d1 = img.find_lbp((0, 0, img.width(), img.height()))，print(d1)结果为什么是{}呢？
for s in range(1, NUM_SUBJECTS+1):
dist = 0
for i in range(2, NUM_SUBJECTS_IMGS+1):
img = image.Image("picture/s%d/%d.pgm"%(s, i))
d1 = img.find_lbp((0, 0, img.width(), img.height()))
#d1为第s文件夹中的第i张图片的lbp特征
dist += image.match_descriptor(d0, d1)#计算d0 d1即样本图像与被检测人脸的特征差异度。
print(d1)
无法运行代码 ，老是出现这个错误 OSError: Unsupported format!
问题：如何识别同时出现在openmv摄像头下的两个人脸
步骤：先进行A、B两人的图片样本库s1与s2的采集，以便后来的对比。当A和B两个人脸同时出现时，运行下面的代码：结果分别输出与A最匹配的样本库编号和与B最匹配的样本库编号。
import sensor, time, image
# Reset sensor
sensor.reset()
sensor.set_contrast(3)
sensor.set_gainceiling(16)
sensor.set_framesize(sensor.HQVGA)
sensor.set_pixformat(sensor.GRAYSCALE)
face_cascade = image.HaarCascade("frontalface", stages=25)
print(face_cascade)
NUM_SUBJECTS = 2 #图像库中不同人数，一共2人
NUM_SUBJECTS_IMGS = 10 #每人有10张样本图片
img = None
pmin = 999999
num=0
def min(pmin, a, s):
global num
if a<pmin:
pmin=a
num=s
return pmin
clock = time.clock()
while (True):
clock.tick()
img = sensor.snapshot()
objects = img.find_features(face_cascade, threshold=0.75, scale=1.35)
#在找到的目标上画框，标记出来
for r in objects:
img.draw_rectangle(r)
d0 = img.find_lbp(r)
for s in range(1, NUM_SUBJECTS+1):
dist = 0
for i in range(2, NUM_SUBJECTS_IMGS+1):
img = image.Image("picture/s%d/%d.pgm"%(s, i))
d1 = img.find_lbp((0, 0, img.width(), img.height()))
#d1为第s文件夹中的第i张图片的lbp特征
dist += image.match_descriptor(d0, d1)#计算d0 d1即样本图像与被检测人脸的特征差异度。
print("Average dist for subject %d: %d"%(s, dist/NUM_SUBJECTS_IMGS))
pmin = min(pmin, dist/NUM_SUBJECTS_IMGS, s)#特征差异度越小，被检测人脸与此样本更相似更匹配。
print("差异度为：%d"%pmin)
print("匹配人编号为：%d"%num) # num为当前最匹配的人的编号。
#一个或者多个人脸识别，并与图片样本库对比，有没有被测者的信息存储，输出最匹配人的样本库编号
import sensor, time, image
# Reset sensor
sensor.reset()
sensor.set_contrast(3)
sensor.set_gainceiling(16)
sensor.set_framesize(sensor.HQVGA)
sensor.set_pixformat(sensor.GRAYSCALE)
face_cascade = image.HaarCascade("frontalface", stages=25)
print(face_cascade)
NUM_SUBJECTS = 3 #图像库中不同人数，一共6人
NUM_SUBJECTS_IMGS = 10 #每人有10张样本图片
img = None
pmin = 999999
num=0
def min(pmin, a, s):
global num
if a<pmin:
pmin=a
num=s
return pmin
clock = time.clock()
while (True):
clock.tick()
img = sensor.snapshot()
objects = img.find_features(face_cascade, threshold=0.75, scale=1.35)
#在找到的目标上画框，标记出来
for r in objects:
img.draw_rectangle(r)
d0 = img.find_lbp(r)
for s in range(1, NUM_SUBJECTS+1):
dist = 0
for i in range(2, NUM_SUBJECTS_IMGS+1):
img = image.Image("picture/s%d/%d.pgm"%(s, i))
d1 = img.find_lbp((0, 0, img.width(), img.height()))
#d1为第s文件夹中的第i张图片的lbp特征
dist += image.match_descriptor(d0, d1)#计算d0 d1即样本图像与被检测人脸的特征差异度。
pmin = min(pmin, dist/NUM_SUBJECTS_IMGS, s)#特征差异度越小，被检测人脸与此样本更相似更匹配。
print("差异度为：%d"%pmin)
print("匹配人编号为：%d"%num) # num为当前最匹配的人的编号。
print(clock.fps())
sensor.skip_frames([n, time])
使用 n 个快照，让相机图像在改变相机设置后稳定下来。 n 作为普通参数传输， 例如： skip_frames(10) 跳过 10 帧。您应在改变相机设置后调用该函数。
或者，您可通过关键字参数 time 来跳过几毫秒的帧数，例如： kip_frames(time = 2000) ，跳过2000毫秒的帧。
若 n 和 time 皆未指定，该方法跳过300毫秒的帧。
若二者皆指定，该方法会跳过 n 数量的帧，但将在 time 毫秒后超时。
objects = img.find_features(face_cascade, threshold=0.75, scale_factor=1.25)
上列代码是搜索与Haar Cascade匹配的所有区域的图像，并返回一个关于这些特征的边界矩形元组（x, y, w, h ）.
objects不可以做ROI吗？为什么下面的这行代码会出现长度不够4个的错误
d0 = img.find_lbp(objects)
先进行find_features人脸识别找到两个人脸区域，再在两个人脸区域内分别进行find_lbp特征检测，进行比对。
请教：不知两个人脸区域内分别进行find_lbp特征检测的代码放在什么位置上，还需要设定ROI吗？如果并不设定ROI，或者坐标，两个人脸区域又是如何分别进行特征检测，可以讲解下原理吗？
主要问题：两个人脸区域又是如何分别进行特征检测的代码怎么写