pyhon opencv 怎么做到新增人脸

要新增人脸，需要进行以下步骤：

1. 获取一张新的人脸图片，在本地或者在线下载都可以。
2. 读取已有的人脸数据集，如果没有则需要先创建一个空的数据集。
3. 使用OpenCV中的人脸检测器（如Haar特征分类器）对新的人脸图片进行检测，确保它是一个人脸。
4. 对检测到的人脸进行裁剪，保留人脸部分。
5. 对裁剪后的人脸图片进行预处理，如灰度化、直方图均衡化等操作。
6. 使用OpenCV中的人脸识别器（如Eigenfaces、Fisherfaces、LBPH等）对预处理后的人脸图片进行特征提取和训练。
7. 将训练后得到的特征模型保存到数据集中，作为新增的人脸数据。

示例代码：

import cv2
import os

# 读取已有的人脸数据集
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
if os.path.exists('faces.yml'):
    recognizer = cv2.face.LBPHFaceRecognizer_create()
    recognizer.read('faces.yml')
    labels = []
    with open('labels.txt', 'r') as f:
        for line in f.readlines():
            labels.append(int(line.strip()))
else:
    recognizer = cv2.face.LBPHFaceRecognizer_create()
    labels = []

# 获取新的人脸图片
new_face = cv2.imread('new_face.jpg')

# 使用人脸检测器检测人脸
gray = cv2.cvtColor(new_face, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

# 如果检测到人脸，则进行预处理和训练
if len(faces) > 0:
    x, y, w, h = faces[0]
    face_roi = gray[y:y+h, x:x+w]
    face_roi = cv2.resize(face_roi, (200, 200))
    face_roi = cv2.equalizeHist(face_roi)
    label = len(labels) + 1
    recognizer.update([face_roi], [label])
    labels.append(label)

# 保存数据集
recognizer.write('faces.yml')
with open('labels.txt', 'w') as f:
    for label in labels:
        f.write(str(label) + '\n')

注意：此示例仅适用于LBPH人脸识别器，其他识别器可能需要不同的代码实现。此外，建议在多次训练后定期保存数据集，以免数据丢失