基于OpenCV级联的嘴巴检测在部分场景下失效问题排查

我正在开发一个基于Python和OpenCV级联分类器的图像嘴巴检测功能，以下是核心代码片段：

def detect_mouth(img):
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray, minNeighbors=7)
    for (x, y, w, h) in faces:
        roi_gray = gray[y:y+h, x:x+w]
        roi_color = img[y:y+h, x:x+w]
        mouth = mouth_cascade.detectMultiScale(roi_gray, minNeighbors=10)
        
        if len(mouth) > 1:
            mouth = mouth_cascade.detectMultiScale(roi_gray, minNeighbors=100)
        elif len(mouth) < 1:
            mouth = mouth_cascade.detectMultiScale(roi_gray, minNeighbors=7)
        
        for (mx, my, mw, mh) in mouth:
            cv2.rectangle(roi_color, (mx, my), (mx+mw, my+mh), (255, 0, 255), 2)
            
    return img

测试中发现检测效果存在种族差异：白人女性的嘴巴能正常识别，但部分黑人女性图像里嘴巴没被检测到，反而误识别成眼睛，不过也有部分黑人女性图像能成功检测。我已经尝试调整minNeighbors参数，但没有改善，想知道这是否和肤色有关，还是需要调整其他设置？

• 确实和肤色相关：OpenCV自带的级联分类器大多基于浅色皮肤数据集训练，对深色皮肤的面部特征（比如嘴巴与周围皮肤的灰度对比度）捕捉能力不足。深色皮肤转为灰度图后，嘴巴和周边区域的灰度差值更小，分类器难以区分。
• 停止动态调整minNeighbors：当前根据检测结果动态修改minNeighbors的逻辑会导致检测逻辑混乱，过高的数值（如100）几乎会过滤所有检测结果，过低则会增加误检。建议固定在3-8的合理范围，同时搭配调整scaleFactor参数——这个参数控制搜索窗口的缩放比例，默认1.1，调至1.05左右能提升精度，只是会增加计算量。
• 限制嘴巴检测区域：当前在整个人脸ROI内检测嘴巴，极易误检到眼睛。可以将检测范围限定在人脸下半部分，比如只在roi_gray[int(h*0.5):h, :]区域搜索，直接排除眼睛区域的干扰。
• 更换或重训分类器：如果条件允许，使用包含大量深色皮肤样本的数据集重新训练嘴巴级联分类器；或者改用MTCNN、YOLO这类深度学习检测器，它们对不同肤色的适应性更强。
• 优化图像预处理：对灰度图执行直方图均衡化（cv2.equalizeHist(gray)），提升深色皮肤区域的对比度，让嘴巴特征更突出。

内容的提问来源于stack exchange，提问作者mdegraaff