Tensorflow. Reconocimiento facial con inteligencia artificial (3/3)

23. Reconocimiento facial con inteligencia artificial (3)

• Hola a todos.Una vez finalizado el curso de google, vamos a entrenar un modelo para hacer un ejemplo de reconocimiento facial.Este ejemplo lo dividiremos en tres vídeos, que estructuraremos de la siguiente manera.

• En el tercer y último  vídeo que podéis ver a continuación practicamos el reconocimiento facial a través de la imagen de la webcam. También veremos el código necesario para este propósito.

• Os dejo el código visto en el vídeo y un enlace de descarga con el proyecto completo:

# Abajo mostramos el rectángulo delimitado (adivinado) para los ojos debajo de las gafas de sol

# Usaremos el rectángulo delimitador para averiguar cómo asignar los lentes en los puntos clave 

# glasses_triangle_vertices = np.array ([(280,220), (2800,220), (280,600)]). astype (np.float32)

thug_glasses_triangle_vertices = np.array([(65,10), (490,10), (65,70)]).astype(np.float32)

def thug_image(image):

    faces = dameCaras(image)

    image_info = obtenerPuntosClave(image, faces)

    

    sunglasses = cv2.imread("imagenes/gafas.png", cv2.IMREAD_UNCHANGED)    

    alpha_channel = sunglasses[:,:,3]

    

    for (face, keypoints) in image_info:

    

        # We keep only the keypoints related to eyes (from 0 to 9)

        eye_keypoints = keypoints[:10]

        # Compute the bounding rectangle for the eyes

        eye_boundingRect = cv2.boundingRect(np.array(eye_keypoints).astype(np.float32))

        # Build the triangle vertices needed by cv2.getAffineTransform()

        eyes_triangle_vertices = np.array([(eye_boundingRect[0],eye_boundingRect[1]), 

                                           (eye_boundingRect[0]+eye_boundingRect[2],eye_boundingRect[1]), 

                                           (eye_boundingRect[0],eye_boundingRect[1]+eye_boundingRect[3])]).astype(np.float32)

        # Compute the affine transform matrix from the two sets of three points (glasses and eyes)

        map_matrix = cv2.getAffineTransform(thug_glasses_triangle_vertices, eyes_triangle_vertices)

        # Apply the affine transformation to the glasses

        transformed_sunglasses = cv2.warpAffine(sunglasses, map_matrix, (image.shape[1], image.shape[0]))

        # Build a binary mask of the pixels where the sunglasses are

        transformed_sunglasses_mask = transformed_sunglasses[:,:,3] > 0

        # Overwrite pixels in the original image with sunglasses pixels using their mask

        image[:,:,:][transformed_sunglasses_mask] = transformed_sunglasses[:,:,0:3][transformed_sunglasses_mask]

    

    return image   

import cv2

import time 

from keras.models import load_model

def laptop_camera_go():

    # Crear instancia de captura de video.

    cv2.namedWindow("Deteccion facial")

    vc = cv2.VideoCapture(0)

    # capturamos el primer fotograma.

    if vc.isOpened(): 

        rval, frame = vc.read()

    else:

        rval = False

    

    # mantener el flujo de video abierto

    while rval:

        # trazar la imagen de la cámara con detecciones marcadas

        frame = thug_image(frame)

        cv2.imshow("Deteccion facial activada", frame)

        

        # Funcionalidad de salida: presione cualquier tecla para salir del video de 

        #la computadora portátil

        key = cv2.waitKey(20)

        if key > 0: # exit by pressing any key

            cv2.destroyAllWindows()

            

            for i in range (1,5):

                cv2.waitKey(1)

            return

        

        # obtener siguinete frame

        time.sleep(0.05)             # controlamos framerate

        rval, frame = vc.read()

laptop_camera_go()

• Os dejo un enlace al proyecto completo. https://drive.google.com/open?id=1MEZaj7CdcKzFbFqKJQWvyUrhccXkckYZ