使用DNN模块和caffe模型，需要有.prototxt和.caffemodel两种文件。但face_detector文件夹中，只有.prototxt一类文件，即缺少训练好的.caffemodel（存放有连接权重），需要下载，下载链接：
https://anonfile.com/W7rdG4d0b1/face_detector.rar结合python
安装 opencv-contrib-python
sudo pip install opencv-contrib-python利用samples\dnn文件夹中的resnet_ssd_face_python.py进行人脸检测，或者：
自建detect_faces.py（下载链接：https://anonfile.com/nft4G4d5b1/deep-learning-face-detection.rar）
建立文件夹：将detect_faces.py、.caffemodel、deploy.prototxt.txt、待检测的图片放在一个工作文件夹试运行方法一：(其实是传入py文件运行所需参数的两种方式，一种通过终端传递，一种通过配置)
打开终端，将路径切换至工作路径（detect_faces.py的路径）
python detect_faces.py --image rooster.jpg --prototxt deploy.prototxt.txt --model res10_300x300_ssd_iter_140000.caffemodel
（rooster.jpg：图片的名称，需要根据需要进行更改）
可看到标记了人脸的图片
如果从视频流中检测人脸，在终端输入以下命令：
python detect_faces_video.py --prototxt deploy.prototxt.txt --model res10_300x300_ssd_iter_140000.caffemode试运行方法二：
pycharm——run-edit configurations——parameters:
--image (添加文件路径，待检测文件)rooster.jpg --prototxt （添加deploy.prototxt.txt文件路径） --model (添加res10_300x300_ssd_iter_140000.caffemodel.txt文件路径)
如果想要查看程序运行需要多长时间，在detect_faces.py 文件中，增加time模块
在文件起始行，start=time.clock()
在文件末尾cv2.waitkey(0)之前，end= tme.clock(); print(“float %.3f”%(end-start))