Python 是一種強大的編程語言，用于解決許多計算問題。其中最流行的應用之一是目標識別。Python 的目標識別庫提供了許多簡單的方式來使用機器學習算法來識別圖像、視頻或其他媒體中的對象。

import cv2
import numpy as np
cap = cv2.VideoCapture(0)
while True:
_, frame = cap.read()
# Convert frame to grayscale
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# Detect faces using Haar Cascade Classifier
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=3)
# Draw rectangles around faces
for (x, y, w, h) in faces:
cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
# Show output
cv2.imshow('Face Detection', frame)
# Exit on 'q' press
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()

在上面的代碼中，我們使用 OpenCV 庫來讀取一個視頻文件。使用 Haar Cascade 分類器來檢測視頻中的人臉。然后我們在人臉周圍繪制矩形框來標識人臉。最后，我們使用 imshow() 函數顯示標識后的視頻幀。

Python 的目標識別庫為程序員提供了一個快速而簡單的方式來識別不同的對象。開發人員可以使用 Python 來解決各種計算問題，而無需編寫復雜的代碼或使用復雜的機器學習算法。因此，Python 是成為目標識別的首選語言之一。