def wait＿for＿update（ring， download＿only＝False）：
   id ＝ －1
   start ＝ time．time（）
   while True：
       try：
           ring．update＿data（）
       except：
           time．sleep（1）
           continue
       doorbell ＝ ring．devices（）［＇authorized＿doorbots＇］［0］
       for event in doorbell．history（limit＝20， kind＝＇ding＇）：
           current＿id ＝ event［＇id＇］
           break
       if current＿id ！＝ id：
           id ＝ current＿id
           print（＇［INFO］ finished search in：＇， str（time．time（） － start））
           start ＝ time．time（）
           if download＿only：
               handle＿video（ring， True）
               return
           handle ＝ handle＿video（ring）
           if handle：
               text＿to＿speech（handle）
           else：
               text＿to＿speech（＇The person at the door is not very clear＇）
       time．sleep（1）

如果你对identify、get＿first＿frame和text＿to＿speech方法调用有点困惑，不要担心！我们就要谈到这个了！现在我们的处理程序已经就位，让我们开始面部识别吧！FaceNetFaceNet是谷歌在2015年开发的一个模型。FaceNet使用一种称为聚类的过程

聚类的目的是创建一种嵌入，就像单词一样。唯一的区别是，该模型不是学习向量标记的id，而是将图像压缩到一个小的潜在空间。具体来说，给定一幅形状为（160，160，3）的图像，FaceNet模型，产生一个形状为（128）的矢量，称为它的嵌入。该模型将确保不同人的面孔在嵌入空间中的距离较远，同一个人的面孔距离较近。这样，一个人无论在什么样的光线条件下，从什么样的角度，或者什么妆容，都可以被认出来。FaceNet架构FaceNet类似于ResNet和InceptionV3。架构如下所示。输入图像经过1x1Conv层和2x2Pooling层，然后沿着深度ResNet下行，由成对的Inception层和残差连接层组成。最后的层包含多个3x3Conv、Concat和2x2Pooling层。