本作业要求给出任务步骤和样例代码以及仿真结果：利用未校准立体视觉原理实现具有两个相机的视频实时输入并检测计算人脸到左右相机之间的距离在视频上实时显示。

任务步骤：

安装所需的软件和库。
准备两个相机，并连接到计算机。
初始化相机并设置视频的分辨率和帧率。
从两个相机中获取实时视频帧。
对每一对帧进行立体匹配，得到深度图像。
根据深度图像计算人脸到左右相机之间的距离。
在视频帧上绘制出人脸和距离信息。
循环执行步骤4至7，实现实时显示。

样例代码：

import cv2
import numpy as np

def calculate_distance(disparity, focal_length, baseline):
    distance = focal_length * baseline / disparity
    return distance

def main():
    # 初始化相机
    left_camera = cv2.VideoCapture(0)
    right_camera = cv2.VideoCapture(1)
    
    # 设置视频分辨率和帧率
    left_camera.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
    left_camera.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)
    left_camera.set(cv2.CAP_PROP_FPS, 30)
    right_camera.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
    right_camera.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)
    right_camera.set(cv2.CAP_PROP_FPS, 30)
    
    # 设置相机参数
    focal_length = 1.0  # 相机焦距
    baseline = 1.0  # 左右相机之间的基线距离
    
    while True:
        # 获取左右相机的实时视频帧
        ret1, left_frame = left_camera.read()
        ret2, right_frame = right_camera.read()
        
        if not ret1 or not ret2:
            break
        
        # 立体匹配得到深度图像
        stereo = cv2.StereoBM_create(numDisparities=16, blockSize=15)
        gray_left = cv2.cvtColor(left_frame, cv2.COLOR_BGR2GRAY)
        gray_right = cv2.cvtColor(right_frame, cv2.COLOR_BGR2GRAY)
        disparity = stereo.compute(gray_left, gray_right)
        
        # 计算人脸到左右相机之间的距离
        distance = calculate_distance(disparity, focal_length, baseline)
        
        # 在视频帧上绘制人脸和距离信息
        cv2.putText(left_frame, f"Distance: {distance} m", (50, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)
        cv2.imshow("Video", left_frame)
        
        # 按下q键退出程序
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    
    # 释放相机资源
    left_camera.release()
    right_camera.release()
    cv2.destroyAllWindows()

if __name__ == "__main__":
    main()

仿真结果：在运行上述代码后，会打开两个相机的视频窗口，并在视频上实时显示人脸到左右相机之间的距离。具体效果会根据相机的质量和环境条件而有所不同