Inicializar detector y modelo

import os
import cv2
import numpy as np
from mtcnn import MTCNN
from keras_facenet import FaceNet

# Inicializar detector y modelo
detector = MTCNN()
embedder = FaceNet()

# Diccionario para almacenar embeddings
base_datos = {}

# -----------------------------------------
# FUNCIÓN PARA EXTRAER ROSTRO
# -----------------------------------------
def extraer_rostro(ruta_imagen):

    imagen = cv2.imread(ruta_imagen)

    if imagen is None:
        return None

    imagen_rgb = cv2.cvtColor(imagen, cv2.COLOR_BGR2RGB)

    resultados = detector.detect_faces(imagen_rgb)

    if len(resultados) == 0:
        return None

    x, y, ancho, alto = resultados[0]['box']

    x, y = abs(x), abs(y)

    rostro = imagen_rgb[y:y+alto, x:x+ancho]

    rostro = cv2.resize(rostro, (160, 160))

    return rostro


# -----------------------------------------
# GENERAR EMBEDDING
# -----------------------------------------
def generar_embedding(rostro):

    rostro = rostro.astype('float32')

    rostro = np.expand_dims(rostro, axis=0)

    embedding = embedder.embeddings(rostro)

    return embedding[0]


# -----------------------------------------
# CARGAR BASE DE DATOS
# -----------------------------------------
ruta_personas = "pruebacaras"

for persona in os.listdir(ruta_personas):

    carpeta_persona = os.path.join(ruta_personas, persona)

    embeddings_persona = []

    for archivo in os.listdir(carpeta_persona):

        ruta = os.path.join(carpeta_persona, archivo)

        rostro = extraer_rostro(ruta)

        if rostro is not None:

            embedding = generar_embedding(rostro)

            embeddings_persona.append(embedding)

    if len(embeddings_persona) > 0:

        promedio = np.mean(embeddings_persona, axis=0)

        base_datos[persona] = promedio

print("Base de datos cargada correctamente")


# -----------------------------------------
# RECONOCIMIENTO
# -----------------------------------------
imagen_prueba = "prueba.jpg"

imagen = cv2.imread(imagen_prueba)

imagen_rgb = cv2.cvtColor(imagen, cv2.COLOR_BGR2RGB)

resultados = detector.detect_faces(imagen_rgb)

for resultado in resultados:

    x, y, ancho, alto = resultado['box']

    x, y = abs(x), abs(y)

    rostro = imagen_rgb[y:y+alto, x:x+ancho]

    rostro_red = cv2.resize(rostro, (160, 160))

    embedding_prueba = generar_embedding(rostro_red)

    nombre_detectado = "Desconocido"

    distancia_minima = 999

    for nombre, embedding_bd in base_datos.items():

        distancia = np.linalg.norm(embedding_prueba - embedding_bd)

        if distancia < distancia_minima:

            distancia_minima = distancia
            nombre_detectado = nombre

    # Umbral de reconocimiento
    if distancia_minima > 1.0:
        nombre_detectado = "Desconocido"

    # Dibujar rectángulo
    cv2.rectangle(imagen, (x, y), (x+ancho, y+alto), (0,255,0), 2)

    texto = f"{nombre_detectado} ({distancia_minima:.2f})"

    cv2.putText(
        imagen,
        texto,
        (x, y-10),
        cv2.FONT_HERSHEY_SIMPLEX,
        0.8,
        (0,255,0),
        2
    )

# Mostrar imagen
cv2.imshow("Reconocimiento Facial", imagen)

cv2.waitKey(0)

cv2.destroyAllWindows()