Upload 5 files

camera_age_prediction.py

@@ -0,0 +1,87 @@
+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()

models/modelo_estimacion_edad_final.h5

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:59f0467f67acec65daa1f950fc78a282b306eba16d004e34758ad3be9e9a8253
+size 11504968

models/modelo_estimacion_edad_mejor.h5

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:5afb39c8ba2ab3b945db40b65d63ef4e9de629d5b93f8f684645511e3f545281
+size 11504968

requirements.txt

@@ -0,0 +1,8 @@
+tensorflow==2.12.0
+keras==2.12.0
+numpy==1.24.3
+pandas==2.1.1
+matplotlib==3.7.1
+scikit-learn==1.2.2
+opencv-python==4.7.0.72
+Pillow==9.5.0