C++ OpenCV：如何使用Haar分类器级联提高眼睛检测的准确性？

我有一个应用程序，使用Haar cascade从摄像机捕获的图像中检测眼睛。所采用的方法是：

void cascade分类器：：detectMultiScale（常数矩阵和图像、向量和对象、双尺度因子=1.1、int-minNeighbors=3、int-flags=0、Size-minSize=Size（）、Size-maxSize=Size（））

默认值为

scaleFactor

，

minNeighbors

，以及

flags

时，这种方法效果非常好，但有些人的眼睛无法被检测到。所以我想提高眼睛检测的准确性。看起来“级联分类器训练”和创建自定义级联分类器是一个很好的解决方案，但在这样做之前

---

是否有可能通过调整方法中的某些参数来提高检测精度？请详细解释

scaleFactor

、

minNeighbors

和

标志的含义，因为我对文档中的这些含义不太清楚。谢谢。
scaleFactor参数用于确定函数将查找多少不同大小的眼睛。通常，该值为1.1以获得最佳检测。将此参数设置为1.2或1.3会更快地检测眼睛，但不会经常找到眼睛，这意味着准确度会下降

minNeighbors用于告诉探测器，当发现一只眼睛时，他应该有多确定。通常该值设置为3，但如果您想要更高的可靠性，可以将其设置得更高。值越高，准确性越低，但可靠性越高

这些标志用于设置特定的首选项，例如查找最大的对象或跳过区域。默认值为0。设置此值可以使检测速度加快
事实上，与我在网上找到的任何其他在线文档相比，这个答案中的文档记录得更好。我通过实验发现，minNeighbor越低，发现特征的频率越高。（精度较低）图像调色板或颜色空间如何？哪一个最适合Haar眼睛检测？全彩还是灰度？RGB、实验室、YCrCb、HSV？