camera_age_prediction.py

import cv2
import numpy as np
from tensorflow.keras.models import load_model
from tensorflow.keras.applications.mobilenet_v2 import preprocess_input
import os

# Definir rutas
code_path = r'D:\Machine Learning\Machine Learning\Code'
models_path = os.path.join(code_path, 'models')
haarcascade_path = os.path.join(code_path, 'haarcascades', 'haarcascade_frontalface_default.xml')

# Verificar si el archivo Haar Cascade existe
if not os.path.exists(haarcascade_path):
    print(f'No se encontró el archivo Haar Cascade en {haarcascade_path}. Asegúrate de descargarlo y guardarlo correctamente.')
    exit()

# Cargar el clasificador Haar Cascade para detección de rostros
face_cascade = cv2.CascadeClassifier(haarcascade_path)

# Cargar el modelo entrenado
modelo_guardado = os.path.join(models_path, 'modelo_estimacion_edad_mejor.h5')
if not os.path.exists(modelo_guardado):
    print(f'No se encontró el modelo en {modelo_guardado}. Por favor, entrena el modelo primero.')
    exit()

modelo = load_model(modelo_guardado)
print('Modelo cargado exitosamente.')

# Configurar la captura de video (0 es la webcam predeterminada)
cap = cv2.VideoCapture(0)

if not cap.isOpened():
    print("Error: No se puede acceder a la cámara.")
    exit()

print("Iniciando la captura de video. Presiona 'q' para salir.")

while True:
    # Capturar frame por frame
    ret, frame = cap.read()
    if not ret:
        print("Error: No se pudo leer el frame de la cámara.")
        break

    # Convertir el frame a escala de grises para la detección de rostros
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # Detectar rostros en el frame
    rostros = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

    for (x, y, w, h) in rostros:
        # Extraer la región del rostro
        rostro = frame[y:y+h, x:x+w]

        # Preprocesar la imagen del rostro
        rostro_rgb = cv2.cvtColor(rostro, cv2.COLOR_BGR2RGB)
        rostro_resized = cv2.resize(rostro_rgb, (128, 128))
        rostro_preprocessed = preprocess_input(rostro_resized)
        rostro_expanded = np.expand_dims(rostro_preprocessed, axis=0)

        # Realizar la predicción de edad
        edad_predicha = modelo.predict(rostro_expanded)[0][0]
        edad_predicha = round(edad_predicha, 2)

        # Dibujar un rectángulo alrededor del rostro
        cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)

        # Preparar el texto de la edad predicha
        texto = f'Edad: {edad_predicha} años'

        # Elegir la posición del texto (justo encima del rectángulo del rostro)
        posicion_texto = (x, y-10 if y-10 > 10 else y+10)

        # Escribir el texto en la imagen con color azul (BGR: 255, 0, 0)
        cv2.putText(frame, texto, posicion_texto, cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255, 0, 0), 2)

    # Mostrar el frame resultante
    cv2.imshow('Estimación de Edad - Presiona "q" para salir', frame)

    # Esperar por la tecla 'q' para salir
    if cv2.waitKey(1) & 0xFF == ord('q'):
        print("Programa finalizado por el usuario.")
        break

# Liberar la captura y cerrar las ventanas
cap.release()
cv2.destroyAllWindows()