O objetivo desta pesquisa está em melhorar um processo já existente no projeto, a detecção de objetos utilizando uma WebCam, o intuito dessa melhoria está em diminuir o tamanho da placa de processamento necessária para o uso do algoritmo, em vez de utilizar um notebook ou PC, usufruir de sistemas embarcados que possuo (Raspberry). O uso de um sistema mais inteligente, seja aplicando Inteligência Computacional ou Artificial, pode servir de grande ajuda no projeto, logo seus benefícios, aplicabilidades e viabilidades serão estudados a partir da pesquisa aqui realizada. Esse texto serve também como um grande tutorial para pessoas que se interessam na área de visão computacional, por isso irei ensinar os métodos utilizando o Windows, Mac, Linux e Raspbian.
- Linguagem de programação Python e Shell Script.
- Biblioteca OpenCV (biblioteca para tratamento de imagem).
- Recurso Haar Cascade (utilizado para tratamento de imagens em visão computacional)
- IDEs (ambiente de desenvolvimento) Pycharm, Thonny e Anaconda.
- Uma placa Raspberry Pi 3 (Sistema embarcado).
- Uma Webcam para visão computacional.
- Conexão estável com Internet e energia (podendo ser baterias ou tomadas).
- Notebook com suporte para visão computacional.
- Sistema operacional Windows, Linux, MAC e Raspbian.
Instalação das ferramentas
Para a instalação não é necessário um aprofundamento em nenhuma linguagem de programação, o processo foi feito por mim, obtendo sucesso no dia 09/04/2020, ou seja, futuramente, é possível que o tutorial esteja desatualizado e causando erros.
Não é necessário instalar as ferramentas PyCharm e Anaconda no windows, MAC e linux, esses tutoriais servem apenas se você não for trabalhar com um Raspberry.
Instalação das IDEs PyCharm e Anaconda para Windows, Mac e Linux
Irei começar ensinando a instalação das ferramentas no Windows 10, Linux e MAC, inicialmente iremos instalar o PyCharm:
Essa IDE é muito útil para desenvolvimento em Python, vale ressaltar que sua instalação não é realmente necessária para o processo em si, mas facilita de grande forma na programação.
Você deve entrar no site do
PyCharm e clicar no ícone de download em preto.
Após clicar no ícone do download, a página é redirecionada para esta apresentada em baixo, você deve escolher seu sistema operacional, Windows, Linux ou MAC.
O arquivo tem 267 megas e no caso do Google Chrome, ele aparecerá na parte de baixo do site.
 |
| Imagem de Gustavo Yoshimi Yamashita |
A instalação deve seguir os seus gostos como administrador e usuário, porém a opção de ativar o PyCharm para o PATH deve ser ativada (caso apareça a opção). Segue um
Link com um tutorial completo da instalação.
O Anaconda é uma IDE muito utilizada no desenvolvimento de programas para cientistas de dados e AI ( inteligência artificial), sua instalação também é opcional.
Acessando o site do
Anaconda primeiramente você pode observar a opção de download.
Na parte superior Direita.
O site mudará para essa aparência, deve se de novo clicar no ícone de download.
Logo após, aparecerá a opção da escolha do seu sistema operacional.
É aconselhável a instalação da versão 3.7 do Python.
 |
| Imagem de Gustavo Yoshimi Ymashita |
Com o download concluído, segue apenas a instalação com suas preferências, segue o
Link de tutorial de como instalar.
Instalação da IDE Thonny para o Raspberry
Para o desenvolvimento no Raspberry, aconselho a instalção desse sistema operacional,
Raspbian, pois possui já a IDE Thonny e o Python instalado.
Segue um
Link para a instalação completa do Raspbian no Raspberry.
Instalando a biblioteca OpenCV no Windows, MAC e Linux
Agora a instalação da biblioteca OpenCV, muito utilizada para o tratamento de imagens e visão computacional, irei começar com a instalação no windows, MAC e Linux, depois passo para o Raspberry.
Primeiramente você abrirá a IDE do Anaconda no qual você instalou usando os tutoriais anteriores.
Entrando no Anaconda você deve ir no lado esquerdo na opção "Environments".
 |
| Print Screen do Autor, App Anaconda |
 |
| Print Screen do Autor, App Anaconda |
|
 |
| Print Screen do Autor, App Anaconda |
|
Depois deve clicar na opção "Create" para criar uma nova variável de ambiente.
De o nome que desejar e cliquem em "Create" em verde.
 |
| Print Screen do Autor, App Anaconda |
|
Aguarde a conclusão
 |
| Print Screen do Autor, App Anaconda |
|
Agora você deve acessar a pasta onde foi realizado o download do Anaconda, lá você encontrará um arquivo chamado "Anaconda Prompt " abra-o, caso estiver no MAC ou Linux abra o terminal para eles respectivamente.
O primeiro comando é o "activate 'nome da variável que você criou' ".
Caso estiver no MAC, antes do "activate" você deve colocar o "source".
Após isso, você deve colocar o seguinte comando para baixar o OpenCV, irá aparecer uma pergunta se você deseja realmente baixar o arquivo, digite "y" e pressione Enter.
Depois basta verificar se a instalação foi feita com sucesso (no meu caso, eu já possuo as bibliotecas instaladas, por isso não mostrei o código rodando), aconselho reiniciar o Anaconda.
 |
| Print Screen do Autor, App Anaconda |
|
Preparando o PyCharm
Agora irei mostrar como preparar o PyCharm para programar em Python com a biblioteca OpenCV
 |
| Print Screen do Autor, App PyCharm |
|
Você deve ir no canto superior esquerdo e clicar em "File" > "New Project", para criar um no projeto.
| Print Screen do Autor, App PyCharm |
 |
| Print Screen do Autor, App PyCharm |
|
Em seguida você deve clicar em "Project interpreter", na setinha, caso as opções estejam esconidas. Assinale a opção "Existing interpreter".
 |
| Print Screen do Autor, App PyCharm |
|
E então clique nos "..." para selecionar um interpretador.
 |
| Print Screen do Autor, App PyCharm |
|
 |
| Print Screen do Autor, App PyCharm |
|
Escolha do lado esquerdo a opção "Conda Environmente" e então verifique se no "Interpreter" está o nome no qual você criou no Anaconda.
Selecione a opção "Make available to all projects".
 |
| Print Screen do Autor, App PyCharm |
|
Caso essa notificação apareça, apenas pressione em "This Window".
 |
| Print Screen do Autor, App PyCharm |
|
Para criar um arquivo em Python basta seguir isso, clicando com o lado direito do mouse no nome da pasta onde está o projeto, "New" > "Python File".
 |
| Print Screen do Autor, App PyCharm |
|
Pronto, agora você já pode programar em Python sem nenhum problema, caso tenha ocorrido algum erro siga esses links para instalações com métodos diferentes.
Para Windows (instalação do OpenCV):
Para MAC (instalação do OpenCV):
Para Linux (instalação do OpenCV)
Instalação do OpenCV no Raspberry
O processo de instalação do OpenCV no Raspberry é bem demorado e complicado, isso tomaria muito espaço no texto, então deixaria o link do site no qual eu acompanhei para fazer a minha instalação,
Link.
Segue também links alternativos caso o primeiro não funcione:
Criando programa para detecção facial
A detecção facial tem sido de grande utilidade em diversos setores, desde segurança até entretenimento, não há limites para o seu uso, a cada dia que se passa mais inovações tecnológicas surgem aplicando o princípio da detecção de faces. Para a detecção facial, usarei uma técnica que utiliza o Haar Cascade e o OpenCV (mencionados em Ferramentas).
Haar Cascade
A definição pode ser encontrada no Wikipedia, "Traduzido do inglês-Recursos semelhantes a Haar são recursos de imagem digital usados no reconhecimento de objetos. Eles devem seu nome à sua similaridade intuitiva com as wavelets Haar e foram usados no primeiro detector de faces em tempo real.". Basicamente, o Haar Cascade é muito utilizado para o tratamento de imagens, para fins de detecção de objetos.
Os aquivos no formato XML de Haar Cascade são a base que usaremos para a detecção de determinado objetos, iniciarei os testes utilizando arquivos haars que já estão prontos (alguém já teve o trabalho de fazer alguns).
Arquivos Haarcascades podem ser encontrados pela internet, irei passar esse link do GitHub no qual foi postado vários exemplares. Ao acessar o depositório, é notável a presença de vários arquivos no formato xml e são esses arquivos no qual a máquina irá analisar os padrões (features).
 |
| OpenCV, Print do site GITHUB |
Escolha o arquivo que mais te interessar, existe para a detecção de faces, olhos, corpo completo, sorriso, entre outros (os arquivos estão em inglês). Eu irei mostrar os resultados utilizando a detecção mais famosa, a de faces (haarcascade_frontalface_alt.xml). Baixado então o arquivo, basta seguir para a programação em Python.
Programando em Python
- #importando a biblioteca OpenCV
- import cv2
- #Criando um classificador
- classificador = cv2.CascadeClassifier("haarcascade_frontalface_alt.xml")
- #Definindo a fonte da letra que será imprimida na tela
- fonte = cv2.FONT_HERSHEY_SIMPLEX
- #Habilitando a WebCam conectada ao dispositivo
- camera = cv2.VideoCapture(0)
- #Loop para a detecção tempo real
- while 1:
- #Fazendo a leitura da imagem
- conectado, imagem = camera.read()
- #Convertendo a imagem para a escala de cinza
- imagemCinza = cv2.cvtColor(imagem, cv2.COLOR_BGR2GRAY)
- #Atribuindo as classificações a variável facesDetectadas
- facesDetectadas = classificador.detectMultiScale(imagemCinza,
- scaleFactor=1.5,
- minSize=(50, 50))
- #Nas faces dectadas, desenhar um retângulo e escrever Humano
- for (x, y, l, a) in facesDetectadas:
- cv2.rectangle(imagem, (x,y), (x+l, y+a), (0,0,255), 2)
- cv2.putText(imagem, 'Humano', (x, y + (a + 30)), fonte, 1, (0, 255, 255))
- cv2.imshow("Face", imagem)
- cv2.waitKey(1)
- camera.release()
- cv2.destroyAllWindows
O leitor pode simplesmente copiar e colar o código na IDE PyCharm que tudo funcionará corretamente (caso ocorra algum erro, deixe nos comentários) caso tenha instalado as ferramentas e bibliotecas corretamente.
Explicando o código
- #Vazio
- #Comentário
- Este comando 'import' vem de importar, ele é utilizado em Python para importar alguma biblioteca
- #Vazio
- #Comentário
- Foi criado uma variável chamada 'classificador' que recebe a função CascadeClassifier do OpenCV, responsável pela classificação de padrões na imagem.
- #Vazio
- #Comentário
- Definindo a fonte que usaremos mais pra frente no código.
- #Vazio
- #Comentário
- Criando uma variável 'camera' que irá receber alguma câmera conectada em seu dispostivo
- #Vazio
- #Comentário
- Criando um Loop infinito 'While True' para a detecção em tempo real utilizando a câmera.
- #Comentário
- Para a leitura da imagem é passado qual variável está contida o dispositivo de gravação, no nosso caso a 'camera'. a leitura dessa linha poderia ser feita assim, variavel_imagem_gravada = 'variavel_da_camera'.read().
- #Vazio
- #Comentário
- Atribuindo à variável 'ImagemCinza' a imagem capturada da câmera em escalas de cinza, isso deve ser feito pois o haarcascade trabalha com pixels na escala de cinza.
- #Vazio
- #Comentário
- Nessa linha, é atribuído na variável 'facesDetectadas' todos os objetos detectados pelo classificador (no meu caso, a face). Ela recebe a 'imagemCinza', pois é nessa imagem que o programa tentará encontrar os padrões.
- ScaleFactor é o fator escala na detecção.
- MinSize é o tamanho mínimo de pixels que o programa pode encontrar algum objeto.
- #Comentário
- Dentro das coordenadas das faces detectadas, faça:
- Desenhe um retângulo com as pontas nas coordenadas das faces detectadas
- Escreva 'Humano' utilizando a fonte citada na linha 9 em cada retângulo de detecção facial.
- #Vazio
- Função do OpenCV utilizada para mostrar na tela a imagem.
- Aguarde o pressionamento de alguma tecla do tecclado.
- Saia da função câmera.
- Destrua todas as janelas abertas pelo OpenCV.
 |
| Imagem própria do autor, IDE PyCharm |
Este código não se limita apenas para a detecção de faces, você pode utilizar qualquer arquivo xml que encontrar, mas, caso não encontre algum pela internet, criar um não é uma tarefa difícil, apenas trabalhosa.
Como criar um arquivo Haar Cascade .xml
Para criar o um arquivo XML próprio, com o intuito de criar um detector de objetos em seu projeto, você pode acessar esse
Link do Youtube no qual eu utilizei também (Usuários Windows).
Segue agora Links para o sistemas operacional Linux:
Vídeos e Fotos
 |
| Imagem do Autor, Gustavo Yoshimi Yamashita |
Conclusões
Espero que todos tenham compreendido cada etapa aqui mostrada e ensinada, essas técnicas de Visão Computacional estão sendo utilizadas no projeto Beach Cleaner 2.0 (
Link), no qual conseguiu seu avanço seguindo links e tutoriais de forma gratuita, logo, espero poder ajudar outros projetos também com esse tutorial.
Referências Bibliográficas
Comentários
Postar um comentário