👁️ Real-Time Facial Detection (OpenCV)

Este é um projeto Python simples e funcional para detectar rostos em tempo real usando a webcam. Ele utiliza a biblioteca OpenCV e o algoritmo Haar Cascade para identificar faces no vídeo.

✨ 1. Pré-requisitos (O que você precisa)

Para executar este script, você precisa ter o Python 3 instalado e a biblioteca opencv-python configurada:

Instale o Python: Certifique-se de ter o Python 3.x instalado em seu sistema.
Instale a Biblioteca: Use o pip no seu terminal para adicionar a dependência necessária ao seu ambiente:
```
pip install opencv-python
```

⚙️ 2. Como Clonar o Repositório

Para trazer o código para a sua máquina, você deve clonar este repositório:

Abra o Terminal (Prompt de Comando ou PowerShell).

Clone o Projeto: Execute o comando git clone, usando a URL HTTPS deste repositório:

git clone [https://github.com/Jvms04/facial-detection-opencv.git](https://github.com/Jvms04/facial-detection-opencv.git)

Entre na Pasta: Navegue para o diretório do projeto:
```
cd facial-detection-opencv
```

💻 3. Tutorial de Uso (main.py)

Abaixo está o código completo do arquivo main.py para referência:

import cv2

face_classifier = cv2.CascadeClassifier(
    cv2.data.haarcascades + "haarcascade_frontalface_default.xml"
)

# Inicia a captura de vídeo (conecta na webcam padrão)
video_capture = cv2.VideoCapture(0)

# Função que detecta rostos e desenha o quadrado verde
def detect_bounding_box(vid):
    gray_image = cv2.cvtColor(vid, cv2.COLOR_BGR2GRAY)

    # Detecta as faces
    faces = face_classifier.detectMultiScale(
        gray_image,
        scaleFactor=1.1,
        minNeighbors=5,
        minSize=(40, 40)
    )

    # Desenha os retângulos para cada face encontrada
    for (x, y, w, h) in faces:
        cv2.rectangle(vid, (x, y), (x + w, y + h), (0, 255, 0), 4)

    return faces

# Loop infinito para processar o vídeo ao vivo
while True:
    # Lê um frame da câmera
    result, video_frame = video_capture.read()

    # Se a câmera não ler nada, para o loop
    if result is False:
        break

    # Chama a função para detectar rostos neste frame
    faces = detect_bounding_box(video_frame)

    # Mostra a janela com o vídeo
    cv2.imshow("Detector Facial", video_frame)

    # Se apertar a tecla 'q', sai do programa
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# Libera a câmera e fecha as janelas
video_capture.release()
cv2.destroyAllWindows()

Explicação Passo a Passo

Linha	Código	Ação (O que a linha faz)
Linha 3	`face_classifier = ...`	Carrega o Modelo: Importa o arquivo XML "Haar Cascade" que contém os dados necessários para reconhecer rostos frontais.
Linha 8	`video_capture = cv2.VideoCapture(0)`	Acessa a Câmera: Inicializa a conexão com a webcam padrão do computador (índice 0).
Linha 12	`gray_image = cv2.cvtColor(...)`	Converte a Imagem: Transforma o frame colorido em escala de cinza para tornar a detecção mais rápida e eficiente.
Linha 15	`faces = face_classifier.detectMultiScale(...)`	Detecta Faces: O algoritmo varre a imagem buscando padrões faciais. Parâmetros como scaleFactor ajustam a precisão.
Linha 23	`cv2.rectangle(...)`	Desenha o Quadrado: Para cada rosto encontrado, desenha um retângulo verde (0, 255, 0) nas coordenadas identificadas.
Linha 29	`while True:`	Loop Infinito: Mantém o programa rodando continuamente, processando o vídeo quadro a quadro.
Linha 40	`cv2.imshow("Detector Facial", video_frame)`	Exibe o Resultado: Abre uma janela no Windows mostrando o vídeo com os retângulos desenhados.
Linha 43	`if cv2.waitKey(1) ... == ord('q'):`	Comando de Saída: Verifica se a tecla 'q' foi pressionada para interromper o loop e fechar o programa.

🚀 Para Executar:

Certifique-se de que a webcam está conectada.
Execute o Script:
```
python main.py
```

🧑‍💻 Autor

Este projeto foi criado por João Vítor Moço Santos.

Jvms04/detector-facial

README