face_recognition停止时触发KeyboardInterrupt报错问题排查

该报错不属于业务逻辑错误，是手动终止程序时触发的标准中断异常，具体触发逻辑：

• 你的代码通过while True无限循环实现实时人脸识别，循环内第73行调用的face_recognition.face_encodings()是CPU密集型操作，底层依赖dlib库完成128维人脸特征计算，单次执行有固定耗时
• 当你通过Ctrl+C、IDE停止按钮等方式手动终止程序时，系统会向Python进程发送KeyboardInterrupt中断信号，如果信号送达时程序正好在执行人脸编码计算、尚未走完单次循环流程，解释器就会在当前执行的代码位置抛出中断，打印对应的栈追踪信息
• 程序运行阶段功能完全正常，已经可以证明人脸识别的业务逻辑没有问题，这个报错仅会在手动强制终止时出现，不影响功能实际运行效果。

• 捕获中断信号实现优雅退出（推荐）
  将主循环逻辑包裹在异常捕获块中，拦截KeyboardInterrupt信号，完成摄像头资源释放后正常退出，不会抛出红色错误栈，参考代码：

  import cv2
  import face_recognition
  
  # 原有初始化逻辑
  cap = cv2.VideoCapture(0)
  try:
      while True:
          success, img = cap.read()
          if not success:
              break
          imgS = cv2.resize(img, (0,0), None, 0.25, 0.25)
          imgS = cv2.cvtColor(imgS, cv2.COLOR_BGR2RGB)
      
          facedetectionFrame = face_recognition.face_locations(imgS)
          encodecurFrame = face_recognition.face_encodings(imgS, facedetectionFrame)
          # 原有后续人脸匹配、结果绘制、画面展示等逻辑
  except KeyboardInterrupt:
      # 拦截手动终止信号，不抛出异常栈
      pass
  finally:
      # 统一释放资源
      cap.release()
      cv2.destroyAllWindows()
  

• 优化识别逻辑降低计算耗时
  调用face_encodings时保持num_jitters参数为默认值1，该参数控制编码时的图像重采样次数，数值越高计算耗时越长；另外可以设置隔帧检测（比如每2-3帧做一次人脸定位和编码），既能降低CPU占用，也能减少中断信号命中计算环节的概率。
• 不推荐的临时方案：运行脚本时重定向错误输出到空设备，直接屏蔽所有错误打印，该方式会同时掩盖代码本身的真实运行报错，排查问题时很难定位故障。

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