1、使用 OpenCV 进行人脸检测加载图像并检测人脸，在原始图像的人脸周围绘制矩形框。

# 人脸检测
import cv2 as cv

def face_detect():
    # 将图片灰度处理，降低色彩的通道
    gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    # 加载特征数据
    face_detector = cv.CascadeClassifier('D:/Python/opencv/sources/data
    /haarcascades/haarcascade_frontalface_default.xml')
    face = face_detector.detectMultiScale(gray)

    for x, y, w, h in face:  # 坐标及宽度高度
        cv.rectangle(img, (x, y), (x+w, y+h), color=(0, 255, 0), thickness=2)  
        # img所画图片，坐标，颜色，宽度
    # 显示
    cv.imshow('result', img)


# 加载图片
img = cv.imread('lena.jpg')

# 人脸检测
face_detect()

cv.waitKey(0)

cv.destroyAllWindows()

2、当图片中人数较多时，识别需要指定参数。

限定识别范围参数：

scaleFactor(比例因子)：图片缩放多少；

minNeighbors：至少检测多少次；

minSize maxSize：当前检测区域的最大最小面积。

# 将照片灰度
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 加载特征数据
face_detector = cv.CascadeClassifier('D:/Python/opencv/sources/data/haarcascades
/haarcascade_frontalface_default.xml')