常见的摄像头检测算法包括：
Haar特征分类器：通过对人脸、眼睛等特征进行训练，实现对目标的检测。该算法主要基于Haar-like特征和级联分类器。
HOG（方向梯度直方图）特征+SVM（支持向量机）：利用图像中各个区域的梯度信息和SVM分类器进行目标检测。该算法在行人检测领域应用较为广泛。
Faster R-CNN：结合深度学习技术和区域建议网络（RPN）的目标检测算法。通过卷积神经网络提取特征并生成候选框，再通过分类器和回归器对目标进行检测和定位。
YOLO（You Only Look Once）：一种快速的实时目标检测算法，将目标检测任务视为回归问题，直接在单个CNN（卷积神经网络）中对目标进行定位和分类。
SSD（Single Shot MultiBox Detector）：结合了YOLO和Faster R-CNN的优点，在多个尺度下检测目标，实现更快的目标检测速度。
以上是一些常见的摄像头检测算法，它们在不同场景和需求下有着各自的优势和适用性。