Python全局变量声明报错‘Statement expected’的解决方法咨询

错误原因 #

你遇到的Statement expected, found Py:EQ错误，核心原因是Python不允许在global声明语句中直接执行赋值操作。global关键字仅用于标记变量属于全局作用域，不能和赋值逻辑写在同一行。

修复步骤 #

1. 拆分全局声明与赋值语句 #

把报错的第53行代码：

global id, confidence = recognizer.predict(faceimage)

拆分为两行独立代码：

# 先声明变量为全局作用域
global face_id, confidence
# 再执行赋值操作
face_id, confidence = recognizer.predict(faceimage)

注意：将id改为face_id，因为id是Python内置函数，用它做变量名会覆盖内置功能，引发潜在逻辑冲突。

2. 修正代码中的拼写错误 #

你的代码存在变量名大小写/拼写不一致的问题，会导致额外报错：

• 将GrayImage改为grayimage（与前面定义的灰度图变量名统一）
• 将greyimage改为grayimage（保持拼写一致性）

3. 调整microFacialExpressions函数的逻辑问题 #

原函数中return warning放在while循环内部，会导致函数第一次执行就直接返回，无法持续处理视频帧。同时函数参数recognizer, width, height被内部重新赋值，完全可以删除。修改后的函数示例：

def microFacialExpressions():
    font = cv2.FONT_HERSHEY_COMPLEX_SMALL
    detectorFace = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
    camera = cv2.VideoCapture(0)
    recognizer = cv2.face.EigenFaceRecognizer_create()
    recognizer.read("classifierEigen.yml")
    width, height = 220, 220
    warning = ""
    while(True):
        connected, image = camera.read()
        # 灰度转换
        grayimage = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
        facesDetected = detectorFace.detectMultiScale(grayimage, scaleFactor=1.5, minSize=(100, 100))
        for (x, y, l, a) in facesDetected:
            faceimage = cv2.resize(grayimage[y:y + a, x:x + l], (width, height))
            cv2.rectangle(image, (x, y), (x + l, y + a), (0,0,255), 2)
            global face_id, confidence
            face_id, confidence = recognizer.predict(faceimage)
            # 根据ID判断提示信息
            if face_id == 1:
                warning="Safe to exit"
            else:
                warning = "Hostile area"
            cv2.putText(image, warning, (x,y +(a+30)), font, 2, (0,0,255))
        cv2.imshow("Facial Recognition", image)
        if cv2.waitKey(1) == ord("q"):
            break
    camera.release()
    return warning

4. 确保全局变量在主循环中可访问 #

主循环中使用face_id时，要先调用microFacialExpressions函数初始化全局变量，否则会出现变量未定义的错误。可以在主循环前启动面部识别逻辑，或者通过多线程实现并行处理。

额外优化建议 #

• 减少全局变量依赖：可以用类封装面部识别的状态和逻辑，通过实例属性传递数据，比全局变量更易维护。
• 处理边界情况：当未检测到人脸时，给warning设置默认值，避免cv2.putText报错。

内容的提问来源于stack exchange，提问作者RAFAEL HSL