概述：

OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库

为什么有OpenCV？ 计算机视觉市场巨大而且持续增长，且这方面没有标准API，如今的计算机视觉软件大概有以下三种：
1、研究代码（慢，不稳定，独立并与其他库不兼容）
2、耗费很高的商业化工具（比如Halcon, MATLAB+Simulink）
3、依赖硬件的一些特别的解决方案（比如视频监控，制造控制系统，医疗设备）这是如今的现状，而标准的API将简化计算机视觉程序和解决方案的开发，OpenCV致力于成为这样的标准API。
OpenCV致力于真实世界的实时应用，通过优化的C代码的编写对其执行速度带来了可观的提升，并且可以通过购买Intel的IPP高性能多媒体函数库（Integrated
Performance
Primitives）得到更快的处理速度。右图为OpenCV与当前其他主流视觉函数库的性能比较。
-------百度百科

所以说opencv就是做图像处理的，而我们要实现的人脸识别，opencv库是必不可少的。
原理：opencv是以图片中心为初始点，以一个缩放因子进行慢慢的缩放，在范围内进行识别，缩放因子必须适宜，太大可能会导致识别不出来

1、下载库

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python

2、引入依赖

opencv的引入不是直接引入opencv，而是引入cv2

import cv2

3、代码

my = cv2.imread('img/my.jpg')
face_detector = cv2.CascadeClassifier("haarcascade_frontalface_alt.xml")
faces = face_detector.detectMultiScale(my)
for x,y,w,h in faces:
    cv2.rectangle(my,pt1=(x,y),pt2=(x+w,y+h),color=[0,0,225],thickness=2)
cv2.imshow("my",my)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意: haarcascade_frontalface_alt.xml文件时python安装目录下Lib\site - packages\cv2\data，需要将该文件复制到项目内，不复制的话需要绝对路径。
问题：
描述:当图片太大或者分辨过高时，可能会遇到只能显示图片的部分
解决：加入代码my = cv2.resize(my,None,fx=0.5,fy=0.5)或者cv2.namedWindow('my', cv2.WINDOW_NORMAL) 不过有其他显示问题，可能会导致图片显示变形

源代码：

my = cv2.imread('img/my.jpg')
my = cv2.resize(my,None,fx=0.5,fy=0.5)
# 人脸特征数据的数据包
face_detector = cv2.CascadeClassifier("haarcascade_frontalface_alt.xml")
# 图片进行人脸数据对比
# scaleFactor:缩放因子，默认1.3，
# minNeighbors:最小邻居，默认为3
faces = face_detector.detectMultiScale(my)
# print(faces)
for x,y,w,h in faces:
    # pt1：人脸左上角点
    # pt2：人脸右下角点
    cv2.rectangle(my,pt1=(x,y),pt2=(x+w,y+h),color=[0,0,225],thickness=2)
# cv2.namedWindow('my', cv2.WINDOW_NORMAL)
cv2.imshow("my",my)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果图：

作者

1、作者个人网站
2、作者CSDN
3、作者博客园
4、作者简书