OpenCV Object Detection and Facial Recognition

📖 Descrição

Este projeto demonstra o uso do OpenCV e YOLOv3 para detecção de objetos em imagens e vídeos, além de reconhecimento facial com a biblioteca face_recognition. Desenvolvido como parte de um seminário de Inteligência Artificial, o projeto explora aplicações práticas de visão computacional, incluindo identificação de objetos (como carros, pessoas e itens do cotidiano), reconhecimento facial personalizado e análise de imagens. O objetivo é fornecer uma base acessível para estudantes, desenvolvedores e entusiastas explorarem o potencial do OpenCV em soluções inovadoras.

Os scripts incluem exemplos para:

• Exibir e detectar objetos em imagens estáticas.
• Processar vídeos em tempo real via webcam.
• Reconhecer pessoas específicas (ex.: "Luiz") a partir de fotos de treinamento.

Os arquivos de weights do YOLOv3, devido ao seu tamanho, estão hospedados no Google Drive para facilitar o acesso.

🚀 Como Implementar

Pré-requisitos

• Python 3.7+ instalado.
• Uma webcam (para scripts de detecção em tempo real).
• Acesso à internet para baixar as bibliotecas e os arquivos de weights.

Bibliotecas Necessárias

Instale as seguintes bibliotecas usando pip:

pip install opencv-python
pip install numpy
pip install face_recognition

Nota: Para instalar face_recognition, pode ser necessário instalar cmake e dlib primeiro:

pip install cmake
pip install dlib

Arquivos de Weights

O arquivo de weights do YOLOv3 (yolov3.weights) é muito grande para o GitHub e está hospedado no Google Drive. Baixe aqui:

🔗 Download dos Arquivos

Após o download, extraia os arquivos e coloque-os na pasta raiz do projeto.

Estrutura do Projeto

• detect_image.py: Detecta objetos em uma imagem estática usando YOLOv3.
• detect_webcam.py: Realiza detecção de objetos em tempo real via webcam.
• face_recognition.py: Reconhece pessoas específicas (ex.: "Luiz") a partir de fotos de treinamento.
• fotos_luiz/: Pasta para armazenar fotos de treinamento para reconhecimento facial (ex.: luiz1.jpg, luiz2.jpg).

Passos para Executar

1. Clone o Repositório:

   git clone https://github.com/seu_usuario/seu_repositorio.git
   cd seu_repositorio

2. Baixe os Arquivos de Weights:

   • Acesse o link do Google Drive.
   • Coloque yolov3.weights, yolov3.cfg e coco.names na pasta raiz.

3. Instale as Dependências:

   pip install -r requirements.txt

   Crie um arquivo requirements.txt com:

   opencv-python
   numpy
   face_recognition
   

4. Execute os Scripts:

   • Para detecção em imagem:

     python detect_image.py

     Edite o nome da imagem no script (ex.: "image.png").

   • Para detecção via webcam:

     python detect_webcam.py

   • Para reconhecimento facial:
     • Coloque 5+ fotos do Luiz na pasta fotos_luiz/.
     • Execute:

       python face_recognition.py

📝 Licença

Este projeto é licenciado sob a Licença MIT. Você pode usar, copiar, modificar, mesclar, publicar, distribuir, sublicenciar e/ou vender cópias do software, desde que inclua o aviso de copyright e a permissão de uso em todas as cópias ou partes substanciais do software. Veja o arquivo LICENSE para mais detalhes.

🛠️ Notas Adicionais

• Performance: Em CPUs, o FPS pode ser baixo com YOLOv3. Para melhor desempenho, use uma GPU com CUDA.
• Personalização: Para reconhecer outras pessoas ou objetos, adicione mais fotos na pasta fotos_luiz/ ou treine um modelo YOLO customizado.
• Problemas Comuns:
  • Se a webcam não funcionar, tente mudar o índice em cv2.VideoCapture(0) para 1 ou 2.
  • Verifique se os arquivos de weights estão no diretório correto.

📚 Referências

• OpenCV Official Documentation
• YOLO: Real-Time Object Detection
• Face Recognition GitHub

---