Python是一种非常流行的高级编程语言，常常被用于开发各种类型的应用程序。其中一种常见的应用场景就是使用Python编写程序来对摄像头所拍摄的场景进行深度测距，从而得到非常精确的距离值。

import cv2
import numpy as np
# 获取摄像头
cap = cv2.VideoCapture(0)
while True:
# 读取帧
ret, frame = cap.read()
# 转换为灰度图像
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 计算图像的Canny边缘
edges = cv2.Canny(gray, 50, 150)
# 在Canny图像中查找连通区域
contours, hierarchy = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 计算一个对象的轮廓
areas = [cv2.contourArea(c) for c in contours]
if len(areas) >0:
# 找到最大轮廓
max_index = np.argmax(areas)
cnt = contours[max_index]
# 计算轮廓的边界框
x,y,w,h = cv2.boundingRect(cnt)
# 计算人脸的距离
distance = (2*3.14*180)/(w+h*360)*1000 + 3
# 在图像中标记人脸位置和距离
cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)
cv2.putText(frame, "Distance: " + str(int(distance)) + "cm", (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2)
# 显示帧
cv2.imshow('frame',frame)
# 如果按下“q”键，则退出
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# 释放摄像头
cap.release()
# 关闭窗口
cv2.destroyAllWindows()

上述代码使用OpenCV库来进行图像处理，首先从摄像头读取帧，然后将其转换为灰度图像，接着计算Canny边缘，并在其上查找连通区域。然后，对连通区域的最大轮廓计算边界框，并基于该框计算人脸距离。最后，在图像中标记人脸的位置和距离值并显示结果。