看起来你在OpenCV人脸识别开发中踩了几个常见的坑，我帮你逐一排查并修复这些问题：

核心问题分析 #

1. 未实例化具体的人脸识别器
   你写的recognizer = cv2.face只是引用了OpenCV的人脸模块，并没有创建实际可用的识别器对象。OpenCV提供了几种成熟的人脸识别器（LBPH、EigenFace、FisherFace），必须先实例化其中一个才能调用相关方法。

2. 加载训练数据的方法名错误
   loadTrainingData不是OpenCV识别器的标准方法，正确加载训练好的yml文件的方法是read()。

3. 人脸预测时参数缺失
   代码里的Id, ...没有完整调用识别器的预测逻辑，你需要调用predict()方法，它会返回两个关键值：识别到的用户ID和匹配置信度（置信度越低，代表人脸匹配度越高）。

修正后的完整代码 #

import cv2
import numpy as np

# 1. 实例化LBPH人脸识别器（最常用，适配多数场景；可替换为EigenFace/FisherFace）
recognizer = cv2.face.LBPHFaceRecognizer_create()
# 2. 使用标准read()方法加载训练数据
recognizer.read('trainer/example.yml')

cascadePath = "haarcascade_frontalface_default.xml"
faceCascade = cv2.CascadeClassifier(cascadePath)
cam = cv2.VideoCapture(1)
font = cv2.FONT_HERSHEY_SIMPLEX

while True:
    ret, im = cam.read()
    if not ret:
        break  # 处理摄像头读取失败的异常情况
    gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
    faces = faceCascade.detectMultiScale(gray, 1.3, 5)
    
    for (x, y, w, h) in faces:
        cv2.rectangle(im, (x, y), (x+w, y+h), (225, 0, 0), 2)
        # 3. 提取人脸区域并调用predict获取完整返回值
        roi_gray = gray[y:y+h, x:x+w]
        Id, confidence = recognizer.predict(roi_gray)
        
        # 可选：根据置信度过滤匹配结果（示例阈值为50，可按需调整）
        if confidence < 50:
            cv2.putText(im, str(Id), (x+5, y-5), font, 1, (255, 255, 255), 2)
        else:
            cv2.putText(im, "Unknown", (x+5, y-5), font, 1, (255, 255, 255), 2)
    
    cv2.imshow('Face Recognition', im)
    # 按ESC键退出识别循环
    if cv2.waitKey(10) & 0xFF == 27:
        break

# 释放硬件资源与窗口
cam.release()
cv2.destroyAllWindows()

额外说明 #

• 如果你的训练数据是用EigenFace或FisherFace生成的，只需把LBPHFaceRecognizer_create()替换为EigenFaceRecognizer_create()或FisherFaceRecognizer_create()即可。
• 置信度阈值可根据实际场景调整：LBPH识别器的置信度通常低于50代表匹配度极高，高于100则基本可判定为未知人脸。
• 代码中加入了摄像头读取失败的判断和资源释放逻辑，避免程序异常崩溃或资源泄漏。

内容的提问来源于stack exchange，提问作者Ryan Liao