在计算机视觉入门学习中，人脸识别是最经典、最易上手的实战项目之一。本文将基于 OpenCV 库，使用 LBPH 人脸识别算法，实现摄像头实时人脸检测与识别，并在人脸矩形框正上方标注中文姓名，全程贴合新手学习节奏，附完整可运行代码，解决常见报错问题。

适合人群：计算机视觉入门学习者、课程作业完成者，无需复杂的深度学习知识，仅用 OpenCV 内置算法即可完成完整功能。

一、项目核心功能

本项目实现了从人脸样本加载、模型训练，到摄像头实时检测、中文姓名标注的全流程，具体功能如下：

• 加载本地人脸样本图片，统一转为灰度图（LBPH 算法要求输入为灰度图）；

• 使用 LBPH 算法训练人脸识别模型，建立数字标签与中文姓名的映射；

• 调用电脑内置摄像头，实时读取画面并进行人脸检测；

• 对检测到的人脸进行识别，在人脸矩形框正上方标注中文姓名；

• 支持镜像翻转摄像头画面（适配自拍视角），按 ESC 键退出程序。

二、环境准备

项目依赖简单，仅需安装 3 个核心库，打开终端执行以下命令即可完成安装：

pip install opencv-python opencv-contrib-python numpy pillow

库说明：

• opencv-python：核心库，用于人脸检测、摄像头读取、图像处理；

• opencv-contrib-python：扩展库，包含 LBPH 人脸识别算法；

• numpy：用于数组操作，配合模型训练；

• pillow（PIL）：解决 OpenCV 无法显示中文的问题，实现中文姓名标注。

三、文件结构

项目文件结构简洁，无需复杂配置，按以下结构存放即可：

人脸识别项目/ ├─ zy.py # 核心代码文件（可自定义文件名） └─ tu/ # 人脸样本文件夹 ├─ cxz1.jpg # 样本1（程相政） ├─ cxz2.jpg # 样本2（程相政） ├─ gwk1.jpg # 样本3（关伟康） └─ ... # 其他人员的人脸样本（至少每人2张）

注意：人脸样本建议选择光线充足、正面清晰的图片，格式为 jpg，数量越多，识别准确率越高（每人至少 2 张，10 张左右最佳）。

四、完整可运行代码

以下代码完全保留原版本逻辑，仅修复了 Haar 分类器加载失败的报错，复制到 zy.py 中即可直接运行：

import cv2 import numpy as np from PIL import Image, ImageDraw, ImageFont images=[] def image_re(image): a=cv2.imread(image, flags=0) images.append(a) def cv2AddChineseText(img, text, position, textColor=(0, 255, 0), textSize=30): if (isinstance(img, np.ndarray)): img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)) draw = ImageDraw.Draw(img) fontStyle = ImageFont.truetype("simsun.ttc", textSize, encoding="utf-8") draw.text(position, text, textColor, font=fontStyle) return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR) # 加载人脸样本（根据自己的样本文件名修改） image_re('tu/cxz1.jpg') image_re('tu/cxz2.jpg') image_re('tu/gwk1.jpg') image_re('tu/gwk2.jpg') # image_re('tu/lty1.jpg') image_re('tu/lty2.jpg') # image_re('tu/lty3.jpg') image_re('tu/lty4.jpg') image_re('tu/qc1.jpg') image_re('tu/qc2.jpg') image_re('tu/ycy1.jpg') image_re('tu/ycy2.jpg') # 标签与中文姓名映射（标签顺序必须和样本加载顺序一致） labels=[0,0,1,1,2,2,3,3,4,5,6,6,7,7,8,8] dic={0:'程相政',1:'关伟康',2:'陆天宇',3:'钱超',4:'胡荣贺',5:'唐硕',6:'王鹏',7:'徐进',8:'易灿阳',-1:'None'} # 训练LBPH人脸识别模型 recognizer=cv2.face.LBPHFaceRecognizer_create() recognizer.train(images,np.array(labels)) # 加载Haar人脸检测器（修复加载失败问题，使用OpenCV自带路径） faceCascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml') # 打开默认摄像头（0为内置摄像头） cap=cv2.VideoCapture(0) while True: ret,image=cap.read() image=cv2.flip(image, flipCode=1) # 镜像翻转，适配自拍视角 if ret is None: break # 转为灰度图，提升人脸检测速度 gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) # 人脸检测：找到画面中所有人脸 faces=faceCascade.detectMultiScale(gray,scaleFactor=1.1,minNeighbors=16,minSize=(5,5)) try: for (x,y,w,h) in faces: # 截取人脸区域（适当扩大范围，提升识别准确率） roi_img=gray[y-20:y+h+20,x-10:x+w+10] # 识别人脸，返回标签和置信度（置信度越小，匹配度越高） label, confidence = recognizer.predict(roi_img) # 绘制人脸矩形框（绿色，线宽2） cv2.rectangle(image, (x,y), (x+w,y+h), color=(0,255,0), thickness=2) # 在人脸正上方标注中文姓名 image = cv2AddChineseText(image, dic[label], position=(x,y-30)) except: pass # 显示实时识别画面 cv2.imshow('cv_xml',image) # 按ESC键（key==27）退出程序 key=cv2.waitKey(1) if key==27: break # 释放摄像头资源，关闭所有窗口 cap.release() cv2.destroyAllWindows()

五、代码核心解析（新手必看）

1. 人脸样本加载

通过 image_re 函数，批量读取 tu 文件夹下的人脸样本，并用 cv2.imread(image, flags=0) 将图片转为灰度图，存入 images 列表，为后续模型训练做准备。

2. 中文标注功能

OpenCV 自带的 cv2.putText 函数不支持中文显示，因此通过 PIL 库实现中文渲染：将 OpenCV 图像转为 PIL 图像，绘制中文后再转回 OpenCV 格式，确保中文姓名能正常显示。

3. 模型训练

使用 OpenCV 内置的 LBPHFaceRecognizer_create() 创建 LBPH 人脸识别器，该算法轻量、实时性好，适合入门学习。通过 recognizer.train(images, np.array(labels)) 训练模型，建立样本与标签的对应关系。

4. 实时人脸识别

1. 调用摄像头：cv2.VideoCapture(0) 打开内置摄像头，cv2.flip 实现镜像翻转，更符合日常使用习惯；

2. 人脸检测：faceCascade.detectMultiScale 用 Haar 分类器检测人脸位置，返回人脸的坐标（x,y）和宽高（w,h）；

3. 人脸识别：截取人脸区域，用训练好的模型进行识别，返回标签和置信度；

4. 标注显示：绘制绿色矩形框标注人脸，在人脸正上方标注中文姓名，最后显示实时画面。

六、常见报错及解决方案

1. 报错：!empty() in function 'cv::CascadeClassifier::detectMultiScale'

原因：Haar 人脸检测器文件加载失败，原代码使用相对路径无法找到文件。

解决方案：将 Haar 分类器加载路径改为 OpenCV 自带路径，即本文代码中修复后的写法：

faceCascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

2. 报错：Empty training data was given. You'll need more than one sample to learn a model.

原因：人脸样本加载失败（路径错误、图片格式错误、中文路径问题），导致训练数据为空。

解决方案：确保样本路径正确、图片为 jpg 格式，若路径含中文，可将 cv2.imread 替换为支持中文路径的读取方式（本文代码可直接适配）。

3. 中文姓名显示乱码

原因：字体文件未找到，simsun.ttc 是 Windows 系统默认字体，Linux/Mac 系统需替换字体路径。

解决方案：若使用 Linux/Mac，可修改 cv2AddChineseText 函数中的字体路径，替换为对应系统的中文字体。

七、运行效果

运行代码后，会自动打开电脑内置摄像头，画面中出现人脸时，会用绿色矩形框标注人脸，在矩形框正上方显示识别出的中文姓名；按 ESC 键即可退出程序。

提示：若识别准确率不高，可增加人脸样本数量、保证样本光线充足、角度多样，或调整 minNeighbors（人脸检测邻域数）、置信度阈值（可自行添加置信度判断，过滤识别不准确的结果）。

八、总结

本项目基于 OpenCV + LBPH 算法，实现了摄像头实时人脸识别的完整功能，代码简洁、逻辑清晰，完全适合新手入门和课程作业使用。核心难点在于解决 Haar 分类器加载失败、中文显示乱码、样本加载失败等问题，本文已全部修复并给出详细说明。

通过这个项目，可快速掌握人脸检测、人脸识别的基本流程，理解 LBPH 算法的应用场景，为后续学习更复杂的计算机视觉项目打下基础。如果需要修改为视频文件识别（而非摄像头），或优化识别准确率，可根据需求调整代码。