Detección de objetos en videos utilizando Python y la librería OpenCV

Este tutorial tiene como objetivo brindar una guía completa para el desarrollo de un programa que permita detectar objetos en videos utilizando Python y la librería OpenCV. Antes de comenzar, es importante tener conocimientos previos tanto de Python como de OpenCV. Si no tienes conocimientos sobre estos temas, te recomendamos que primero estudies ambos temas.

¿Qué es OpenCV?

OpenCV es una librería de código abierto diseñada para procesamiento de imágenes y visión artificial. Es utilizado por empresas como Google, Microsoft, Intel, y por Hobbyist por su facilidad de uso y gran cantidad de características listas para implementar.

¿Qué ne2cesitas para comenzar?

Para comenzar, necesitarás tener instalada la última versión de Python en tu equipo. Además, necesitarás instalar OpenCV en Python. Esto se puede hacer fácilmente utilizando pip, el administrador de paquetes de Python.


    pip install opencv-python

Pasos para el desarrollo del programa

Paso 1: Importar las bibliotecas necesarias

Para comenzar, importaremos las bibliotecas necesarias. Además de importar la librería OpenCV, también importaremos NumPy, una biblioteca que nos ayudará a trabajar con los datos de imágenes.


    import cv2
    import numpy as np

Paso 2: Configurar la cámara

En este paso, estableceremos la conexión con la cámara que vamos a utilizar para capturar el video y configurar sus parámetros.


    cap = cv2.VideoCapture(0)
    #Establecemos la resolución
    cap.set(3, 640)
    cap.set(4, 480)

Paso 3: Crear un loop para el procesamiento del video

En este paso, crearemos un loop infinito para procesar cada frame del video. Dentro del loop, comenzaremos con la captura del frame del video. A continuación, limpiaremos los datos de entrada utilizando el método cvtColor. El método cvtColor convierte los datos de entrada a un espacio de color especifico, en este caso, a escala de grises.


    while True:
        ret, frame = cap.read()
  
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

Paso 4: Detectar los objetos del vídeo

En este paso, detectaremos los objetos en el video utilizando el método detectMultiScale(). Este método detecta objetos en una imagen utilizando el clasificador en cascada Haar. El método de detección utiliza una ventana deslizante de tamaño fijo que se mueve a través de la imagen.


    objects = ObjectClassifier.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=5)

Paso 5: Dibujar un rectángulo alrededor de los objetos detectados

En este paso, dibujaremos un cuadro alrededor de cada objeto detectado en el frame del video. Esto se puede lograr utilizando el método rectangle().


    for (x, y, w, h) in objects:
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)

Paso 6: Mostrar el resultado del procesamiento del video

En este paso, mostraremos el resultado del procesamiento del video en una ventana de visualización utilizando el método imshow(). Además, esperaremos a que el usuario presione la tecla ‘q’ para salir del programa.


    cv2.imshow("Object Detection", frame)
 
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

Paso 7: Liberar la cámara y cerrar las ventanas

En este paso, liberaremos la cámara y cerraremos cualquier ventana que esté abierta.


    cap.release()
    cv2.destroyAllWindows()

En resumen, hemos creado un programa para detectar objetos en un video utilizando Python y la librería OpenCV. Este programa utiliza un clasificador en cascada Haar para detectar la presencia de objetos en una ventana deslizante de tamaño fijo. Esperamos que este tutorial haya sido beneficioso para ti, y que hayas aprendido algo nuevo sobre Python y OpenCV.