Logo Passei Direto
Buscar
Material
páginas com resultados encontrados.
páginas com resultados encontrados.

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Prévia do material em texto

11/20/2019 Reconhecimento Facial em Python com a biblioteca OpenCV
https://medium.com/data-science-br/reconhecimento-facial-em-python-com-a-biblioteca-opencv-be500c3ebcb3 1/9
Reconhecimento Facial em Python com
a biblioteca OpenCV
Fernando Marcos Wittmann
Sep 8, 2018 · 5 min read
Neste post vamos utilizar a biblioteca OpenCV para reconhecimento de facial. Segue
um exemplo utilizando minha webcam como entrada:
A melhor parte é que isso pode ser feito utilizando menos de 20 linhas de código:
Watch Again
Fernando Marcos …
1x
1
2
3
4
5
6
7
8
import cv2, os
 
BLUE_COLOR = (255, 0, 0)
STROKE = 2
 
xml_path = 'haarcascade_frontalface_alt2.xml'
clf = cv2.CascadeClassifier(xml_path)
cap = cv2.VideoCapture(0)
11/20/2019 Reconhecimento Facial em Python com a biblioteca OpenCV
https://medium.com/data-science-br/reconhecimento-facial-em-python-com-a-biblioteca-opencv-be500c3ebcb3 2/9
O resto deste post será dedicado ao desenvolvimento deste código passo à passo no
console do Python. O mesmo estará dividido em quatro partes:
1. Pré-requisitos.
2. Como capturar um frame de sua webcam.
3. Como fazer detecção de faces do frame que foi previamente capturado.
4. No nal há um quiz para você terminar o código para detecção de faces em tempo
real. A solução está no nal do artigo.
Primeiramente, vamos à instalação dos pré-requisitos.
1. Pré-requisitos
Para este tutorial, você vai precisar do Python 2.7 ou 3. Você também precisará ter
instalado o OpenCV. Minha sugestão:
1. Instale utilizando o Python utilizando o Anaconda. Desta forma, já serão inclusos os
pacotes mais importantes de Data Science.
2. Crie um novo ambiente para instalação do OpenCV:
conda create -n image-detection anaconda
3. Ative este ambiente. Em Linux/Mac o comando é:
source activate image-detection
9
10
11
12
13
14
15
16
17
18
19
❤
 
while(not cv2.waitKey(20) & 0xFF == ord('q')):
 ret, frame = cap.read()
 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
 faces = clf.detectMultiScale(gray)
 for x, y, w, h in faces:
 cv2.rectangle(frame, (x, y), (x+w, y+h), BLUE_COLOR, STROKE)
 cv2.imshow('frame',frame)
 
cap.release()
cv2.destroyAllWindows()
11/20/2019 Reconhecimento Facial em Python com a biblioteca OpenCV
https://medium.com/data-science-br/reconhecimento-facial-em-python-com-a-biblioteca-opencv-be500c3ebcb3 3/9
Já no Windows:
activate image-detection
4. Instale o OpenCV neste ambiente:
conda install opencv
Pronto! Alternativamente você pode testar pip install opencv-python . Eu recomendo
instalar em um ambiente separado pois a instalação do OpenCV tem como pré-requisito
a desatualização de pacotes para versões mais antigas.
2. Leitura da webcam
Para ganhar intuição, vamos construindo o nosso código aos poucos pelo console do
ipython . Com o seu terminal aberto, ative o seu ambiente e depois abra o ipython :
...$ source activate image-detection 
...$ ipython
Vamos agora primeiro importa a única dependência desse tutorial:
In [1]: import cv2
Em seguida a primeira coisa que vamos fazer é inicializar a webcam. Isso pode ser feito
utilizando o comando cv2.VideoCapture(0) :
In [2]: cap = cv2.VideoCapture(0)
O LED de sua webcam vai provavelmente acender (DICA: caso você não possua uma
webcam, você também de nir um vídeo como entrada em VideoCapture , por exemplo cap
= cv2.VideoCapture('c:/my_video.mp4') ). Agora, vamos aprender a tirar uma “foto” a
partir de sua webcam. Isso pode ser feito a partir do método cap.read seguido do
método release para desligá-la:
11/20/2019 Reconhecimento Facial em Python com a biblioteca OpenCV
https://medium.com/data-science-br/reconhecimento-facial-em-python-com-a-biblioteca-opencv-be500c3ebcb3 4/9
In [3]: ret, frame = cap.read()
In [4]: cap.release()
A imagem capturada estará armazenada em frame . Já em ret estará um binário
indicando se uma imagem foi obtida (retrieved). Agora para visualizar esta imagem,
precisamos da função imshow combinada com waitKey :
In [5]: cv2.imshow('frame', frame)
In [6]: cv2.waitKey(1) 
Out[6]: -1
Para atualizar a exibição ou fechamento da imagem, note que precisamos do método
cv2.waitKey(1) que basicamente aguarda que uma tecla seja pressionada. Agora para
fechar a imagem fazemos o seguinte via terminal:
In [7]: cv2.destroyAllWindows()
In [8]: cv2.waitKey(1) 
Out[8]: -1
Um pouco sobre a função waitKey : Note que tanto para a exibição quanto fechamento
de imagens, o uso dela é obrigatória. Esta função é a única que tem acesso à interface
grá ca e irá aguardar o pressionamento de uma tecla pelos milissegundos
especi cados. Como queremos que a imagem seja exibida ou fechada independente do
pressionamento de uma tecla, utilizamos o delay de 1 ms. Ela também é necessária para
exibição quadro a quadro em loops para a exibição de vídeos. Para exibir o conteúdo da
webcam em tempo real, precisamos colocar estes comandos dentro de um while loop:
In [10]: cap = cv2.VideoCapture(0) 
 ...: while(not cv2.waitKey(20) & 0xFF == ord('q')): 
 ...: ret, frame = cap.read() 
 ...: cv2.imshow('frame',frame) 
 ...: cap.release() 
 ...: cv2.destroyAllWindows() 
 ...: cv2.waitKey(1) 
 ...:
11/20/2019 Reconhecimento Facial em Python com a biblioteca OpenCV
https://medium.com/data-science-br/reconhecimento-facial-em-python-com-a-biblioteca-opencv-be500c3ebcb3 5/9
O comando cv2.waitKey(20) & 0xFF == ord(‘q’) vai esperar que a tecla ‘q’ seja
pressionada na janela do vídeo (não no terminal!) para em seguida encerrar a exibição.
Sendo assim, terminamos a primeira parte deste tutorial. Na próxima seção vamos
aprender a reconhecer faces em cima desta exibição em tempo real.
3. Detecção de faces
Para reconhecimento de faces, nós vamos importar um modelo pré-treinado com o tipo
de atributo a ser identi cado. Estes modelos estão salvos como arquivos XML e sua
localização pode variar dependendo de seu sistema operacional ou da forma que
instalou o OpenCV. Como nosso objetivo é a identi cação de rostos, o arquivo do
modelo que queremos importar chama-se haarcascade_frontalface_alt2.xml . Uma
possibilidade seria baixar pelo código fonte. Alternativamente, você pode procurá-lo a
partir do diretório do OpenCV da seguinte forma:
In [11]: import os
In [12]: cv2path = os.path.dirname(cv2.__file__)
In [13]: def find(name, path): 
 ...: for root, dirs, files in os.walk(path): 
 ...: if (name in files) or (name in dirs): 
 ...: return os.path.join(root, name) 
 ...: # Caso nao encontre, recursao para diretorios 
anteriores 
 ...: return find(name, os.path.dirname(path))
In [14]: xml_path = find('haarcascade_frontalface_alt2.xml', 
cv2path)
In [15]: xml_path 
Out[15]: '/Users/wittmann/anaconda/envs/image-
detection/share/OpenCV/haarcascades/haarcascade_frontalface_alt2.xml
'
No código anterior foi de nido uma função find para buscar um arquivo a tomando-se
um diretório como ponto de partida. Em seguida, o diretório no qual o OpenCV está
instalado foi utilizado como entrada para a busca do modelo em XML. Outra opção
seria buscar pelo diretório haarcascades para testar os outros modelos em XML pré-
treinados:
In [16]: haar_path = find('haarcascades', cv2path)
11/20/2019 Reconhecimento Facial em Python com a biblioteca OpenCV
https://medium.com/data-science-br/reconhecimento-facial-em-python-com-a-biblioteca-opencv-be500c3ebcb3 6/9
In [17]: os.listdir(haar_path) 
Out[17]: 
['haarcascade_eye.xml', 
 'haarcascade_eye_tree_eyeglasses.xml', 
 'haarcascade_frontalcatface.xml', 
 'haarcascade_frontalcatface_extended.xml', 
 'haarcascade_frontalface_alt.xml', 
 'haarcascade_frontalface_alt2.xml', 
 'haarcascade_frontalface_alt_tree.xml', 
 'haarcascade_frontalface_default.xml', 
 'haarcascade_fullbody.xml', 
 'haarcascade_lefteye_2splits.xml', 
 'haarcascade_licence_plate_rus_16stages.xml', 
 'haarcascade_lowerbody.xml', 
 'haarcascade_profileface.xml','haarcascade_righteye_2splits.xml', 
 'haarcascade_russian_plate_number.xml', 
 'haarcascade_smile.xml', 
 'haarcascade_upperbody.xml']
Por exemplo, se quiséssemos identi car olhos em vez de faces, poderíamos utilizar o
modelo haarcascade_eye.xml . Vamos agora inicializar o classi cador a partir do
arquivo XML com o modelo pré-treinado:
In [18]: clf = cv2.CascadeClassifier(xml_path)
Agora com o classi cador inicializado, nós podemos fazer a identi cação de rostos em
imagens. No entanto, este classi cador apenas aceita como entra imagens em tons de
cinza. A conversão do frame para tons de cinza pode ser feito da seguinte forma:
In [19]: gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
E nalmente a detecção de rostos pode ser realizada em cima da imagem convertida em
tons de cinza
In [20]: faces = clf.detectMultiScale(gray)
A variável faces contém uma lista das coordenadas das faces identi cadas. Como
resultado, é retornado as coordenadas de um retângulo que corresponde ao rosto
identi cado (caso seja identi cado). Note que foi necessário converter a imagem para
11/20/2019 Reconhecimento Facial em Python com a biblioteca OpenCV
https://medium.com/data-science-br/reconhecimento-facial-em-python-com-a-biblioteca-opencv-be500c3ebcb3 7/9
tons de cinza em cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) . E nalmente, para
visualizar estas coordenadas, nós podemos desenhar um retângulo utilizando
cv2.rectangle :
In [21]: for x, y, w, h in faces: 
 ...: cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0))
In [22]: cv2.imshow('frame', frame); cv2.waitKey(1)
As coordenadas x e y correspondem ao ponto inferior esquerdo do retângulo
enquanto que w e h correspondem às sua largura (width) e altura (height). A função
cv2.rectangle também tem como entrada obrigatória a cor em formato BGR, que no
nosso exemplo escolhemos azul. E por m, podemos fechar via console:
In [23]: cv2.destroyAllWindows(); cv2.waitKey(1)
4. QUIZ: Juntando tudo
Agora ca como exercício juntar as ideias das duas seções anteriores:
import cv2, os
# TODO: Importar arquivo XML
# TODO: Inicializar Classificador
# Inicializar webcam 
cap = cv2.VideoCapture(0)
# Loop para leitura do conteúdo 
while(not cv2.waitKey(20) & 0xFF == ord('q')): 
 # Capturar proximo frame 
 ret, frame = cap.read()
 # TODO: Converter para tons de cinza
 # TODO: Classificar
 # TODO: Desenhar retangulo
 # Visualizar 
 cv2.imshow('frame',frame)
11/20/2019 Reconhecimento Facial em Python com a biblioteca OpenCV
https://medium.com/data-science-br/reconhecimento-facial-em-python-com-a-biblioteca-opencv-be500c3ebcb3 8/9
# Desligar a webcam 
cap.release()
#Fechar janela do vídeo 
cv2.destroyAllWindows()
A resposta mais simples está no início da página. Segue uma solução mais completa em
relação ao inicio do vídeo com busca automática do modelo em XML:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
import cv2, os
 
# Funcao para busca de arquivos
def find(name, path):
 for root, dirs, files in os.walk(path):
 if (name in files) or (name in dirs):
 print("O diretorio/arquivo {} encontra-se em: {}".format(name, root))
 return os.path.join(root, name)
 # Caso nao encontre, recursao para diretorios anteriores
 return find(name, os.path.dirname(path))
 
# Importar arquivo XML
cv2path = os.path.dirname(cv2.__file__)
haar_path = find('haarcascades', cv2path)
xml_name = 'haarcascade_frontalface_alt2.xml'
xml_path = os.path.join(haar_path, xml_name)
 
# TODO: Inicializar Classificador
clf = cv2.CascadeClassifier(xml_path)
 
# Inicializar webcam
cap = cv2.VideoCapture(0)
 
# Loop para leitura do conteúdo
while(not cv2.waitKey(20) & 0xFF == ord('q')):
 # Capturar proximo frame
 ret, frame = cap.read()
 
 # TODO: Converter para tons de cinza
 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
 
 # TODO: Classificar
 faces = clf.detectMultiScale(gray)
 
 # TODO: Desenhar retangulo
 for x, y, w, h in faces:
 cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0))
11/20/2019 Reconhecimento Facial em Python com a biblioteca OpenCV
https://medium.com/data-science-br/reconhecimento-facial-em-python-com-a-biblioteca-opencv-be500c3ebcb3 9/9
Aprendizado De Maquina Opencv Tutorial Português Python
About Help Legal
38
39
40
41
42
43
44
45
46
❤
 
 # Visualizar
 cv2.imshow('frame',frame)
 
# Desligar a webcam
cap.release()
 
#Fechar janela do vídeo
cv2.destroyAllWindows()

Mais conteúdos dessa disciplina