Detecção de Emoções em Tempo Real Usando Visão Computacional e Aprendizado de Máquina

Este projeto visa detectar emoções humanas em tempo real usando uma webcam. Aproveitando as técnicas de visão computacional e aprendizado de máquina, ele identifica rostos e classifica as emoções expressas. O modelo é baseado em uma rede neural treinada para classificar sete emoções principais. Se você está interessado em explorar como integrar inteligência emocional em suas aplicações, este projeto é o ponto de partida ideal!

Descrição do Projeto

A detecção de emoções é uma área em expansão, especialmente com o uso de câmeras em tempo real. Este projeto utiliza o modelo model_frontalface_emotion.h5 para identificar e classificar emoções humanas, capturando vídeo da webcam.

As emoções detectadas incluem:

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

O sistema é altamente modular, permitindo fácil adaptação para outras fontes de vídeo ou modelos de detecção de emoções.

Funcionalidades

• Detecção de Rostos: Utilizando o classificador Haar Cascade.
• Classificação de Emoções: Cada rosto detectado é classificado em uma das sete emoções.
• Exibição em Tempo Real: O vídeo capturado é exibido com a emoção detectada sobreposta em cada rosto.
• Interface Simples: A interface gráfica exibe o vídeo com a emoção identificada, e o processo pode ser interrompido a qualquer momento pressionando “Q”.

Estrutura do Projeto

A estrutura do projeto é organizada de forma a garantir modularidade e facilidade de manutenção:

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

• 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 à sua escolha, com os caminhos configurados no arquivo config.py.

Pré-requisitos

Para rodar o projeto, você precisa garantir que as seguintes dependências estão instaladas:

• Python 3.x
• OpenCV
• TensorFlow
• NumPy

Instale as dependências necessárias com o comando:

pip install opencv-python tensorflow numpy

Além disso, baixe os arquivos necessários:

• haarcascade_frontalface_default.xml (para detecção de rostos)
• model_frontalface_emotion.h5 (para classificação de emoções)

Instalação

Para configurar o projeto em seu ambiente, siga os passos abaixo:

1. Clone o repositório:

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

1. Navegue até o diretório do projeto:

cd emotion_detection

1. Crie e ative um ambiente virtual:

python -m venv envemotion
source envemotion/bin/activate  # Linux/macOS
.\envemotion\Scripts\activate   # Windows

1. Instale as dependências:

pip install -r requirements

1. Coloque os modelos na pasta models/.

Uso

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

python main.py

Isso abrirá a webcam e começará a capturar o vídeo, processando 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, como o caminho para os modelos de detecção facial e as labels de emoções.

Contribuição

Contribuições são bem-vindas! Para colaborar:

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.MIT © Raul Batalha.

Feel free to fork, adapt, and contribute!