Python是一門強(qiáng)大的編程語言，可以用于多種應(yīng)用領(lǐng)域。其中之一就是圖像處理與計(jì)算機(jī)視覺。使用Python，我們可以輕松地操作計(jì)算機(jī)的攝像頭，并利用圖像處理技術(shù)進(jìn)行人臉的檢測、識別等操作。

# 導(dǎo)入所需的庫
import cv2
import numpy as np
# 創(chuàng)建攝像頭對象
cap = cv2.VideoCapture(0)
# 構(gòu)建人臉識別器
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
# 開始捕捉視頻
while True:
ret, frame = cap.read()   # 讀取攝像頭
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  # 轉(zhuǎn)化為灰度圖像
# 檢測人臉
faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
# 在人臉位置畫出矩形框
for (x,y,w,h) in faces:
cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)
# 顯示畫面
cv2.imshow('frame',frame)
# 按下q鍵退出
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# 釋放攝像頭資源
cap.release()
# 關(guān)閉窗口
cv2.destroyAllWindows()

在這段代碼中，我們首先導(dǎo)入了需要的庫，包括OpenCV和Numpy。然后創(chuàng)建了一個(gè)攝像頭對象cap，并利用cv2.VideoCapture(0)獲取電腦中的攝像頭。接下來，我們構(gòu)建人臉識別器face_cascade，并利用cv2.CascadeClassifier來加載一個(gè)已有的人臉檢測模型，這里選用了默認(rèn)的模型文件'haarcascade_frontalface_default.xml'。

在while循環(huán)中，我們使用cap.read()方法讀取攝像頭拍攝的視頻，并將其轉(zhuǎn)化為灰度圖像。然后，使用face_cascade.detectMultiScale方法，對灰度圖像進(jìn)行人臉檢測。這個(gè)方法返回一個(gè)四元組(x,y,w,h)，表示檢測到的人臉的左上角坐標(biāo)(x,y)以及寬度w和高度h。接著，我們利用cv2.rectangle在人臉位置畫出矩形框。

最后，我們利用cv2.imshow方法將幀數(shù)據(jù)展示出來，并設(shè)置一個(gè)'q'的退出條件，按下q鍵即可退出程序。最后，釋放攝像頭資源并關(guān)閉窗口。