关于opencv2

search_scale_factor 弄大一点，比如1.3
minFeatureSize是（20，20）弄大一点，比如50 * 50
这个opencv内部检测过程，我武断的推理一下，就是先找大的，先大的套一个框，框内部图像内容通过直方图等方法检测是否可能是脸。
大的找不到咋办，把框弄小一点（我估计那个1.1的参数用在这里），先套在一个位置检查，不行就把框步进移动一下，得到新框范围接着检查。
如果步进完了还没有咋办，再用1.1参数缩小一点。直到小于minFeatureSize终止检测。
所以，如果图像里面有头像，速度比较快，因为很快找到。如果图像里面没有头像，就每次都检测完所有的框，就会很卡。
一些捡的比较快的技术，就是用了历史来检测，例如上一帧在x, y附件有脸，这一帧或几帧后也在x, y附近先找。找不到再适当放大一点，缩小一点啥的。
如果都找不到，就放慢检测速度，比如这帧检测检查大框，下帧检测中框，再下次检测小框。总之就是避免卡。
因为脸首次检测灵敏度慢点没问题的，检测到了后跟踪的好，其用户体验才是真的好。
可惜，opencv流行的用法只会蛮力，没头像时贼卡。
还有一个最简单的方式，把图像缩小，尽可能缩小（就是勉强满足检测灵敏度就行），再给opencv检测（显示时还是大图，小图若检测到脸，需要按比例找到在大图中的位置）。这个方法我用过，好用，配合那个参数调整，基本不会觉得卡的。