opencv人脸识别实战2：刷脸功能（PyCharm实现）

函数首先循环遍历已训练好的人脸模型。

对每个模型，执行多次扫描以提高准确性。

在每次扫描中，使用摄像头读取图像，并将其转换为灰度图像。

使用人脸识别器检测图像中的人脸。

对于每张检测到的人脸，通过分类器的预测函数获取标签和置信度。

如果置信度低于一定阈值（confidence），即可识别已训练的对象，则输出姓名和置信度信息。

根据不同的置信度范围，确定是否可以识别该人脸。

最后，根据平均识别结果决定是否认定为合法用户。如果有大部分扫描结果是可行的，则返回相应的标签；否则返回0表示无法识别。

def scan_face():
    for i in range(Total_face_num):  
        i += 1
        yml = str(i) + ".yml"
        print("\n本次:" + yml)  
        recognizer.read(yml)
        ave_poss = 0
        for times in range(10):  
            times += 1
            cur_poss = 0
            global success
            global img
            global system_state_lock
            while system_state_lock == 2:  
                print("\r刷脸被录入面容阻塞", end="")
                pass
            success, img = camera.read()
            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
            # 识别人脸
            faces = face_cascade.detectMultiScale(
                gray,
                scaleFactor=1.2,
                minNeighbors=5,
                minSize=(int(W_size), int(H_size))
            )
            for (x, y, w, h) in faces:
                while system_state_lock == 2:  
                    print("\r刷脸被录入面容阻塞", end="")
                    pass
                cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)# 这里调用Cv2中的rectangle函数 在人脸周围画一个矩形
                # 调用分类器的预测函数，接收返回值标签和置信度
                idnum, confidence = recognizer.predict(gray[y:y + h, x:x + w])
                conf = confidence
                if confidence  conf > 0:
                    cur_poss = 1 
                elif 60 > conf > 35:
                    cur_poss = 1  
                else:
                    cur_poss = 0  
            k = cv2.waitKey(1)
            if k == 27:
                cv2.destroyAllWindows()
                break
            ave_poss += cur_poss
        if ave_poss >= 5:  
            return i
    return 0