Métodos de visão computacional para segurança em vídeos

Este pacote contém dois exemplos de visão computacional apresentados em uma palestra na Fatec de Araras, em 23/10/2019.

Os seguintes pacotes são requisitos mínimos para que os exemplos sejam executados:

Python 3.5 ou superior
Opencv 4

O opencv pode ser instalado via pip com o seguinte comando:

pip install opencv-python

As recomendações para execução estão descritas abaixo:

Reconhecimento facial

O exemplo de visão computacional é separado em três partes:

1. Extração das features de um banco de dados de rostos;
2. Treinamento da SVM para classificação com as features extraídas no passo 1;
3. Execução da leitura do feed da câmera e reconhecimento de rostos.

Entre na pasta do exemplo

cd reconhecimento/facial

Instale os requisitos extras necessários para execução deste exemplo com o comando:

pip install -r requirements.txt

Extração das features

Primeiramente é necessária a formulação de um banco de imagens na pasta reconhecimento-facial/dataset. Neste banco de dados, cada subpasta será uma categoria (onde nome_subpasta = nome_categoria) e o nome das fotos dentro destas subpastas é irrelevante. A imagem abaixo demonstra um banco de dados que será reconhecido pelo programa:

Com o banco de dados criado, execute o seguinte comando para executar a extração das features:

python extrair_features.py

Este programa irá produzir o arquivo output/embeddings.pickle que contém a lista, com as features e as classes de cada uma das fotos, serializada com o pickle.

Treinamento do modelo

Após a extração das features, podemos executar o treinamento da SVM com o comando

python treinar_modelo.py

Este procedimento criará dois arquivos:

• output/le.pickle: Contém as labels codificadas do treinamento;
• output/recognizer.pickle: Armazena o modelo treinado da SVM.

Execução do exemplo

Agora podemos verificar o resultado no feed da câmera com o comando

python reconhecer_video.py

Para concluir o programa, aperte a tecla q na janela da filmagem.

Este exemplo foi adaptado deste post. Para maiores detalhes sobre cada uma das etapas, por favor, verifique o original.

Detecção de anomalias

Entre na pasta do exemplo

cd deteccao-anomalias

Execute o exemplo com MOG para o feed da câmera com o comando

python MOG.py