我正在开发一个应用程序，该应用程序需要使用放置在桌面高度（稍微偏向用户一侧）的网络摄像头来检测视频流中人脸的位置。
我已经实现了OpenCV的一个版本（使用他们的Haar检测），它运行良好……问题是，如果用户把头转向侧面（或抬头），它往往会失去面部的位置。
由于网络摄像头放在桌子上，它以30度的角度向上倾斜。OpenCV检测算法是使用全正面图像进行训练的，但不是像我使用的那种向上角度图像。我知道OpenCV也有一个可以使用的配置文件Haar文件。。但从我的研究来看，在轮廓检测方面的结果似乎喜忧参半。此外，我真的无法控制图像的背景或照明。。。因此这有时也影响OpenCV检测算法的功效。
所以，我想我想问的是……有没有其他人脸检测算法（希望是免费的，因为这是我大学研究的一部分）更适合在这种设置中检测人脸？看起来一些内置的网络摄像头（适用于Mac和PC）实际上有相当强大的算法来检测人脸（然后在人脸上叠加俗气的卡通图像）。。。但无论背景或光线如何，它们似乎都能很好地工作。你有什么建议吗？谢谢
出于研究目的，您可以在OpenCV中使用Haar级联，如果您想商业化，情况会有所不同（在这种情况下，您需要考虑LBP级联）。请务必在你的参考资料中引用维奥拉·琼斯的论文。
为了提高人脸检测的结果，你有几个路径：
- 个体图像检测：你可以将旋转后的图像发送到正面级联，以说明一些可变性，而无需训练你自己的级联
- 个人图像检测，但更多的工作）：在更接近应用程序的操作条件下训练自己的级联
- 视频流的稳定性（如网络摄像头公司）：这是通过在人脸检测周围添加一层跟踪来实现的。根据您对该主题的了解，您可以使用自己的滤波器，享受OpenCV的粒子或卡尔曼滤波器的乐趣，在面部位置上实现简单的一阶或二阶低通滤波器，或在检测到的面部上实现PID跟踪器
在处理视频流时，这些跟踪过滤器中的任何一个都会大大增强您的结果。
使用CLM框架进行精确的实时人脸检测和人脸地标检测。运行中的系统示例：http://youtu.be/V7rV0uy7heQ
你可能会发现它很有用。