Попытка подсчета лиц с использованием OpenCV, каскадов Хаара и Raspberry PI

Итак, у меня есть проект для камеры следа, чтобы подсчитывать людей, входящих в след, обнаруживая их лица. Доступной мощности нет, поэтому я застрял на Raspberry Pi 3 B+ из-за питания. В настоящее время я использую каскады opencv и Haar для обнаружения лиц. Моя проблема двояка.

1. Во-первых, мой счетчик больше похож на таймер. Он продолжает увеличиваться все время, пока он заблокирован на том, что он считает лицом. Поведение, которое мне нужно, заключается в том, чтобы оно увеличивалось только один раз, когда оно получает обнаружение, а не снова, пока это обнаружение не будет потеряно, а затем повторно инициализировано. Мне также нужно, чтобы это работало, если обнаружено несколько лиц.
2. Вторая проблема заключается в том, что каскады Хаара плохо распознают лица. Я играл с параметрами, но не могу получить отличный результат. Также пробовал другие методы, такие как Dlib, но частота кадров делает его практически непригодным для использования на pi 3.

Я опубликую свой код ниже (собранный путем объединения нескольких примеров). В настоящее время также настроено использование многопоточности (еще один эксперимент, направленный на увеличение производительности). Насколько я могу судить, многопоточность работает, но на самом деле ничего не улучшает. Будем очень признательны за любую помощь, которую вы, ребята, могли бы оказать в решении проблемы счетчика или оптимизации каскадов Хаара для использования на Pi. ** Следует также отметить использование высококачественной камеры Rasp Pi и объективов Ardu Cam.

from __future__ import print_function
from imutils.video import VideoStream
from imutils.video.pivideostream import PiVideoStream
from imutils.video import FPS
from picamera.array import PiRGBArray
from picamera import PiCamera
import argparse
import imutils
import time
import cv2

# construct the argument parser and parse the arguments
ap = argparse.ArgumentParser()
ap.add_argument("-c", "--cascade", type=str,
    default = "haarcascade_frontalface_default.xml",
    help = "path to haar cascade face detector")
args = vars(ap.parse_args())

detector = cv2.CascadeClassifier(args["cascade"])

size = 40
counter = 0

# created threaded video
print("[INFO] using threaded frames")
vs = PiVideoStream().start()
time.sleep(2.0)


# loop over some frames...this time using the threaded stream
while True:
    # grab the frame from the threaded video stream and resize it
    # to have a maximum width of 400 pixels (trying larger frame size)
    frame = vs.read()
    frame = imutils.resize(frame, width=450)
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # perform face detection
    rects = detector.detectMultiScale(gray, scaleFactor=1.05,
        minNeighbors=6, minSize=(size, size),
        flags=cv2.CASCADE_SCALE_IMAGE)


    # loop over the bounding boxes
    for (x, y, w, h) in rects:
        # draw the face bounding box on the image
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
        
        # Increment counter when face is found
        counter += 1
        print(counter)
        

    # show the output frame
    cv2.imshow("Frame", frame)
    key = cv2.waitKey(1) & 0xFF


# do a bit of cleanup
cv2.destroyAllWindows()
vs.stop()