Reconocimiento facial con OpenCV + webcam

Posted on May 26, 2014 by Gl4r3

“El sujeto de pruebas 255-C corrió por el largo pasadizo de pulcro y brillante color blanco hacia su salvación. Al final, la puerta automática con el símbolo de “Salida” se abrió. ¡Por fin…!

Una auténtica lástima que detrás se escondiera la torreta 94-H5A, diseñada para detectar seres humanos mediante algoritmos de Haar, eliminarlos y cantar una hermosa aria italiana en el proceso. O cara mia, addio!”

Después de esta introducción tan literaria debo decir que no vamos a construir una adorable torreta automática. El tutorial de hoy consistirá en escribir un código con OpenCV y Python para detectar rostros con una webcam en tiempo real. Para ello utilizaremos un algoritmo de Haar, que ya nos viene implementado por defecto con OpenCV.

Antes de empezar… ¿cómo funciona el reconocimiento facial de OpenCV?

Para legos: OpenCV utiliza un conjunto de “bloques” para reconocer formas llamados Haar-like features (“características de tipo Haar”. Sí, es una traducción pésima). Por ejemplo, algunas de estas formas pueden ser:

El algoritmo busca en la imagen combinaciones de estos patrones. Por ejemplo, si queremos detectar un rostro, como es en nuestro caso, el algoritmo buscará en la imagen la combinación de estos bloques que, si se juntan, se aproximan a un rostro:

Este sistema tiene un porcentaje de aciertos bastante alto, aunque su éxito también dependerá del tipo de cámara utilizada, la iluminación de la sala, etc.

Tutorial:

En primer lugar vamos a necesitar una webcam configurada y funcional. En este aspecto sí que no puedo ayudarte, hay muchos tipos de webcam y ordenadores, así que la configuración dependerá de tu modelo.

También debemos tener instalada la librería de OpenCV para Python.

Ahora hay que descargar los archivos haarcascade. Estos archivos son los “modelos” de rostros humanos. Podemos crear nuevos modelos, si queremos, para detectar peces, plátanos, gatos… Sin embargo, estos archivos algunas veces no son importados correctamente cuando utilizamos OpenCV-Pyhton del sistema, así que recomiendo bajar las haarcascades desde este enlace y guardarlas en la misma carpeta dónde vayamos a guardar nuestro código en Python.

Si estamos en Linux, también podemos descargar la última versión de OpenCV (en el momento en que redacto esto es la 2.4.9) desde la página web oficial de OpenCV,guardar el archivo, descomprimirlo y copiar los archivos que hay dentro de data->haarcascades en el directorio dónde vayamos a guardar nuestro código en python. También podemos guardarlos en cualquier otro lugar y escribir la ruta en el código.

El código que utilizaremos es una variante escrita por una servidora del código oficial para detectar rostros en imágenes estáticas.


#Ejemplo de deteccion facial con OpenCV y Python
#Por Glare
#www.robologs.net

import numpy as np
import cv2

#cargamos la plantilla e inicializamos la webcam:
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_alt.xml')
cap = cv2.VideoCapture(0)

while(True):
    #leemos un frame y lo guardamos
    ret, img = cap.read()

    #convertimos la imagen a blanco y negro
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    #buscamos las coordenadas de los rostros (si los hay) y
    #guardamos su posicion
    faces = face_cascade.detectMultiScale(gray, 1.3, 5)

    #Dibujamos un rectangulo en las coordenadas de cada rostro
    for (x,y,w,h) in faces:
        cv2.rectangle(img,(x,y),(x+w,y+h),(125,255,0),2)

    #Mostramos la imagen
    cv2.imshow('img',img)
    
    #con la tecla 'q' salimos del programa
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

Y ejecutamos nuestro código. Si todo ha funcionado bien, deberíamos ver nuestro careto dentro de un recuadro de color verde. Si no, intenta moverte o cambiar la iluminación de la habitación.

Si te surgió algún problema al seguir al tutorial no dudes en comentar y te responderé lo más rápido posible.

Actualización 3/11/2016: Resolución de errores frecuentes con OpenCV+Python

Gl4r3

Brillante, luminosa y cegadora a veces, Glare es tan artista como técnica. Le encanta dar rienda suelta a sus módulos de imaginación y desdibujar los ya de por si delgados límites que separan el mundo de la electrónica y el arte. Su mayor creación hasta la fecha es un instrumento capaz de convertir los colores y la luz en música. Cuándo sus circuitos no están trabajando en una nueva obra electrónica, le gusta dedicar sus ciclos a la lectura o a documentar sus invenciones para beneficio de los humanos. Sus artilugios favoritos son aquellos que combinan una funcionalidad práctica con un diseño elegante y artístico.

más nuevos primero más antiguos primero

Humano

daniel

me aparece este erroralguien me podria ayudar ?
Traceback (most recent call last):
File “C:/Users/Daniel/Desktop/prueba.py”, line 21, in
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
cv2.error: OpenCV(4.1.0) C:\projects\opencv-python\opencv\modules\objdetect\src\cascadedetect.cpp:1658: error: (-215:Assertion failed) !empty() in function ‘cv::CascadeClassifier::detectMultiScale’

Autor

Antes de empezar… ¿cómo funciona el reconocimiento facial de OpenCV?

Tutorial:

Gl4r3

258 Deja un comentario

258

Deja un comentario