人脸编码存储至数据库/文件后，调用face_recognition.compare_faces报错求助

报错根源 #

从报错信息 numpy.core._exceptions._UFuncNoLoopError: ufunc 'subtract' did not contain a loop with signature matching types (dtype('float64'), dtype('<U1558')) -> None 可以明确：
你从文件/MongoDB取出的人脸编码x是字符串类型（dtype('<U1558')表示Unicode字符串），但新生成的编码encode是float64类型的numpy数组，两者无法执行减法运算（face_distance内部会做数组减法），导致报错。

核心解决步骤 #

1. 修正人脸编码的存储逻辑 #

存储时必须保存原始的numpy数组（或可还原为数组的结构），不能将编码转成字符串存储：

# 正确的存储示例（pickle方式）
import pickle
import face_recognition

# 生成并保存编码
image = face_recognition.load_image_file("IMAGES/UTKARSH RAI.jpg")
encode = face_recognition.face_encodings(image)[0]
data = {"enc": [encode]}
with open("Encodings/encodings.pickle", "wb") as f:
    pickle.dump(data, f)

如果用MongoDB存储：

• 存储时将numpy数组转为列表：encode.tolist()
• 读取后再转回numpy数组：np.array(读取到的列表, dtype=np.float64)

2. 修正读取代码的类型转换 #

在读取后强制将x转为float64类型的numpy数组，确保和新编码类型匹配：

import pickle
import cv2,face_recognition
import numpy as np

enc=[]
with open("Encodings/encodings.pickle", "rb") as openfile:
    x = pickle.load(openfile)
x = x["enc"][0]
# 强制转换为float64数组，确保类型正确
x = np.array(x, dtype=np.float64)
# 可以打印类型确认：print(type(x), x.dtype) 应输出 <class 'numpy.ndarray'> float64

image = cv2.imread("IMAGES/UTKARSH RAI.jpg")
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
encode = face_recognition.face_encodings(image)[0]

enc.append(encode)

com = face_recognition.compare_faces(enc,x)
dis = face_recognition.face_distance(enc,x)

print(dis)

关键注意事项 #

• 存储人脸编码时，绝对不要将numpy数组转为字符串（比如用str(encode)），否则读取后无法还原为可运算的数值数组。
• 若使用MongoDB，避免直接存储numpy数组（MongoDB不原生支持），转成列表后存储是稳妥方案。

内容的提问来源于stack exchange，提问作者user7294879