Обнаружение лица Opencv в прямом эфире с использованием Qt Gui работает медленно

У меня есть проект, в котором мне нужно спроектировать gui в qt. Этот дизайн содержит виджет, в котором live video feed будет отображаться с веб-камеры USB с помощью opencv. Этот проект обнаружит faces, а также распознает их, что означает, что для каждого кадра будет выполняться большая обработка.

Для этого я создал поток, который инициализирует камеру и берет с нее кадры с помощью opencv. Затем он помещает весь кадр в очередь, и эта очередь затем считывается функцией update_frame, которая в основном отображает кадр в виджете qt. Это работает нормально, без задержек.

Внутри функции update_frame я добавил face detection, из-за чего она работала очень медленно. Поэтому я создал еще один поток start_inferencing, который в основном читает кадр из queue, и после обнаружения лица он снова помещает кадр в другую очередь q2, которая затем читается update_frame и отображается, но по-прежнему отвечает очень медленно. Ниже приведен код:

q = queue.Queue()
q2 = queue.Queue()

def grab(cam, qu, width, height):
    global running
    capture = cv2.VideoCapture(cam)
    capture.set(cv2.CAP_PROP_FRAME_WIDTH, width)
    capture.set(cv2.CAP_PROP_FRAME_HEIGHT, height)

    while running:
        frame = {}
        capture.grab()
        ret_val, img = capture.retrieve(0)
        frame["img"] = img

        if qu.qsize() < 100:
            qu.put(frame)
        else:
            print(qu.qsize())

class Logic(QtWidgets.QMainWindow, Ui_MainWindow):
    def __init__(self, parent=None):
        QtWidgets.QMainWindow.__init__(self, parent)
        self.setupUi(self)

        set_initial_alert_temp()

        self.window_width = self.ImgWidget.frameSize().width()
        self.window_height = self.ImgWidget.frameSize().height()
        self.ImgWidget = OwnImageWidget(self.ImgWidget)

        self.timer = QtCore.QTimer(self)
        self.timer.timeout.connect(self.update_frame)
        self.timer.start(1)

        self.outside_temp_text_box.setText(str(curr_temp_cel))

    def update_frame(self):
        if not q2.empty():
            frame1 = q2.get()
            img = frame1["img"]

            img_height, img_width, img_colors = img.shape
            scale_w = float(self.window_width) / float(img_width)
            scale_h = float(self.window_height) / float(img_height)
            scale = min([scale_w, scale_h])

            if scale == 0:
                scale = 1

            img = cv2.resize(img, None, fx=scale, fy=scale, interpolation=cv2.INTER_CUBIC)
            img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
            height, width, bpc = img.shape
            bpl = bpc * width
            image = QtGui.QImage(img.data, width, height, bpl, QtGui.QImage.Format_RGB888)
            self.ImgWidget.setImage(image)

def start_inferencing():
    while True:
        if not q.empty():
            frame = q.get()
            img = frame["img"]
            face_bbox = face.detect_face(img)
            if face_bbox is not None:
                (f_startX, f_startY, f_endX, f_endY) = face_bbox.astype("int")
                f_startX = f_startX + 10
                f_startY = f_startY + 10
                f_endX = f_endX - 10
                f_endY = f_endY - 10
                cv2.rectangle(img, (f_startX, f_startY), (f_endX, f_endY), (0, 255, 0), 2)

                frame1 = {"img": img}

                if q2.qsize() < 100:
                    q2.put(frame1)
                else:
                    print(q2.qsize())

def main():

    capture_thread = threading.Thread(target=grab, args=(0, q, 640, 480))
    capture_thread.start()

    infer_thread = threading.Thread(target=start_inferencing)
    infer_thread.start()

    app = QtWidgets.QApplication(sys.argv)
    w = Logic(None)
    w.setWindowTitle('Test')
    w.show()
    app.exec_()


main()

Ниже приведено краткое описание того, что происходит в коде:

camera -> frame -> queue.put                     # (reading frame from camera and putting it in queue)
queue.get -> frame -> detect face -> queue2.put  # (getting frame from queue, detecting face in it and putting the updated frames in queue2)
queue2.get -> frame -> display it on qt widget   # (getting frame from queue2 and display it on qt widget)

Основная причина медленного видеопотока в реальном времени заключается в том, что кадр, который считывается в функции grab, не может обрабатываться быстрее, и поэтому размер queue продолжает сильно увеличиваться, и поэтому в целом он становится очень медленным. Есть ли хороший подход, который я могу использовать, который может обнаруживать лицо, а также показывать его без каких-либо задержек. Пожалуйста помоги. Спасибо