_number.xml
haarcascade_smile.xml
haarcascade_upperbody.xml

源码：

录入人脸

# Enter
# 2022/2/17
import cv2

face_name = ''  # 该人脸的名字

# 加载OpenCV人脸检测分类器
face_cascade = cv2.CascadeClassifier("E:/data/haarcascade_frontalface_default.xml")
recognizer = cv2.face.LBPHFaceRecognizer_create()  # 准备好识别方法LBPH方法

camera = cv2.VideoCapture(0 ,cv2.CAP_DSHOW)  # 0:开启摄像头
success, img = camera.read()  # 从摄像头读取照片
W_size = 0.1 * camera.get(3)  # 在视频流的帧的宽度
H_size = 0.1 * camera.get(4)  # 在视频流的帧的高度


def get_face():
    print("正在从摄像头录入新人脸信息 \n")
    picture_num = 0  # 设置录入照片的初始值
    while True:  # 从摄像头读取图片
        global success  # 设置全局变量
        global img  # 设置全局变量
        ret, frame = camera.read()  # 获得摄像头读取到的数据(ret为返回值,frame为视频中的每一帧)
        if ret is True:
            gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  # 转为灰度图片
            cv2.imshow("gray",gray)
        else:
            break

        face_detector = face_cascade  # 记录摄像头记录的每一帧的数据，让Classifier判断人脸
        faces = face_detector.detectMultiScale(gray, 1.3, 5)  # gray是要灰度图像，1.3为每次图像尺寸减小的比例，5为minNeighbors

        for (x, y, w, h) in faces:  # 制造一个矩形框选人脸(xy为左上角的坐标,w为宽，h为高)
            cv2.rectangle(frame, (x, y), (x + w, y + w), (255, 0, 0))
            picture_num += 1  # 照片数加一
            t = face_name
            print("./data/1." + str(t) + '.' + str(picture_num))
            cv2.imwrite("./data/1." + str(t) + '.' + str(picture_num) + '.jpg', gray[y:y + h, x:x + w])
            # 保存图像，将脸部的特征转化为二维数组，保存在data文件夹内
        maximums_picture = 13  # 设置摄像头拍摄照片的数量的上限
        if picture_num > maximums_picture:
            break
        cv2.waitKey(1000)


get_face()

训练

# Train
# 2022/2/17
import os
import cv2
from PIL import Image
import numpy as np


def getlable(path):
    facesamples = []  # 储存人脸数据(该数据为二位数组)
    ids = []  # 储存星门数据
    imagepaths = [os.path.join(path, f) for f in os.listdir(path)]  # 储存图片信息
    face_detector = cv2.CascadeClassifier('E:/data/'                                         'haarcascade_frontalface_alt2.xml')  # 加载分类器
    print('数据排列：', imagepaths)  # 打印数组imagepaths
    for imagePath in imagepaths:  # 遍历列表中的图片
        pil_img = Image.open(imagePath).convert('L')
        # 打开图片，灰度化，PIL的两种不同模式：
        # (1)1(黑白，有像素的地方为1，无像素的地方为0)
        # (2)L(灰度图像，把每个像素点变成0~255的数值，颜色越深值越大)
        img_numpy = np.array(pil_img, 'uint8')  # 将图像转化为数组
        faces = face_detector.detectMultiScale(img_numpy)  # 获取人脸特征
        id = int(os.path.split(imagePath)[1].split('.')[0])  # 获取每张图片的id和姓名
        for x, y, w, h in faces:  # 预防无面容照片
            ids.append(id)
            facesamples.append(img_numpy[y:y + h, x:x + w])
        # 打印脸部特征和id
        print('id:', id)
    print('fs:', facesamples)
    return facesamples, ids


if __name__ == '__main__':
    path = 'C:/Desktop/py/Face_ Recognition/data'  # 图片路径
    faces, ids = getlable(path)  # 获取图像数组和id标签数组和姓名
    recognizer = cv2.face.LBPHFaceRecognizer_create()  # 获取训练对象
    recognizer.train(faces, np.array(ids))
    recognizer.write('trainer/trainer.yml')  # 保存生成的人脸特征数据文件

识别

# Recognition
# 2022/2/17

import cv2
import os

# 加载训练数据集文件
recogizer = cv2.face.LBPHFaceRecognizer_create()
recogizer.read('trainer/trainer.yml')  # 获取脸部特征数据文件
names = []
warningtime = 0


def face_detect_demo(img):
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转换为灰度图像
    face_detector = cv2.CascadeClassifier("E:/data/haarcascade_frontalface_default.xml")  # 加载分类器
    face = face_detector.detectMultiScale(gray, 1.3, 5, cv2.CASCADE_SCALE_IMAGE, (100, 100), (300, 300))
    # 进行识别，把整张人脸部分框起来
    for x, y, w, h in face:
        cv2.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)  # 矩形
        cv2.circle(img, center=(x + w // 2, y + h // 2), radius=w // 2, color=(0, 255, 0), thickness=1)  # 圆形
        ids, confidence = recogizer.predict(gray[y:y + h, x:x + w])  # 进行预测、评分
        if confidence > 80:
            global warningtime
            warningtime += 1
            if warningtime > 100:  # 警报达到一定次数，说明不是这个人
                warningtime = 0
            cv2.putText(img, 'unkonw', (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
        else:
            cv2.putText(img, str(names[ids - 1]), (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
            # 把姓名打到人脸的框图上
    cv2.imshow('result', img)
    # print('bug:',ids)


def name():
    path = 'C:/Users/wangb/Desktop/py/Face_ Recognition/data'
    imagepaths = [os.path.join(path, f) for f in os.listdir(path)]
    for imagePath in imagepaths:
        name1 = str(os.path.split(imagePath)[1].split('.', 2)[1])
        names.append(name1)


cap = cv2.VideoCapture(0,cv2.CAP_DSHOW)
name()
while True:
    flag, frame = cap.read()  # 获得摄像头读取到的数据(flag为返回值,frame为视频中的每一帧)
    if not flag:
        break
    face_detect_demo(frame)
    if ord(' ') == cv2.waitKey(10):  # 按空格，退出
        break
cv2.destroyAllWindows()
cap.release()
# print(names)

识别效果

问题：

如果cv2.VideoCapture(0)
报错: ...\cap_msmf.cpp(435)anonymousnamespace'::SourceReaderCB::~SourceReaderCB terminating async callback
改为：cv2.VideoCapture(0 ,cv2.CAP_DSHOW)
可能是版本兼容问题