要实现不需要进行人脸训练的Python-OpenCV人脸识别和验证，可以使用OpenCV库中的人脸级联分类器（Haar cascades）来实现。

以下是一个简单的示例代码，用于检测图像中的人脸并进行验证：

import cv2

# 加载人脸级联分类器
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

# 读取待检测的图像
img = cv2.imread('test.jpg')

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

# 使用级联分类器检测人脸
faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

# 遍历检测到的人脸
for (x, y, w, h) in faces:
    # 在图像上绘制矩形框
    cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)
    
    # 进行人脸验证的逻辑
    # 在这里添加你自己的人脸验证代码，比如对人脸进行特征提取和比对
    
# 显示带有人脸框的图像
cv2.imshow('Face Recognition', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在以上示例中，我们首先加载了人脸级联分类器，并读取了待检测的图像。然后，将图像转换为灰度图像，因为级联分类器只能用于灰度图像。接着，使用级联分类器检测人脸，返回检测到的人脸的位置信息。最后，遍历检测到的人脸，并在图像上绘制矩形框进行展示。

在人脸验证的逻辑部分，你可以添加你自己的代码，比如对人脸进行特征提取和比对操作。这一部分的具体实现会根据你的需求和使用的人脸验证算法而有所差异。