Spaces:
Build error
Build error
File size: 3,661 Bytes
8aa5820 |
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 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 |
import cv2
import numpy as np
def detect_face_dnn(net, frame, conf_threshold=0.5):
"""
Detecta rostros en una imagen utilizando un modelo DNN pre-entrenado
y devuelve los cuadros delimitadores.
"""
frameHeight = frame.shape[0]
frameWidth = frame.shape[1]
# Crear un blob a partir de la imagen
blob = cv2.dnn.blobFromImage(frame, 1.0, (300, 300), [104, 117, 123], False, False)
# Establecer la entrada para la red neuronal
net.setInput(blob)
# Ejecutar la detección
detections = net.forward()
bboxes = []
# Procesar las detecciones
for i in range(detections.shape[2]):
confidence = detections[0, 0, i, 2]
# Filtrar por umbral de confianza
if confidence > conf_threshold:
x1 = int(detections[0, 0, i, 3] * frameWidth)
y1 = int(detections[0, 0, i, 4] * frameHeight)
x2 = int(detections[0, 0, i, 5] * frameWidth)
y2 = int(detections[0, 0, i, 6] * frameHeight)
# Asegurarse de que las coordenadas están dentro de los límites de la imagen
x1 = max(0, min(x1, frameWidth - 1))
y1 = max(0, min(y1, frameHeight - 1))
x2 = max(0, min(x2, frameWidth - 1))
y2 = max(0, min(y2, frameHeight - 1))
# Agregar los cuadros delimitadores y la confianza
bboxes.append([x1, y1, x2, y2, confidence])
return np.array(bboxes)
def main():
# Cargar el modelo de detección de rostros
modelFile = "models/opencv_face_detector_uint8.pb"
configFile = "models/opencv_face_detector.pbtxt"
net = cv2.dnn.readNetFromTensorflow(modelFile, configFile)
# Iniciar la cámara
cap = cv2.VideoCapture(0)
if not cap.isOpened():
print("Error: No se pudo abrir la cámara.")
return
print("Cámara iniciada correctamente. Presione 'q' para salir.")
while True:
# Leer un frame de la cámara
ret, frame = cap.read()
if not ret:
print("Error al capturar el frame.")
break
# Detectar rostros con umbrales de confianza diferentes
for threshold in [0.5, 0.3, 0.1]:
bboxes = detect_face_dnn(net, frame, threshold)
# Crear copia del frame para dibujar en ella
display_frame = frame.copy()
# Dibujar los cuadros delimitadores
for i, bbox in enumerate(bboxes):
x1, y1, x2, y2, conf = bbox
# Usar color verde
color = (0, 255, 0)
# Dibujar el rectángulo
cv2.rectangle(display_frame, (int(x1), int(y1)), (int(x2), int(y2)), color, 2)
# Mostrar la confianza
label = f"Rostro: {conf:.2f}"
cv2.putText(display_frame, label, (int(x1), int(y1) - 10),
cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 2)
# Mostrar el número de rostros detectados en la esquina
cv2.putText(display_frame, f"Umbral: {threshold} - Rostros: {len(bboxes)}",
(10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2)
# Mostrar el resultado
window_name = f"Detección de Rostros (Umbral: {threshold})"
cv2.imshow(window_name, display_frame)
# Salir si se presiona 'q'
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# Liberar recursos
cap.release()
cv2.destroyAllWindows()
if __name__ == "__main__":
main() |