Corregir problema de detección facial: eliminar rectángulos forzados cuando no hay detecciones

streamlit_app.py

@@ -148,10 +148,9 @@ def main():
             print(f"Shape of detection output: {detections.shape}")
         except Exception as e:
             print(f"Error al procesar la imagen con el modelo DNN: {str(e)}")
-            # En caso de error, crear un bounding box que cubra toda la imagen
-            forced_bboxes = [[0, 0, w, h, 1.0]]
-            print("Forzando un rectángulo por error de procesamiento")
-            return forced_bboxes
+            # En caso de error, devolver lista vacía
+            print("Error en la detección de rostros. No se pudo procesar la imagen.")
+            return []
             
         # Variable para almacenar las cajas delimitadoras
         bboxes = []
@@ -192,28 +191,12 @@ def main():
         print(f"Total de detecciones con confianza > {conf_threshold}: {detection_count}")
         print(f"Total de cajas válidas: {len(bboxes)}")
         
-        # Si no se encontraron rostros, forzar un rectángulo que cubra el centro de la imagen
+        # Si no se encontraron rostros, devolver lista vacía
         if not bboxes:
-            # Crear un rectángulo en el centro de la imagen con tamaño proporcional
-            center_x, center_y = w // 2, h // 2
-            face_w, face_h = int(w * 0.4), int(h * 0.5)  # 40% del ancho, 50% del alto
-            x1 = center_x - face_w // 2
-            y1 = center_y - face_h // 2
-            x2 = x1 + face_w
-            y2 = y1 + face_h
-            
-            # Asegurar que esté dentro de los límites
-            x1 = max(0, x1)
-            y1 = max(0, y1)
-            x2 = min(w, x2)
-            y2 = min(h, y2)
-            
-            # Añadir rectángulo forzado con confianza "1.0"
-            forced_bbox = [x1, y1, x2, y2, 1.0]
-            bboxes = [forced_bbox]
-            print(f"Forzando rectángulo cuando no se detecta rostro: {forced_bbox}")
+            print(f"No se detectaron rostros con confianza > {conf_threshold}")
+            return []
         
-        # Devolver las cajas (ahora siempre habrá al menos una)
+        # Devolver las cajas detectadas
         return bboxes
 
     # Función alternativa para detectar rostros usando Haar Cascades