加载失败主因是路径错误或XML文件无效；detectMultiScale返回空vector属正常，需检查图像是否为空、是否灰度及分辨率是否足够。
cv::CascadeClassifier::load() 加载失败的常见原因
直接用 cv::CascadeClassifier::load() 读取 XML 文件却返回 false，八成是路径或文件本身的问题。OpenCV 不会报具体错误，只默默失败，导致后续 detectMultiScale() 无结果。
- 路径必须是绝对路径，或确保工作目录与 XML 文件位置匹配（推荐用
cv::getTickCount()配合std::filesystem::exists()先验证文件是否存在） - XML 文件不能是网页下载后残留的 HTML 页面（比如 GitHub raw 链接没加
?raw=true，实际下到的是 HTML 文本） - OpenCV 4.5+ 默认不自带分类器文件，需手动下载
haarcascade_frontalface_default.xml，官方源在opencv/data/haarcascades/目录下，但这个路径只存在于源码包，不是安装包自带
cv::CascadeClassifier::detectMultiScale() 的关键参数怎么调
检测不到脸？或者框太多太碎？大概率是这仨参数没配好：scaleFactor、minNeighbors、minSize。
-
scaleFactor控制图像金字塔缩放步长，典型值 1.05–1.3；设太大（如 2.0）会跳过小脸，太小（如 1.01）则耗时剧增 -
minNeighbors表示每个候选矩形需被多少个相邻检测框“投票”才保留，一般设 3–6；设为 0 会输出大量误检，设太高（如 10）可能漏检侧脸或模糊脸 -
minSize建议显式指定，比如cv::Size(30, 30)；不设的话默认是Size(0,0)，可能触发内部异常或返回空 vector
实操建议：先用 scaleFactor=1.1、minNeighbors=4、minSize=Size(50,50) 跑通，再根据实际场景微调。
为什么 detectMultiScale() 返回空 vector 却不报错
这是正常行为，不是 bug。OpenCV 把“没检测到目标”和“出错”严格区分：detectMultiScale() 只负责找，不负责告诉你为什么没找到。
立即学习“C++免费学习笔记（深入）”；
- 检查输入
cv::Mat是否为空（img.empty()）、是否为灰度图（传彩色图进去也能运行，但效果差，应先用cv::cvtColor(img, gray, cv::COLOR_BGR2GRAY)） - 确认图像分辨率够高——Haar 对低分辨率（如
- 注意 ROI 区域：如果对子图调用检测，要确保子图是连续内存（
roi.isContinuous()），否则可能静默失败
OpenCV 4.x 中 cascade.detectMultiScale() 的性能瓶颈在哪
单帧耗时超过 50ms？问题通常不在算法本身，而在数据搬运和内存布局。
- 每次调用都隐式做直方图均衡化（如果启用了
cv::CLAHE预处理）——关掉它（不调用clahe.apply()）能省 10–20ms - 避免反复创建
std::vector<:rect></:rect>，复用同一变量（C++11 后移动语义缓解但不消除） - CPU 利用率低？Haar 是纯 CPU 实现，无法用 OpenCL 或 CUDA 加速；想提速得换模型（如 DNN 模块的
cv::dnn::Net）
真正容易被忽略的是：Haar 分类器对光照、姿态、遮挡极度敏感，调试时别死磕参数，先换张正脸、打光均匀的图验证流程是否走通。
