使用opencv haar cascades级联检测器识别人脸，使用opencv facemark LBF识别人脸关键点。

1. 在本地电脑新建一个目录(如face_recognition_demo)，用来存放新的python项目。创建完成后进入该目录。
   mkdir face_recognition_demo
   cd face_recognition_demo
2. 为新的python项目建立一个python虚拟环境（在.venv子目录下），并激活。
   python3 -m venv .venv
   source .venv/bin/activate
   激活虚拟环境后，.venv/bin这个目录会加入PATH环境变量的头部，这个目录下包含python, pip等命令。所以后面执行python或pip命令时，就会执行虚拟环境下bin目录里对应的命令。
   如果想关闭虚拟环境，在项目根目录执行：deactivate。
3. 安装依赖包，准备facemark LBF模型文件，准备人脸照片。
   pip install opencv-contrib-python
   注意：opencv-contrib-python已经包含了opencv核心，所以不需要再安装opencv-python包。2个都安装会造成重复。
   新建model子目录，将lbfmodel.yaml放入其中。
   将人脸照片（这里命名为face9.jpeg），放到项目根目录。
4. 启动VScode，打开上面的python项目的根目录。新建1个python文件（这里文件名为demo.py）。
   以下列出代码。顺便说一下obsidian里关于代码块的注意事项：
   （1）obsidian里，代码块用3个反引号开始，后面紧跟编程语言的名字（如python），用3个反引号结束。
   （2）粘贴代码到代码块时，如果想保留原先代码里的缩进，粘贴时按住 Command + Shift + V (MacOS系统) 或 Control + Shift + V (windows系统)。

from pathlib import Path

import cv2


def resolve_haarcascade(base_dir: Path) -> str:
    candidates = []

    if hasattr(cv2, "data") and hasattr(cv2.data, "haarcascades"):
        candidates.append(Path(cv2.data.haarcascades) / "haarcascade_frontalface_alt2.xml")

    cv2_root = Path(cv2.__file__).resolve().parent
    print(f"cv2_root:{cv2_root}")
    
    candidates.extend(
        [
            base_dir / "haarcascade_frontalface_alt2.xml",
            Path("/opt/homebrew/Cellar/opencv/4.13.0_10/share/opencv4/haarcascades/haarcascade_frontalface_alt2.xml"),
            cv2_root / "data" / "haarcascade_frontalface_alt2.xml",
            cv2_root.parent.parent.parent / "share" / "opencv4" / "haarcascades" / "haarcascade_frontalface_alt2.xml",
        ]
    )

    for candidate in candidates:
        if candidate.exists():
            return str(candidate)

    raise FileNotFoundError(
        "Cannot find haarcascade_frontalface_alt2.xml. "
        "Download it from https://raw.githubusercontent.com/opencv/opencv/4.x/data/haarcascades/haarcascade_frontalface_alt2.xml "
        "and place it next to demo.py."
    )


def main() -> None:
    base_dir = Path(__file__).resolve().parent
    image_path = base_dir / "face9.jpeg"
    model_path = base_dir / "model" / "lbfmodel.yaml"
    output_path = base_dir / "face9_landmarks.jpg"

    image = cv2.imread(str(image_path))
    if image is None:
        raise FileNotFoundError(f"Cannot read image: {image_path}")

    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    cascade_path = resolve_haarcascade(base_dir)
    detector = cv2.CascadeClassifier(cascade_path)
    if detector.empty():
        raise RuntimeError(f"Failed to load Haar cascade: {cascade_path}")

    faces = detector.detectMultiScale(
        gray,
        scaleFactor=1.1,
        minNeighbors=5,
        minSize=(80, 80),
    )
    if len(faces) == 0:
        raise RuntimeError("No face detected in face4.jpeg")

    facemark = cv2.face.createFacemarkLBF()
    facemark.loadModel(str(model_path))

    ok, landmarks = facemark.fit(gray, faces)
    if not ok:
        raise RuntimeError("Facemark fitting failed")

    for (x, y, w, h), face_landmarks in zip(faces, landmarks):
        cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)
        # for px, py in face_landmarks[0]:
        #     cv2.circle(image, (int(px), int(py)), 2, (0, 0, 255), -1)
        for i, (px, py) in enumerate(face_landmarks[0]):
            x, y = int(px), int(py)
            cv2.circle(image, (x, y), 2, (0, 0, 255), -1)
            cv2.putText(image, str(i), (x + 2, y - 2),
                cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 0), 1)

    cv2.imwrite(str(output_path), image)

    print(f"Detected {len(faces)} face(s)")
    print(f"Saved result to: {output_path}")


if __name__ == "__main__":
    main()

5. 运行程序。
   在虚拟环境已经激活的情况下（如未激活，则需要执行上面提及的source命令），在终端或命令行中，在项目的根目录下，执行：python demo.py
   目录下会生成一张标记人脸及人脸关键点的图片。人脸用绿色方框标出，人脸关键点用红色圆点标出，每个关键点会标出序号，从0～67。因为我们使用的是人脸68点标记。