使用face-recognition库开发考勤系统时图片编码报错求助

错误根源 #

face_recognition.face_encodings(img)返回空列表，意味着当前图片未检测到人脸，或者图片读取失败导致无法处理。常见触发场景：

• 图片无清晰人脸（遮挡、模糊、角度极端）
• cv2.imread读取失败（路径错误、文件损坏，此时img为None）
• face_recognition依赖的dlib库与Python 3.7.6存在兼容性冲突

分步解决方案 #

1. 先添加容错处理，避免程序崩溃 #

修改findEncodings函数，增加图片有效性和人脸检测结果的校验：

def findEncodings(imagesList):
    encodeList = []
    for idx, img in enumerate(imagesList):
        # 检查图片是否读取成功
        if img is None:
            print(f"警告：第{idx}张图片读取失败，跳过编码")
            continue
        img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
        encodes = face_recognition.face_encodings(img)
        # 检查是否检测到人脸
        if len(encodes) > 0:
            encodeList.append(encodes[0])
        else:
            print(f"警告：第{idx}张图片（对应ID：{studentIds[idx]}）未检测到人脸，跳过编码")
    return encodeList

2. 排查图片与路径问题 #

• 检查Images文件夹内的图片：确保所有图片包含清晰正面人脸，无严重遮挡、模糊
• 验证文件路径：打印os.path.join(folderPath, path)，确认路径正确、文件存在且未损坏
• 确认文件格式：仅保留jpg/png等face_recognition支持的图片格式

3. 修复Python 3.7.6兼容性问题 #

face_recognition在Python 3.7环境下需要匹配特定版本的依赖：

• 卸载现有冲突包：

  pip uninstall -y dlib face_recognition
  

• 安装适配Python 3.7的dlib版本：

  pip install dlib==19.21.1
  

• 重新安装face_recognition：

  pip install face_recognition
  

4. 可选：图片预处理提升检测成功率 #

对部分难检测的图片，可添加预处理步骤：

# 在颜色转换前加入预处理
img = cv2.resize(img, (0,0), fx=0.5, fy=0.5)  # 缩小图片加快检测速度
img = cv2.GaussianBlur(img, (5,5), 0)  # 降噪提升人脸辨识度

内容的提问来源于stack exchange，提问作者Abemelek Ermias