從OpenCV官方下 GitHub 下載模型後，將其與 Python 檔放在同一個資料夾中，並使用 cv2.CascadeClassifier 將欲使用模型載入預先訓練的分類器檔案的類別，在使用 detectMultiScale 掃描整個影像，使用不同的比例和位置偵測物體，並返回所有偵測到的人臉的邊界框

import cv2

img = cv2.imread('baby.jpg')  
img = cv2.resize(img, (300, 300))
cv2.imshow('Baby', img)

test = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 載入人臉識別分類器
face_cascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")

# 偵測人臉
faces = face_cascade.detectMultiScale(test)    

# 抓取每個人臉，繪製方框
for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x+w, y+h), (0, 0, 255), 1)

cv2.imshow('facial recognition', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

範例：

人臉馬賽克

使用 detectMultiScale 掃描整個影像，使用不同的比例和位置偵測物體，並返回所有偵測到的人臉的馬賽克

import cv2

img = cv2.imread('people.jpg')
# img = cv2.resize(img, (450, 450))
cv2.imshow('people', img)
test = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)


# 載入人臉識別分類器
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
faces = face_cascade.detectMultiScale(test, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

# 對每個人臉進行馬賽克處理
for (x, y, w, h) in faces:
    face = img[y:y+h, x:x+w]
    face = cv2.resize(face, (w//10, h//10))
    face = cv2.resize(face, (w, h), interpolation=cv2.INTER_NEAREST)
    img[y:y+h, x:x+w] = face

cv2.imshow('Mosaic', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

範例：

行人偵測

使用 detectMultiScale 掃描整個影像，使用不同的比例和位置偵測物體，並返回所有偵測到的行人的邊界框

import cv2

# 載入圖像
img = cv2.imread('man.jpg')

# 轉換為灰階圖像
test = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 載入全身檢測模型
body_cascade = cv2.CascadeClassifier('haarcascade_fullbody.xml')

# 偵測圖像中的人物
bodies = body_cascade.detectMultiScale(test, 1.1, 3)

# 繪製偵測框
for (x, y, w, h) in bodies:
    cv2.rectangle(img, (x, y), (x+w, y+h), (0, 0, 255), 2)

cv2.imshow('fullbody', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

範例：