• 识别图片如下：
  

• 完整代码：

import cv2

image = cv2.imread('face.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
""" 加载分类器 """
faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
""" 分类器检测实现人脸识别 """
"""
objects =cv2.CascadeClassifier,detectMultiscale( image[, scaleFactor[,minNeighbors[,flags[,minsize[,maxsize]]]]])
其中，各个参数及返回值的含义如下:
    image: 待检测图像，通常为灰度图像。
    scaleFactor: 表示在前后两次相继扫描中搜索窗口的缩放比例。识别，扫描，按照不同比例来进行扫描
    minNeighbors: 表示构成检测目标的相邻矩形的最小个数。在默认情况下，该参数的值为 3.
                 表示有 3 个以上的检测标记存在时才认为存在人脸。
                 如果希望提高检测的准确率可以将该参数的值设置得更大,
                 但这样做可能会让一些人脸无法被检测到。
    flags: 该參数通常被省略。在使用低版本 pencV(opencv 1.X 版本)时，该参数可能会被设置为
            CV_HAAR_DO_CANNY_PRUNING，表示使用 canny 边缘检测器拒绝一些区城
    minsize: 目标的最小尺寸，小于这个尺寸的目标将被忽略。
    maxSize: 目标的最大尺寸，大于这个尺寸的目标将被忽略。通常情况下，将该可选参数省略即可。
             若 maxsize 和 minsize 大小一致，则表示仅在一个尺度上査找目标。
    objects: 返回值，目标对象的矩形向量组。该值是一组矩形信息，
             包含每个检测到的人脸对应的矩形框的信息(x轴方向位置、y轴方向位置、宽度、高度)。
"""
faces = faceCascade.detectMultiScale(gray, scaleFactor=1.05, minNeighbors=9, minSize=(8, 8))
print("发现{}张人脸".format(len(faces)))
print("其位置分别是：", faces)

for (x, y, w, h) in faces:
    cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)
cv2.imshow("result", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

• 结果如下: