### 开发环境准备 为了在 PyCharm 中使用 PyQt5 实现人脸身份识别项目，需要完成以下准备工作： 1. 安装必要的依赖库。确保已安装 `PyQt5` 和其他所需库，例如 `numpy`, `opencv-python`, 和 `dlib`[^1]。 2. 配置开发环境。推荐使用 Python 3.6 或更高版本，并在虚拟环境中管理依赖项。 以下是具体的依赖列表及其作用： - **PyQt5**: 提供 GUI 组件支持。 - **NumPy**: 处理图像数据矩阵运算。 - **OpenCV**: 图像处理和人脸检测的核心工具。 - **Dlib**: 负责提取人脸特征向量并计算相似度。 #### 示例代码：创建基础界面 ```python import sys from PyQt5.QtWidgets import QApplication, QMainWindow, QLabel, QPushButton, QVBoxLayout, QWidget from PyQt5.QtGui import QPixmap class MainWindow(QMainWindow): def __init__(self): super().__init__() self.setWindowTitle("人脸识别系统") layout = QVBoxLayout() # 添加标签组件用于显示图片 self.label_image = QLabel(self) pixmap = QPixmap("test.jpg") # 替换为实际路径 self.label_image.setPixmap(pixmap.scaledToWidth(300)) layout.addWidget(self.label_image) # 添加按钮触发事件 button_start = QPushButton("开始识别", self) button_start.clicked.connect(self.start_recognition) layout.addWidget(button_start) container = QWidget() container.setLayout(layout) self.setCentralWidget(container) def start_recognition(self): print("启动人脸识别逻辑...") # 此处调用人脸识别函数 pass if __name__ == "__main__": app = QApplication(sys.argv) window = MainWindow() window.show() sys.exit(app.exec_()) ``` 此代码定义了一个简单的窗口布局，包含一张测试图片以及一个“开始识别”的按钮。点击按钮后可以触发人脸识别逻辑[^3]。 --- ### 人脸识别核心流程 根据引用内容，人脸识别被划分为两个主要阶段：**提取人脸特征**和**人脸检测+计算欧氏距离**[^1]。 #### 使用 Dlib 提取人脸特征 Dlib 的预训练模型能够高效地提取人脸特征向量。以下是一个示例代码片段： ```python import dlib import cv2 import numpy as np def extract_face_features(image_path): detector = dlib.get_frontal_face_detector() # 加载人脸检测器 sp = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat") # 关键点预测器 facerec = dlib.face_recognition_model_v1("dlib_face_recognition_resnet_model_v1.dat") # 特征提取器 image = cv2.imread(image_path) gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) faces = detector(gray) if not faces: return None face = faces[0] shape = sp(gray, face) # 获取面部关键点 face_descriptor = facerec.compute_face_descriptor(image, shape) # 计算特征向量 return np.array(face_descriptor) # 测试用法 feature_vector = extract_face_features("liuyifei.jpg") print(feature_vector[:10]) # 打印前十个维度的特征值 ``` 该函数加载指定图片，利用 Dlib 模型提取其对应的人脸特征向量[^1]。 #### 基于 OpenCV 的人脸检测 对于快速的人脸定位，可以选择 OpenCV 自带的级联分类器。下面是一段简单的人脸检测代码： ```python def detect_faces(image_path): cascade_classifier = cv2.CascadeClassifier('lbpcascade_frontalface_improved.xml') image = cv2.imread(image_path) gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) faces = cascade_classifier.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30)) for (x, y, w, h) in faces: cv2.rectangle(image, (x, y), (x+w, y+h), (255, 0, 0), 2) cv2.imwrite("detected_faces.jpg", image) return faces faces_rects = detect_faces("test.jpg") print(f"Detected {len(faces_rects)} faces.") ``` 这段代码实现了基本的人脸框选功能，并保存带有标记的结果图。 --- ### 结合 PyQt5 显示结果 最后一步是将上述逻辑嵌入到 PyQt5 应用程序中。当用户点击“开始识别”按钮时，依次执行以下操作： 1. 调用 `detect_faces()` 方法获取目标区域； 2. 对每个检测到的脸部运行 `extract_face_features()` 并存储对应的特征向量； 3. 将最终结果显示回 UI 界面。 完整集成后的效果可以通过调整主窗体类来实现。 ---