Python百行代码实现人脸识别,手摸手教你打造私人门禁系统

以前我们提到“人脸识别”，很多人的第一反应是：

调用百度AI接口。 

调用腾讯云人脸识别。 

买一套商业门禁系统。

但是对于程序员来说，总感觉少了一点参与感。

毕竟：

调用一个接口，只能证明你会调用接口。

真正有意思的是：

能不能自己写一个简单的人脸识别系统？

答案是：

可以。

而且并没有想象中那么复杂。

今天我们就使用 Python + OpenCV + face_recognition，实现一个完整的人脸识别 Demo：

它具备两个功能：

1. 录入人脸信息
2. 打开摄像头实时识别人脸

最终效果：

打开摄像头后：

• 如果检测到已经注册的人脸
• 系统会显示用户姓名
• 标记绿色识别框

如果是不认识的人：

• 标记红色框
• 显示 Unknown Person

整个过程：

不需要调用任何云服务。

所有计算：

都发生在你的电脑本地。

实现原理简单介绍

在开始写代码之前，我们先了解一下人脸识别到底是怎么工作的。

很多初学者可能认为：

人脸识别是不是拿照片直接比较？

实际上不是。

现代人脸识别大概分为几个步骤：

第一步：检测人脸

首先需要知道：

图片里面哪里有人脸。

比如：

+----------------+|                ||     人脸       ||                |+----------------+

这一步叫：

Face Detection。

第二步：提取人脸特征

找到人脸以后：

AI模型会把这张脸转换成一个数字向量。

例如：

[0.124,-0.532,0.332,...]

这个过程叫：

Face Embedding。

简单理解：

就是给每个人生成一个“数字身份证”。

张三：

[0.23,0.54,0.12]

李四：

[0.87,0.21,0.66]

两个人的数据天然不同。

第三步：计算相似度

当摄像头再次拍到人脸：

系统会：

1. 提取当前人脸特征
2. 和数据库里面保存的数据比较

例如：

当前人脸:[0.23,0.54,0.12]数据库:张三:[0.24,0.53,0.11]距离很近=> 判断为张三

这就是整个识别流程。

环境准备

本文代码基于 Python。

建议环境：

• Python 3.9+
• Windows / MacOS / Linux 均可

项目结构：

face-demo├── face_demo.py├── face.jpg├── alex.pkl└── Pipfile

其中：

.pkl

文件就是保存的人脸特征数据。

废话不多说，我们直接上干货。

文中提供了全部代码，你完全可以将代码拷贝过去，直接运行。

这个 demo 片段代码依赖四个核心库，你可以使用 pip 或者 pipenv 进行安装（当然也可以用最近贼火的 uv）

反正，目的只有一个，把下面的库安装好，就完事儿～

uv add face_recognition opencv-python numpy dlib

专业避坑：

这里的 dlib 库是真正的幕后大佬，但它在Windows系统下直接 pip install 极大概率会报错。为什么？因为它需要编译C++代码。

Windows用户： 在安装 dlib 之前，你需要先安装 CMake，并且在电脑上安装 Visual Studio C++ Build Tools 然后再执行安装命令，应该就能丝滑成功。

Mac/Linux用户：基本上直接安装即可，非常友好。

源码奉上

准备好环境后，新建一个 Python 文件（比如 face_door.py），把下面的代码复制进去。为了方便大家阅读，基本上我都写了比较详细的注释，大家认真看看基本上问题就

import cv2import face_recognitionimport numpy as npimport pickleimport os# ===================================================# 一、录入人脸函数# ===================================================defregister_face(img_path, name):"""    从指定图片中检测人脸，并保存人脸特征向量    :param img_path: 人脸照片路径（尽量纯色背景，五官清晰）    :param name: 用户姓名（用于文件名保存，建议不要用中文字符）    """# 读取图片    img = face_recognition.load_image_file(img_path)# 提取人脸特征（也就是传说中的 128维 embedding 向量）    encodings = face_recognition.face_encodings(img)if len(encodings) > 0:# 现实情况一张图可能有多个脸，这里我们简单粗暴只取第一张人脸        known_encoding = encodings[0]# 使用 pickle 将特征向量序列化保存为本地文件        data = {"name": name, "encoding": known_encoding}with open(f"{name}.pkl", "wb") as f:            pickle.dump(data, f)        print(f"[SUCCESS] 人脸注册成功：{name}.pkl 已保存。")else:        print("[ERROR] 未检测到人脸，请使用清晰正面照。")# ===================================================# 二、实时人脸识别函数# ===================================================defrecognize_face():"""    打开摄像头实时识别人脸，与已注册人脸进行比对    """# 检查当前目录下是否有注册过的人脸特征文件    pkl_files = [f for f in os.listdir() if f.endswith(".pkl")]ifnot pkl_files:        print("[ERROR] 未找到注册人脸文件，请先调用 register_face() 注册人脸。")return# 将所有注册过的人脸特征加载到内存中    known_faces = []for file in pkl_files:with open(file, "rb") as f:            known_faces.append(pickle.load(f))    print(f"[INFO] 已加载 {len(known_faces)} 个已注册人脸。")# 打开摄像头# 【专业提示】：0 通常代表笔记本自带的内置摄像头，1 代表外接的USB摄像头。# 如果运行后摄像头没亮或者报错，请把这里的 1 改成 0 试试！    cap = cv2.VideoCapture(1)ifnot cap.isOpened():        print("[ERROR] 无法打开摄像头，请检查设备。")return    print("[CAMERA] 摄像头已开启，按 'q' 退出。")    recognition_status = ""# 当前识别状态whileTrue:        ret, frame = cap.read()ifnot ret:break# OpenCV 默认读取的格式是 BGR，而 face_recognition 需要 RGB 格式# 所以必须做一次色彩空间转换，否则识别率会大打折扣        rgb_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)# 定位画面中的所有人脸位置        face_locations = face_recognition.face_locations(rgb_frame)# 提取画面中所有人脸的特征向量        face_encodings = face_recognition.face_encodings(rgb_frame, face_locations)        recognized = False# 标志：是否有人脸匹配成功# 遍历画面中检测到的每一张人脸for (top, right, bottom, left), face_encoding in zip(face_locations, face_encodings):            name = "Unknown Person"# 默认未知访客            color = (0, 0, 255)  # 红色画框代表不认识、警告# 拿画面中的脸，和我们库里注册过的脸挨个比对for known in known_faces:# tolerance=0.5 是容错率。数字越小越严格（默认0.6）。# 调成0.5可以有效防止把长得像的人误认。                result = face_recognition.compare_faces([known["encoding"]], face_encoding, tolerance=0.5)# 计算人脸距离，距离越小越相似                distance = face_recognition.face_distance([known["encoding"]], face_encoding)if result[0]:# 匹配成功！                    name = f"{known['name']} Bingo! Similarity: {1 - distance[0]:.2f}"                    color = (0, 255, 0) # 绿色代表放行                    recognized = Truebreak# 使用 OpenCV 绘制识别框与名字# 【专业提示】：cv2.putText 默认不支持中文，强行输入中文会变成问号。# 这也是为什么这里的提示语我都用了英文。            cv2.rectangle(frame, (left, top), (right, bottom), color, 2)            cv2.putText(frame, name, (left, top - 10),                        cv2.FONT_HERSHEY_SIMPLEX, 0.9, color, 2)# =======================# 状态提示区（左上角文字显示）# =======================if len(face_locations) == 0:            recognition_status = "no check face"            color = (0, 255, 255) # 黄色提示elif recognized:            recognition_status = "success"            color = (0, 255, 0)            print("[SUCCESS] 人脸识别成功，身份验证通过。")else:            recognition_status = "fail"            color = (0, 0, 255)            print("[ERROR] 未匹配到已注册人脸。")# 将当前状态渲染在画面左上角        cv2.putText(frame, recognition_status,                    (50, 50), cv2.FONT_HERSHEY_SIMPLEX,1.0, color, 2)        cv2.imshow("Face Recognition Demo", frame)# 监听键盘，按下小写字母 q 退出死循环if cv2.waitKey(1) & 0xFF == ord('q'):break# 释放资源    cap.release()    cv2.destroyAllWindows()# ===================================================# 三、主程序入口# ===================================================if __name__ == "__main__":# 【第一步】：找一张你自己的清晰正脸照，命名为 face.jpg 放在代码同级目录下。# 然后取消下面这行代码的注释，运行一次程序，完成“人脸录入”。# 录入成功后，你会看到目录多了一个 zhangsan.pkl 文件，这时候可以把这行代码重新注释掉。# register_face("face.jpg", "zhangsan")# 【第二步】：确保已经生成了 .pkl 文件后，运行下面这个函数。# 你的摄像头就会亮起，把脸凑过去，见证奇迹的时刻就到了。    recognize_face()# 【附加功能】：如果你不知道自己的摄像头编号，取消下面这段注释运行一下。# 它会帮你测试并打印出哪些摄像头是可用的。# for i in range(4):#     print(f"测试摄像头 {i} ...")#     cap = cv2.VideoCapture(i)#     if cap.isOpened():#         print(f"[SUCCESS] 摄像头 {i} 可用")#         cap.release()

好了，上面就是所有的源码了，当然，上面的代码距离工业使用上还有很多地方需要优化的，比如：人脸数据库存储呀，多人脸识别，活体检测什么的，但这对于大家想跑跑 demo ，想了解人脸识别是怎么做的，应该还是足够了。

希望你玩得愉快～