我正在Java使用OpenCV资源库来使用Face来检测Eyes，Mouth和Laptop Camera。
到目前为止我做了什么：
VideoCapture对象捕获视频帧。Face检测Haar-Cascades。Face区域划分为Top区域和Bottom区域。Eyes区域内搜索Top。Mouth区域内搜索Bottom。我面临的问题：
主要问题：
高等级相机的分辨率是否适用于Haar-Cascades？
我是否必须以一定比例捕获视频帧？例如(100px X100px)？
Haar-Cascades图片中的Gray-scale效果更好吗？
不同的照明条件会有所不同吗？
方法detectMultiScale(params)到底做了什么？
如果我想进一步分析Eye Blinking，Eye Closure Duration，Mouth Yawning，Head Nodding和Head Orientation以检测疲劳（嗜睡）使用Support Vector Machine，任何建议？
感谢您的帮助！
答案 0 :(得分：4)
以下article会给你一个概述内幕的内容，我强烈建议您阅读这篇文章。
做高级相机＆＃39;决议对Haar-Cascades有效吗？
不一定，cascade.detectMultiScale有参数可以针对各种输入宽度，高度场景进行调整，例如minSize和maxSize，这些是可选参数但是，你可以调整这些以获得如果您可以控制输入图像大小，则可以进行稳健的预测。如果您将minSize设置为较小的值并忽略maxSize，那么它也适用于较小和较高分辨率的图像，但性能会受到影响。另外，如果您现在想象一下，为什么高分辨率图像和低分辨率图像之间没有差异，那么您应该考虑cascade.detectMultiScale内部将图像缩放到较低分辨率以提高性能，这就是定义{{}的原因。 1}}和maxSize对于避免任何不必要的迭代很重要。
我是否必须以一定比例捕获视频帧？例如 （100px X100px）
这主要取决于你传递给minSize的参数。我个人认为cascade.detectMultiScale对于帧中较小的脸部检测来说太小了，因为在将帧尺寸调整到较小尺寸时某些特征会完全丢失，100 x 100高度依赖于渐变或特征在输入图像中。
但是如果输入框架只有面部作为主要部分，并且没有其他较小的面孔悬在后面那么你可以使用cascade.detectMultiScale。我已经测试了一些大小为100 X 100的样本面，但效果非常好。如果不是这种情况，那么100 x 100 px宽度应该可以正常工作。但是，您需要调整参数以获得准确性。
Haar-Cascades在灰度图像中的效果更好吗？
它们仅适用于灰度图像。
在article中，如果您阅读第一部分，您将会发现它的面部检测包括检测图像中的许多二进制模式，这基本上来自ViolaJones，论文这是该算法的基础。
不同的照明条件会有所不同吗？
可能在某些情况下，很大程度上哈尔特征是照明不变的。
如果您正在考虑将不同的光照条件视为在绿光或红光下拍摄图像，那么它可能不会影响检测，哈尔特征（因为依赖于灰度）与图像无关。输入图像的RGB颜色。检测主要取决于输入图像中的梯度/特征。因此，只要在输入图像中有足够的梯度差异，例如眉毛的强度低于前脑等，它就可以正常工作。
但考虑输入图像背光或环境光线很低的情况，在这种情况下，可能无法找到某些突出的特征，这可能导致未检测到面部。
方法detectMultiScale（params）究竟做了什么？
我想，如果你已经阅读了article，那么你必须要了解它。
如果我想进一步分析眼睛眨眼，闭眼 持续时间，嘴巴打哈欠，头部点头和头部方向检测 疲劳（困倦）通过使用支持向量机，任何建议？
不，我不建议您使用SVM执行这些类型的手势检测，因为运行10个不同的级联以结束当前的面部状态会非常慢，但我建议您使用一些面部标志检测框架，例如Dlib，您也可以搜索其他一些框架，因为dlib的模型大小接近100MB，如果您想将其移植到移动设备，它可能不适合您的需求。所以关键是**面部地标检测**，一旦你得到标记的全脸，你可以得出结论，如果嘴巴打开或眼睛闪烁，它可以实时工作，所以你的视频处理赢了＆＃ 39;受苦很多。