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 en formato .xml son los “modelos” que utiliza OpenCV para detectar rostros humanos (aunque podríamos crear nuevos modelos para detectar peces, plátanos, gatos…).

Sin embargo, estos archivos .xml algunas veces no son importados correctamente cuando utilizamos OpenCV-Pyhton del sistema, así que recomiendo bajar las haarcascades desde este enlace y guardarlas en un directorio que recordemos. Tendremos que decirle a la función cv2.CascadeClassifier() la ruta a nuestro fichero .xml.


#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:
# !!! RECUERDA CAMBIAR EL PATH DEL ARCHIVO .xml POR EL TUYO!!!
face_cascade = cv2.CascadeClassifier('/home/glare/rostrosCV/haarcascade_frontalface_alt.xml')
cap = cv2.VideoCapture(0)
 
while(True):
    #Leemos un frame y lo guardamos
    valido, img = cap.read()

    #Si el frame se ha capturado correctamente, continuamos
    if valido:
 
	    #Convertimos la imagen a blanco y negro
	    img_gris = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
	 
	    # Buscamos las coordenadas de los rostros (si los hay) y
	    # guardamos su posicion
	    array_rostros = face_cascade.detectMultiScale(img_gris, 1.3, 5)
	 
	    # Iteramos el array de rostros y pintamos un recuadro alrededor de
	    # cada uno
	    for (x,y,w,h) in array_rostros:
	    	    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

David

Buen dia, estoy realizando un proyecto de detección de piezas malas y buenas , tengo un modelo ya preentrenado con algunas imágenes que he tomado, lo que quiero es saber como puedo hacer para que me detecte en tiempo real y me indique en el frame si es pieza mala o buena. Tendría que usar un modelo de estos ya entrenados? ya que no he encontrado como implementarlo.

Autor

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

Tutorial:

Gl4r3

278 Deja un comentario

278

Deja un comentario