把这段代码改成识别N个用户

要将这段代码改成识别N个用户，需要进行如下的修改：

1. 定义一个包含N个元素的`names`列表，其中每个元素对应一个用户的名称或ID。
2. 定义一个包含N个元素的`recognizers`列表，其中每个元素对应一个训练好的人脸识别模型。
3. 在训练模型之前，需要将每个用户的图像和标签分别存储在`images`和`labels`列表中，每个用户的图像和标签需要分别对应到`images`和`labels`的不同位置。
4. 在while循环中，对于检测到的每个人脸，需要在`recognizers`列表中遍历，分别使用不同的人脸识别模型进行识别，并选择置信度最高的识别结果作为最终结果。

下面是修改后的示例代码：

# 定义N个用户的名称或ID
names = ['User1', 'User2', 'User3']

# 定义N个人脸识别模型
recognizers = []
for i in range(N):
    recognizer = cv2.face.LBPHFaceRecognizer_create()
    recognizer.read(f'./trainner/trainner_{i}.yml')
    recognizers.append(recognizer)

# 定义训练集
images = []
labels = []
for i, name in enumerate(names):
    for filename in os.listdir(f'./dataset/{name}'):
        if filename.endswith('.jpg') or filename.endswith('.png'):
            img_path = f'./dataset/{name}/{filename}'
            img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)
            images.append(img)
            labels.append(i)

# 训练模型
recognizer = cv2.face.LBPHFaceRecognizer_create()
recognizer.train(images, np.array(labels))

# 调用摄像头
cam = cv2.VideoCapture(0)
minW = 0.1 * cam.get(3)
minH = 0.1 * cam.get(4)

while True:
    ret, img = cam.read()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = faceCascade.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=5, minSize=(int(minW), int(minH)))
    
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)
        max_confidence = -1
        max_id = -1
        for i, recognizer in enumerate(recognizers):
            idnum, confidence = recognizer.predict(gray[y:y+h, x:x+w])
            if confidence > max_confidence:
                max_confidence = confidence
                max_id = i
        if max_confidence < 100:
            idum = names[max_id]
            confidence = f"{round(100-max_confidence)}%"
        else:
            idum = "unknown"
            confidence = f"{round(100-max_confidence)}%"
        cv2.putText(img, str(idum), (x+5,y-5), font, 1, (255,255,255), 2)
        cv2.putText(img, str(confidence), (x+5,y+h-5), font, 1, (255,255,0), 1)
    
    cv2.imshow('camera', img)
    k = cv2.waitKey(1)
    if k == 27:
        break

需要注意的是，在使用多个人脸识别模型时，需要对每个用户的图像进行单独的训练，并将训练好的模型保存在不同的文件中。在识别过程中，需要遍历所有的人脸识别模型，并选择置信度最高的识别结果作为最终结果。同时，在实际应用中，还需要考虑如何管理多个用户的数据和模型，并进行一些额外的处理和优化。