使用传统图像处理方法进行面部识别是一种不使用深度学习的解决方法。下面是一个基于OpenCV库的示例代码，用于检测和识别图像中的人脸。

import cv2

# 加载人脸检测器
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

# 加载图像
img = cv2.imread('image.jpg')

# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 检测人脸
faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

# 在图像上绘制人脸框
for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)

# 显示结果图像
cv2.imshow('Face Detection', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，使用了OpenCV提供的CascadeClassifier类来加载预训练的人脸检测器。然后，将图像转换为灰度图像，并使用detectMultiScale方法检测人脸。最后，通过在原始图像上绘制矩形框来标识检测到的人脸。运行代码后，将显示带有人脸框的图像。

需要注意的是，这种方法可能无法处理一些特殊情况，例如遮挡、角度变化或光照条件变化。对于更复杂的面部识别任务，深度学习方法可能更加准确和可靠。