我目前正在成功地使用EmguCV（OpenCV C#包装器）实时检测人脸（网络摄像头）。我得到大约7 FPS的速度。
现在我想提高性能（并节省CPU周期），我正在寻找选项，以下是我的想法：
检测面部，拾取面部特征，并尝试在下一帧中找到这些特征（使用SURF算法），因此这变成了“面部检测+跟踪”。如果未找到，则再次使用面部检测。
检测面部，在下一帧中，尝试在先前面部所在的ROI中检测面部（即在图像的较小部分中查找面部）。如果未找到面部，则尝试再次在整个图像中查找。
附加想法：如果连续2-3帧未检测到面部，并且图像中没有移动，则不要再尝试检测面部，直到检测到移动。
你有任何建议吗？
谢谢。
对于SURF算法，你可以尝试使用，但我不确定它是否能提供与面部相关的特征，可能只适用于眼睛周围、皮肤不规则的部位或头发（如果分辨率足够高）。此外，SURF并不是非常快速，如果想节省CPU时间，最好避免进行更多的计算。
ROI是一个不错的想法，你可以通过camshift算法来选择它，虽然这不会节省太多CPU，但你可以尝试一下，因为camshift是一个非常轻量级的算法。再次说明，我不确定它是否真正相关，但你在第二篇文章中的想法很好：最小化搜索区域......
侧面的想法听起来还不错，你可以尝试检测运动（例如全局运动），如果没有太多运动，则不要再次尝试检测已经检测到的内容...你可以尝试使用运动模板来实现，因为你可以从meanshift或人脸检测中得到轮廓...一个非常简单、轻量级但不稳健的模板匹配，使用n-1帧和n帧，也可以给出一个系数，衡量这两个帧之间的相似度，你可以说在某个阈值以下，你激活人脸检测...为什么不呢？如果C#包装器有matchTemplate()等效函数，实现起来应该只需5分钟...
如果我有更好（更深入）的想法，我会回来的，但现在，我刚下班回来，很难再思考更多......
朱利安
这不是完美的答案，但只是一些建议。
在我本科最后一个学期的数字图像处理课程中，我学习了位平面分解，以及仅使用最高有效位（MSB）平面信息的图像提供了几乎70% 的有用图像信息。因此，您将使用几乎原始图像，但仅为原始大小的八分之一。
尽管我没有在自己的项目中实现它，但我在思考它，以加速人脸检测。因为随后的眼睛检测、瞳孔和眼角检测也会占用大量计算时间，使整个程序变慢。
