Update camera_age_prediction.py

camera_age_prediction.py

@@ -1,87 +1,88 @@
-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()
+import cv2
+import numpy as np
+from tensorflow.keras.models import load_model
+from tensorflow.keras.applications.mobilenet_v2 import preprocess_input
+import os
+
+# Rutas relativas dentro del *Space* en Hugging Face
+code_path = os.getcwd()  # Obtén el directorio actual donde se encuentra el script
+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 subirlo 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()
+