1、使用 OpenCV 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
importcv2ascv

defface_detect():
#处理图片灰度，减少通道的颜色
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)

forx,y,w,hinface:#坐标及宽度高度
cv.rectangle(img,(x,y),(x+w,y+h),color=(0,255,0),thickness=2)
#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，需要指定参数进行识别。

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；

minSizemaxSize：目前检测区域的最小面积。

#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')