Python 的 tkinter 搭建 GUI 界面,结合 face_recognition 实现一个人脸识别项目

用 Python 的 tkinter 搭建 GUI 界面，结合 face_recognition 实现一个人脸识别项目，我会为你提供一个完整、可运行的项目方案，包含环境准备、核心代码和详细说明。

一、项目前期准备

1. 安装必要依赖

该项目需要 4 个核心依赖，打开终端执行以下安装命令（注意：dlib 安装可能需要编译环境，Windows 建议使用预编译包简化安装）：

# 先安装基础依赖pip install numpy pillow tkinter# 安装 dlib（关键依赖，face_recognition 基于它实现）# 方案1：直接安装（需具备 C++ 编译环境）pip install dlib# 方案2：Windows 预编译包安装（推荐新手，避免编译报错）# 1. 去 https://pypi.org/project/dlib/#files 下载对应 Python 版本和系统的 .whl 文件# 2. 执行 pip install 下载的文件路径（例如：pip install dlib-19.24.1-cp310-cp310-win_amd64.whl）# 安装 face_recognition 核心库pip install face_recognition

2. 项目文件结构准备

创建一个项目文件夹，结构如下（方便管理人脸库和测试图片）：

face_recognition_tkinter/├── face_database/  # 人脸数据库（存放已知人员的人脸图片，1人1张，命名为“姓名.jpg”）│   ├── 张三.jpg│   ├── 李四.jpg│   └── 王五.jpg└── main.py  # 项目核心代码（后续编写）

注意：face_database 中的人脸图片尽量选择正面、清晰、无遮挡的照片，提升识别准确率。

二、完整项目代码

该项目实现核心功能：选择本地测试图片 → 检测人脸并提取特征 → 与人脸库比对 → 显示识别结果（含人脸标注）。

import tkinter as tkfrom tkinter import filedialog, messagebox, Labelimport face_recognitionfrom PIL import Image, ImageTk, ImageDrawimport numpy as npimport osclassFaceRecognitionApp:def__init__(self, root):# 初始化主窗口        self.root = root        self.root.title("人脸识别人脸项目（tkinter + face_recognition）")        self.root.geometry("800x600")  # 窗口初始大小        self.root.resizable(True, True)# 初始化变量        self.face_db_path = "face_database"# 人脸库路径        self.known_face_encodings = []  # 已知人脸特征编码列表        self.known_face_names = []  # 已知人脸姓名列表        self.test_image_path = ""# 测试图片路径# 加载人脸数据库（程序启动时执行）        self.load_face_database()# 构建GUI界面        self.build_gui()defload_face_database(self):"""加载人脸数据库，提取所有人脸的特征编码和姓名"""# 检查人脸库文件夹是否存在ifnot os.path.exists(self.face_db_path):            os.makedirs(self.face_db_path)            messagebox.showinfo("提示", "人脸库文件夹不存在，已自动创建，请先放入人脸图片再运行！")return# 遍历人脸库中的所有图片文件for filename in os.listdir(self.face_db_path):if filename.endswith((".jpg", ".jpeg", ".png")):# 提取姓名（文件名去除后缀）                face_name = os.path.splitext(filename)[0]# 拼接完整图片路径                face_image_path = os.path.join(self.face_db_path, filename)# 加载图片并提取人脸特征编码try:                    face_image = face_recognition.load_image_file(face_image_path)# 提取人脸特征（只取第一张人脸，确保每张图片只有1个人脸）                    face_encoding = face_recognition.face_encodings(face_image)[0]# 添加到已知人脸列表                    self.known_face_encodings.append(face_encoding)                    self.known_face_names.append(face_name)except IndexError:                    messagebox.warning("警告", f"图片 {filename} 中未检测到人脸，已跳过！")except Exception as e:                    messagebox.error("错误", f"处理图片 {filename} 失败：{str(e)}")if len(self.known_face_names) > 0:            messagebox.showinfo("成功", f"人脸库加载完成！共加载 {len(self.known_face_names)} 个人脸信息")else:            messagebox.showwarning("提示", "人脸库中无有效人脸图片，请放入有效图片后重启程序！")defselect_test_image(self):"""选择本地测试图片"""# 打开文件选择对话框，筛选图片格式        file_path = filedialog.askopenfilename(            title="选择测试图片",            filetypes=[("图片文件", "*.jpg *.jpeg *.png"), ("所有文件", "*.*")]        )ifnot file_path:return# 用户取消选择        self.test_image_path = file_path# 执行人脸识别        self.perform_face_recognition()defperform_face_recognition(self):"""执行人脸识别：检测、比对、标注结果"""ifnot self.test_image_path or len(self.known_face_encodings) == 0:            messagebox.warning("提示", "请先加载有效人脸库并选择测试图片！")returntry:# 1. 加载测试图片            test_image = face_recognition.load_image_file(self.test_image_path)# 转换为PIL格式（用于后续绘制标注框）            pil_image = Image.fromarray(test_image)            draw = ImageDraw.Draw(pil_image)# 2. 检测测试图片中的所有人脸位置和特征编码            face_locations = face_recognition.face_locations(test_image)            face_encodings = face_recognition.face_encodings(test_image, face_locations)ifnot face_locations:                messagebox.showinfo("结果", "测试图片中未检测到任何人脸！")return# 3. 遍历检测到的人脸，进行比对            recognition_results = []for (top, right, bottom, left), face_encoding in zip(face_locations, face_encodings):# 与人脸库中的特征进行比对                matches = face_recognition.compare_faces(self.known_face_encodings, face_encoding)                name = "未知人员"# 计算匹配距离（距离越小，相似度越高）                face_distances = face_recognition.face_distance(self.known_face_encodings, face_encoding)if len(face_distances) > 0:                    best_match_index = np.argmin(face_distances)if matches[best_match_index]:                        name = self.known_face_names[best_match_index]                recognition_results.append(name)# 4. 绘制人脸标注框和姓名                draw.rectangle(((left, top), (right, bottom)), outline=(0, 255, 0), width=2)# 绘制姓名背景框                text_width, text_height = draw.textlength(name), 15                draw.rectangle(                    ((left, bottom - text_height - 10), (right, bottom)),                    fill=(0, 255, 0),                    outline=(0, 255, 0)                )                draw.text((left + 5, bottom - text_height - 5), name, fill=(255, 255, 255), fontsize=12)# 5. 显示处理后的图片和识别结果            self.show_recognition_result(pil_image, recognition_results)except Exception as e:            messagebox.error("错误", f"人脸识别过程中出现异常：{str(e)}")defshow_recognition_result(self, result_image, results):"""在GUI中显示识别结果图片和文字信息"""# 调整图片大小以适配窗口（保持比例）        result_image.thumbnail((700, 500), Image.Resampling.LANCZOS)        tk_image = ImageTk.PhotoImage(result_image)# 更新图片显示标签        self.image_label.config(image=tk_image)        self.image_label.image = tk_image  # 保留引用，防止被垃圾回收# 更新结果文字显示        result_text = "人脸识别结果：\n" + "\n".join([f"检测到：{name}"for name in results])        self.result_label.config(text=result_text)defbuild_gui(self):"""构建GUI界面元素"""# 1. 选择图片按钮        select_btn = tk.Button(            self.root,            text="选择测试图片",            command=self.select_test_image,            font=("微软雅黑", 12),            bg="#4CAF50",            fg="white",            padx=20,            pady=10        )        select_btn.pack(pady=20)# 2. 图片显示标签        self.image_label = Label(self.root)        self.image_label.pack(pady=10)# 3. 识别结果显示标签        self.result_label = Label(            self.root,            text="人脸识别结果：请选择测试图片开始识别",            font=("微软雅黑", 10),            justify=tk.LEFT,            wraplength=700        )        self.result_label.pack(pady=10)if __name__ == "__main__":    root = tk.Tk()    app = FaceRecognitionApp(root)    root.mainloop()

三、项目功能说明

1. 人脸库加载：程序启动时自动扫描 face_database 文件夹，提取所有有效人脸图片的特征编码，存储在内存中用于后续比对。
2. 测试图片选择：通过GUI按钮打开文件选择对话框，支持 jpg/jpeg/png 格式图片。
3. 人脸检测与比对：
• 检测测试图片中的所有人脸位置（上下左右坐标）。
• 提取人脸128维特征编码，与人脸库中的特征进行相似度比对。
• 计算匹配距离，选择最相似的人脸作为识别结果，未知人员标注为“未知人员”。
4. 结果可视化：
• 用绿色矩形框标注检测到的人脸。
• 人脸下方标注识别出的姓名（未知人员标注为“未知人员”）。
• 在GUI中显示处理后的图片和文字版识别结果。

四、运行步骤与注意事项

1. 运行步骤

① 将上述代码保存为 main.py，放在项目文件夹根目录。 ② 在 face_database 文件夹中放入几张已知人员的人脸图片（命名为“姓名.jpg”，如“张三.jpg”）。 ③ 运行 main.py，程序启动后会提示人脸库加载结果。 ④ 点击“选择测试图片”，选择一张包含人脸的测试图片，等待识别完成，即可看到标注后的结果。

2. 关键注意事项

① dlib 安装是关键：如果直接 pip install dlib 失败，优先选择预编译包安装，对应Python版本和系统位数（如Python 3.10 + Windows 64位）。 ② 人脸图片质量：已知人脸和测试图片尽量选择正面、清晰、光线充足、无遮挡（无口罩、墨镜）的照片，提升识别准确率。 ③ 性能问题：该项目为桌面端原型，处理高分辨率图片可能较慢，适合个人小项目使用，不适合高并发场景。 ④ 异常处理：代码中包含了常见异常捕获（如无人脸、文件错误），方便新手排查问题。

五、项目扩展方向

1. 增加“添加人脸到数据库”功能，无需手动放入图片，直接通过GUI上传并保存。
2. 支持摄像头实时人脸识别（结合 cv2 捕获摄像头画面，转换为PIL格式后进行识别）。
3. 增加人脸相似度阈值设置，可调整识别严格程度（默认阈值为0.6，距离小于0.6判定为匹配）。
4. 保存识别记录到本地文件（如 txt 或 csv），方便后续查看。

该项目直接运行即可实现基础的人脸识别GUI功能，代码注释详细，方便你理解和修改。如果运行过程中遇到安装或功能问题，可以随时排查对应的依赖或图片格式问题。