可以呼叫opencv的動態庫，這樣效能高。

不過這個應該是硬體效能跟不上吧。具體得看下你怎麼測試的？這樣才能具體問題具體分析。

幾個方案:

1、確認演算法效率，人臉識別成熟方法很多，不知道你用的哪種。

2、最佳化python程式碼，即使是同一個問題，程式碼實現方式不同，效率也天差地別。

3、如果對c系列語言熟悉的話，轉到c＋＋，opencv很好移植。

4、考慮GPU加速。

5、換庫，opencv很多演算法的實現效率本身就不行。

6、換機器.....

加油

你這個問題描述資訊太少，沒有辦法具體回答，只能說說大概的思路。

雖然Python簡單易學，使用方便，但是他的效率並不高，所以一般也就適合做試驗性程式碼開發，這樣能快速驗證思路或者演算法的正確性。比如你說的人臉識別，不管是用深度學習，還是用常規演算法，首先要設計一個演算法並驗證它能否正常工作，只有能正確檢測人臉的演算法，才是一個可行的演算法，至於效率是下一步最佳化的目標。

一般情況下影象處理的計算量都比較大，所以在驗證了演算法的正確性之後，一般會將Python的程式碼移植到效率更高的C/C++平臺，對於OpenCV來說就更是如此，因為OpenCV的開發語言正是C++。至於怎麼在C++裡面呼叫Python模型，可參考本人寫的一篇文章，正好也是影象處理方面的。

此外，對於運算量更大的任務，比如深度學習，CPU往往已經很難滿足計算要求，這時候就需要用GPU來加速。