如何解决摄像头做人眼识别出错率高的问题

        本人在尝试使用摄像头检测人眼的过程中，采用了先识别人脸，然后在人脸眼睛的位置做掩模，然后识别人眼的方式，该方法可以一定程度上实现人眼的检测，但在眨眼、头部动作较大的时候就会出现识别失败，从而使程序出错。尝试过使用识别结果的元素个数来判断识别结果，如果识别失败就跳回到循环起始位置，从新开始，但这样计算机计算量非常大，出现了类似死循环的趋势。哪位大神做过相关的算法，请多指教。

import cv2
import numpy as np
import math

cap=cv2.VideoCapture(0,cv2.CAP_DSHOW)
while(cap.isOpened()):
     ret,frame=cap.read()
     img=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
     face_cascade = cv2.CascadeClassifier("D:/python/BYeyes/Lib/site-packages/haarcascade_frontalface_default.xml")
     faces = face_cascade.detectMultiScale(frame, 1.15, 5)  # 识别人脸
     #if len(faces)<=3:
     #   continue
     mask = np.zeros(img.shape, np.uint8)  # 创建同原图像一样大小的掩模
     x=faces[0][0]
     y=faces[0][1]
     w=faces[0][2]
     h=faces[0][3]
     mask[int(y