基于Opencv实现人脸识别

在 OpenCV 中实现人脸识别，通常是在人脸检测的基础上，增加一个识别身份的步骤。目前主流的实施方案有两种：一种是使用基于深度学习的 face_recognition 库，它简单易用且精度高；另一种是使用 OpenCV 自带的传统机器学习算法（如 LBPH），适合快速验证和教学。

下面将分别介绍这两种方案的完整实施步骤。

🚀 方案一：使用 face_recognition 库 (推荐)

这是目前最流行和推荐的方案，它基于 dlib 的深度学习模型，封装良好，API 简洁，识别准确率非常高。

核心原理

该方案的核心是将人脸图像转换成一个 128 维的特征向量（也称为人脸编码或 Embedding），这个向量就像是人脸的“指纹”。识别过程就是计算两张人脸“指纹”之间的欧氏距离，距离越近，则越可能是同一个人。

实施步骤

1. 环境准备
   安装必要的库。face_recognition 库依赖于 dlib，安装可能需要 C++ 编译器。

   pip install opencv-python numpy face_recognition
   

2. 准