一：dlib库踩的坑
Import dlib报错：
可是已经安装了dlib库：
尝试卸载在安装：
conda uninstall dlib命令失败：
改用pip uninstall dlib命令成功卸载：
重新安装：pip install dlib失败，报错，又试了几遍还是同样的错：
后来尝试：从 https://pypi.org/ 将dlib库下载到本地安装如下图，安装成功：
然而任然不能import：
经查，说是py36没有dlib库的稳定版本，一般装19.6.1就可以用，结果也报错：
将dlib-19.6.1版本的whl文件下载到本地安装，安装成功，import可行：
二：OpenCV库踩得坑：
报错截图：
提示代码：
success, img = camera.read()
#灰度化
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
后来得知：除了路径问题还有可能是摄像头ID没对！
打开摄像头代码如下：
camera = cv2.VideoCapture(0)
success,frame = camera.read()
这两行：
1、cap = cv2.VideoCapture(0)
VideoCapture()中参数是0，表示打开笔记本的内置摄像头，其他数字则代表其他设备；参数是视频文件路径则打开视频，如cap = cv2.VideoCapture(“../demo.mp4”)
2、ret,frame = cap.read()
cap.read()按帧读取视频，ret,frame是获cap.read()方法的两个返回值。其中ret是布尔值，如果读取帧是正确的则返回True，如果文件读取到结尾，它的返回值就为False。frame就是每一帧的图像，是个三维矩阵。
注：默认摄像头索引号为0，可是如果外接USB摄像头，它的索引号就不一定是0 ；另外，像我的笔记本自带摄像头索引传0一直报错，所以我先暴力破解一下摄像头的索引号，确认一下到底是不是0！代码如下：
import cv2
ID = 0
while(1):
camera = cv2.VideoCapture(ID)
success,frame = camera.read()
if success==False:
ID += 1
else:
print(ID)
break
打印的结果是700！！
将原来代码里的索引号替换后果然OK！
importcv2
ID=700
camera=cv2.VideoCapture(ID)
while(1):
success,frame=camera.read()
cv2.imshow("hello",frame)
if cv2.waitKey(1)&0xFF==ord('q'):
break
camera.release()
cv2.destroyAllWindows()
摄像头的索引号改成了700，代码能打开摄像头了，但是窗口一片漆黑！如下：
——重启解决了问题，不过此后又出现了这个情况，后来才发现是我在某软件中设置了关于摄像头的安全规则——不允许非法打开摄像头，我先扶墙缓缓。
代码如下：
"""
通过摄像头检测并标记人脸
"""
import cv2
# 加载人脸特征库
face_engine = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
# 加载人眼特征库
eye_engine = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_eye.xml')
# 打开摄像头，700是摄像头索引号（0表示默认摄像头）
camera = cv2.VideoCapture(700)
while(True):
# 读取一帧的图像
success, img = camera.read()
# 灰度化
# img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 检测人脸：1.3是放大比例（此参数必须大于1）；13是重复识别次数（此参数用来调整精确度，越大则越精确）
faces = face_engine.detectMultiScale(img, scaleFactor=1.3, minNeighbors=13)
# 对每一张脸，进行以下操作
for (x, y, w, h) in faces:
# 用矩形框出人脸：BGR色彩体系；2表示画笔宽度
cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2) # 用矩形圈出人脸
# 记录下脸部位置，作为识别眼睛的区域范围
face_area = img[y:y + h, x:x + w]
# 在记录下的脸部区域识别人眼
eyes = eye_engine.detectMultiScale(face_area)
# 对每一个识别出的人眼，进行以下操作
for (xe, ye, we, he) in eyes:
cv2.rectangle(face_area, (xe, ye), (xe + we, ye + he), (0, 255, 0), 1)
cv2.imshow('Face Recognition', img)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# 关闭摄像头
camera.release()
# 关闭所有窗口
cv2.destroyAllWindows()
三：实现人脸识别
项目详见GitHub地址。具体功能：支持从照片、视频文件、摄像头获取人脸数据；支持自己训练模型；支持识别照片、视频文件、摄像头中的人脸。
GitHub：https://github.com/PanWeiw/CNN_FacesRecognition.git
项目环境：详见requirements.txt文件；
项目结构如图：
注：
1. dataset文件夹是数据集；
2. MyModel文件夹存放训练的模型问价；
3. model_test文件夹是测试模型时，存放待测照片、视频所用；
4. my_faces 和 MySource_faces文件夹是测试采集人脸数据集时所用的。
5. 采集人脸数据集：
从照片采集：faces_from_Photo.py
从视频文件采集：faces_from_Video.py
从摄像头采集：faces_from_Camera.py
加载照片的函数：read_img.py
6. 处理照片并加载标签:load_dataset.py
7. 构建并训练模型:train_model.py
处理数据集的函数：dataSet.py
8. 模型测试
识别照片中的人脸：Recognize_From_Photo.py、Recognize_From_Photo(2).py
识别视频文件中的人脸：Recognize_From_Vedio.py
识别摄像头中的人脸：Recognize_From_Camera.py