Detecção de emoções em tempo real

• Este projeto visa detectar emoções humanas em tempo real utilizando uma câmera de vídeo. Ele utiliza técnicas de visão computacional e aprendizado de máquina para identificar rostos e classificar as emoções expressas neles. O modelo é baseado em uma rede neural treinada para classificar 7 emoções principais.

Tabela de Conteúdos

• Detecção de emoções em tempo real
  • Tabela de Conteúdos
  • Descrição do Projeto
  • Funcionalidades
  • Estrutura do Projeto
    • Modelos
  • Pré-requisitos
  • Instalação
  • Uso
    • Parâmetros de Configuração
  • Contribuição
  • Licença

Descrição do Projeto

Este projeto utiliza o modelo model_frontalface_emotion.h5 para detectar emoções faciais em tempo real, capturando vídeos da webcam. O projeto é modularizado e pode ser facilmente adaptado para diferentes fontes de vídeo ou modelos de detecção de emoções.

O modelo foi treinado para classificar as seguintes emoções:

• Raiva
• Nojo
• Medo
• Felicidade
• Tristeza
• Surpresa
• Neutro

Funcionalidades

• Detecção de rostos utilizando o classificador Haar Cascade.
• Classificação de emoções em rostos detectados.
• Exibição do vídeo com a emoção detectada sobre cada rosto.
• Interface simples para exibição e controle do processo (pressione "Q" para sair).

Estrutura do Projeto

A estrutura do projeto é organizada da seguinte forma:

emotion_detection/
│
├── config.py                # Configurações do projeto (caminhos dos modelos e labels)
├── main.py                  # Ponto de entrada do programa
├── core/
│   ├── video_capture.py     # Classe para captura de vídeo
│   ├── model_manager.py     # Gerenciador de modelos de detecção
│   └── emotion_processor.py # Processamento das emoções
└── utils/
    └── helpers.py           # Funções auxiliares

Modelos

Os modelos necessários para a execução do projeto são:

• Modelo de detecção facial: frontalface_emotion.xml
• Modelo de classificação de emoções: model_frontalface_emotion.h5

Esses modelos devem ser colocados na pasta models/ ou em um diretório de sua escolha, e seus caminhos devem ser configurados no arquivo config.py.

Pré-requisitos

Antes de rodar o projeto, você precisa garantir que tem os seguintes pacotes instalados:

• Python 3.x
• OpenCV
• TensorFlow
• NumPy

Você pode instalar as dependências com o seguinte comando:

pip install opencv-python tensorflow numpy

Além disso, você precisará do arquivo haarcascade_frontalface_default.xml (classificador Haar para detecção de rostos) e do modelo treinado model_frontalface_emotion.h5. Ambos podem ser encontrados no repositório ou fornecidos como parte do projeto.

Instalação

1. Clone o repositório ou baixe os arquivos:

git clone https://github.com/raulbatalha/emotion_detection.git

2. Navegue até o diretório do projeto:

cd emotion_detection

3. Crie um ambiente virtual para o projeto:

python -m venv envemotion

4. Ative o ambiente virtual:

   • No Windows:

     .\envemotion\Scripts\activate

   • No Linux/macOS:

     source envemotion/bin/activate

5. Instale as dependências necessárias:

pip install -r requirements

6. Coloque os modelos de rosto e emoções na pasta models/.

Uso

Para rodar o projeto, basta executar o arquivo main.py:

python main.py

Isso abrirá a webcam, começará a capturar o vídeo e irá processar cada quadro para detectar e classificar emoções. Pressione a tecla "Q" para sair da aplicação.

Parâmetros de Configuração

Você pode ajustar as configurações no arquivo config.py, onde é possível definir o caminho para os modelos e as labels de emoções.

Contribuição

Sinta-se à vontade para fazer fork deste repositório e enviar pull requests com melhorias ou correções de bugs.

1. Faça um fork do projeto.
2. Crie uma nova branch (git checkout -b feature-nome).
3. Faça suas alterações e commit (git commit -am 'Adiciona nova feature').
4. Envie para o repositório remoto (git push origin feature-nome).
5. Abra um pull request.

Licença

Este projeto está licenciado sob a MIT License.