Как сохранить идентификатор и создать ярлыки для изображений распознавания лиц в режиме реального времени с помощью python

Question

Я пытаюсь создать приложение для обнаружения и распознавания лиц, выполнив следующие действия:

1. Делайте снимки из видео и сохраняйте их с уникальными идентификаторами в своих папках (имя папки - это идентификатор: 0 , 1, 2 et c)
2. Обучите приложение распознавать людей на этих снимках.
3. Используйте поля видео / веб-камеры и отображения и правильный идентификатор, если лица, уже находящиеся в наборе данных, распознан. Если приложение обнаруживает неизвестное лицо, оно сохраняется и обучается.

Я пока не знаю, как заставить приложение автоматически сохранять неизвестные лица и обучать систему, чтобы оно могло изучить все время и шоу обнаружений в режиме реального времени. Например, если я впервые покажу свое лицо веб-камере, потребуется пи c, сохранит его, обучит приложение и покажет идентификатор «0» с рамкой вокруг лица. Если кто-то еще будет смотреть камеру, его лицо будет зарегистрировано с идентификатором "1" на go. Если у кого-то есть советы по созданию приложения такого типа, я был бы признателен.

В тот момент, когда у меня есть папка "набор данных" с подпапками "0" и "1", на которых есть фотографии нескольких разных лица, я могу запустить тренер, и он тренирует два лица, но назначает оба с одинаковым идентификатором. Если после тренировки я открою свою веб-камеру и покажу два разных лица, приложение сообщит им, что у них «id 1». Может ли кто-нибудь взглянуть на мой код и сказать, что я здесь не так делаю?

import cv2
import numpy as np
from PIL import Image
import os



paths = 'dataset'

def getListOfFiles(dirName):
    listOfFile = os.listdir(dirName)
    allFiles = list()
    # Iterate over all the entries
    for entry in listOfFile:
        # Create full path
        fullPath = os.path.join(dirName, entry)
        # If entry is a directory then get the list of files in this directory 
        if os.path.isdir(fullPath):
            allFiles = allFiles + getListOfFiles(fullPath)
        else:
            allFiles.append(fullPath)

    return allFiles



recognizer = cv2.face.LBPHFaceRecognizer_create()
detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml");

# function to get the images and label data
def getImagesAndLabels(path):
    imagePaths = getListOfFiles(path)

    faceSamples=[]
    ids = []
    for subDir in os.walk(path):
        if len(subDir[1]) == 0:
            # print("Subdirectory name: " + subDir[0][-1])
            # print("Files in subdirectory: " + str(subDir[2]))
            id = int(subDir[0][-1])
            print(id)

            for imagePath in imagePaths:
                PIL_img = Image.open(imagePath).convert('L') # convert it to grayscale
                img_numpy = np.array(PIL_img,'uint8')


                faces = detector.detectMultiScale(img_numpy)

                for (x,y,w,h) in faces:
                    faceSamples.append(img_numpy[y:y+h,x:x+w])
                    ids.append(id)
                    print(ids)

    return faceSamples,ids

print ("\n [INFO] Training faces. It will take a few seconds. Wait ...")
faces,ids = getImagesAndLabels(paths)
recognizer.train(faces, np.array(ids))

# Save the model into trainer/trainer.yml
recognizer.save('trainer/trainer.yml') 

# Print the numer of faces trained and end program
print("\n [INFO] {0} faces trained. Exiting Program".format(len(np.unique(ids))))