for filename in glob.glob('knownimage/*.jpg'):
    img = cv2.imread(filename)
    ret = detector.detect_face(img, det_type=0)
    if ret is not None:
        bbbox, points = ret
        #draw = img.copy()
        for inum, bbox in enumerate(bbbox):
            bbox = bbox[0:4]
            #cv2.rectangle(draw, (int(bbox[0]), int(bbox[1])), (int(bbox[2]), int(bbox[3])), (255, 255, 255))
            pp = points[inum]
            pp = pp.reshape((2, 5)).T
            # print(bbox)
            # print(points)
            nimg = preprocess(img, bbox, pp, image_size='112,112')
            nimg = cv2.cvtColor(nimg, cv2.COLOR_BGR2RGB)
            aligned = np.transpose(nimg, (2, 0, 1))
            f1 = get_feature(mmodel, aligned)
            df = df.append({'name': filename.split('.')[0], 'np': f1}, ignore_index=True)
df.to_pickle('known.pkl')

• Говард Джоэл Воловиц(govard, здесь и далее в скобках указано имя персонажа в системе распознования лиц) — инженер аэрокосмических систем, муж Бернадетт Ростенковски-Воловиц, отец Хэлли Воловиц, лучший друг Раджеша Кутраппали. Окончил Массачусетский технологический институт.
• Доктор Раджеш Рамаян Кутраппали(rajesh) — астрофизик из Индии, лучший друг Говарда Воловица.
• Прия Кутраппали(priya) — младшая сестра Раджа, дочь доктора и миссис Кутраппали.
• Пенни Хофстедтер(penny) — жена Леонарда Хофстедтера, торговый представитель фармацевтической компании.
• Доктор Бернадетт Мэриэнн Ростенковски-Воловиц(bernaded) — микробиолог, жена Говарда Воловица, мать Хэлли Воловиц и Майкла Воловиц.
• Доктор Беверли Хофстедтер(mama_leonarda) — мать Леонарда Хофстедтера, психиатр и нейробиолог
• Леонард Лики Хофстедтер(leonard) — физик-экспериментатор, сотрудник Калифорнийского технологического института, обладатель докторской степени.
• Доктор Лесли Уинкл(lesly) — сотрудница Калифорнийского университета, работающая вместе с Леонардом Хофстедтером.
• Доктор Шелдон Ли Купер(sheldon) — физик-теоретик, работающий в Калифорнийском технологическом институте. У него несколько учёных степеней, включая степень доктора наук.
• Мелисса «Мисси» Купер(sestra_sheldona) — сестра-близнец Шелдона Купера.
• Мэри Купер(mama_sheldona) — мать Шелдона Купера.
• Доктор Эми Фарра Фаулер(emmy) — нейробиолог, жена Шелдона Купера.
• Уил Уитон(will) — актёр сериала «Стар Трек: Новое Поколение», которого Шелдон считал своим злейшим врагом.
• Стюарт Дэвид Блум(stuart) — владелец магазина комиксов, после пожара ставший безработным и переехавший жить к Говарду Воловицу.
• Доктор В. М. Кутраппали(papa_rajesh) — отец Раджеша Кутраппали.
• Барри Крипке(barry) — коллега главных героев по университету.
• Рамона Новицки(navitsky) — аспирантка кафедры физики.
• Доктор Гейблхаузер(geibelhauser) — новый глава факультета физики.
• Зак(bivshiy_penny) — бывший парень Пенни.
• Миссис Кутраппали(mama_rajesh) — мать Раджеша Кутраппали.
• Dr. Stephanie Barnett(medik_leonarda) — одна из девушек Леонарда.

home_video = '/run/media/home/DATA/torrent/The.Big.Bang.Theory/'
all_series = (len(glob.glob(home_video+'*.avi')))
now_series = 0
for filename1 in glob.glob(home_video+'*.avi'):
    now_series = now_series + 1
    print(filename1)
    cam = cv2.VideoCapture(filename1)
    fps = cam.get(cv2.CAP_PROP_FPS) # Gets the frames per second
    fps = fps
    #print(fps)
    total_frames = cam.get(7)
    #print(total_frames)
    rer = round(total_frames/fps)
    for kk in range(0,rer):
    #while True:
        start_time = time.time()
        cam.set(1, round(kk*fps))
        ret_val, img = cam.read()
        scale_percent = 170  # percent of original size
        width = int(img.shape[1] * scale_percent / 100)
        height = int(img.shape[0] * scale_percent / 100)
        dim = (width, height)
        # resize image
        img = cv2.resize(img, dim, interpolation=cv2.INTER_AREA)
    #print(ret_val)
        #img, draw = get_input(detector,img)
        ret = detector.detect_face(img, det_type = 0)
        if ret is not None:
            bbbox, points = ret
            draw = img.copy()
            for inum,bbox in enumerate(bbbox):
                bbox = bbox[0:4]
                pp = points[inum]
                pp = pp.reshape((2,5)).T
                #print(bbox)
                #print(points)
                nimg = preprocess(img, bbox, pp, image_size='112,112')
                nimg = cv2.cvtColor(nimg, cv2.COLOR_BGR2RGB)
                aligned = np.transpose(nimg, (2,0,1))
                f1 = get_feature(mmodel,aligned)
                for index, row in df.iterrows():
                    np1 = row['np']
                    name = row['name']
                    dist = np.sum(np.square(np1 - f1))
                    if dist<1.1:
                        #print(name, dist)
                        dd = dist
                        nnn = name.split('/')[1]
                        break

                    else:
                        nnn = 'None'
                        dd = dist
                if (nnn=='None') and (int(bbox[3])-int(bbox[1]))>112:
                    crop_img = draw[int(bbox[1]):int(bbox[3]), int(bbox[0]):int(bbox[2])]
                    cv2.imwrite('unknown/' + str(int(time.time())) + '.jpg', crop_img)
                #cv2.rectangle(draw, (int(bbox[0]), int(bbox[1])), (int(bbox[2]), int(bbox[3])), (255, 255, 255))
                if (nnn != 'None'):
                    gender, age =3, 100
                    gender, age = get_ga(mga_model,aligned)
                    font = cv2.FONT_HERSHEY_SIMPLEX
                    bottomLeftCornerOfText = (10, 20)
                    fontScale = 1
                    fontColor = (255, 255, 255)
                    lineType = 2
                    cv2.putText(draw, nnn + ' ' + str(round(dd, 2)),
                               (int(bbox[0]), int(bbox[1])),
                               font,
                               fontScale,
                               fontColor,
                               lineType)
                    # with open('test_10_1.txt', "a") as myfile:
                    #     myfile.write(name + ';' + str(kk) + ';' + str(age)+';'+str(gender)+';'+ str(dist) + ';' + filename1 + '\n')
                else:
                    gender, age = 3, 100
            if cv2.waitKey(1) == 27:
                #df.to_pickle('test.pkl')
                print('exit')
                cv2.destroyAllWindows()
                #break  # esc to quit
                quit()
            cv2.imshow("detection result", draw)
        tt =round(time.time() - start_time,2)
        print('Обработано '+ str(kk) + '/'+str(rer) + ' > '+str(now_series)+'/'+str(all_series)+'; ' + 'время на кадр: '+str(tt)+'; ~~'+str(round((rer*tt)*(all_series-now_series)/60))+'м', end= "\r")