faceTracking

faceTracking.py

+import cv2
+import numpy as np
+face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
+# Initialisation des paramètres
+N = 100
+process_noise = [5, 5, 2, 2, 3,3]  # Bruits pour [x, y, w, h, vx, vy]
+observation_noise = 10
+cap = cv2.VideoCapture(0)
+ret, frame = cap.read()
+# Détecter le visage initial
+gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
+faces = face_cascade.detectMultiScale(gray, 1.3, 5)
+if len(faces) > 0:
+    x, y, w, h = faces[0]
+    particles = np.random.normal([x + w // 2, y + h // 2, w, h, 0, 0], process_noise, (N, 6))
+    weights = np.ones(N) / N
+else:
+    print("Aucun visage détecté !")
+    cap.release()
+    exit()
+while True:
+    ret, frame = cap.read()
+    if not ret:
+        break
+    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
+    # Détecter les visages
+    faces = face_cascade.detectMultiScale(gray, 1.3, 5)
+    # Si un visage est détecté, on met à jour les particules
+    if len(faces) > 0:
+        x, y, w, h = faces[0]
+        particles = np.random.normal([x + w // 2, y + h // 2, w, h, 0, 0], process_noise, (N, 6))
+        weights = np.ones(N) / N
+        observation = [x + w // 2, y + h // 2, w, h]
+    else:
+        observation = None
+    # Propagation des particules
+    particles[:, :2] += particles[:, 4:]  # Mise à jour de (x, y) avec (v_x, v_y)
+    particles[:, :4] += np.random.normal(0, process_noise[:4], particles[:, :4].shape)  # Ajout du bruit
+    # Mise à jour des poids si un visage est détecté
+    if observation is not None:
+        distances = np.linalg.norm(particles[:, :2] - observation[:2], axis=1)
+        weights = np.exp(-0.5 * (distances ** 2) / observation_noise ** 2)
+        weights += 1e-300
+        weights /= np.sum(weights)
+    else:
+        # Si aucun visage n'est détecté, on propague les particules sans mettre à jour les poids
+        weights.fill(1.0 / N)
+
+    # Rééchantillonnage
+    indices = np.random.choice(range(N), size=N, p=weights)
+    particles = particles[indices]
+    weights.fill(1.0 / N)
+    # Estimation par calcule de moyenne
+    estimated_state = np.mean(particles, axis=0).astype(int)
+    x_est, y_est, w_est, h_est = estimated_state[:4]
+    cv2.rectangle(frame, (x_est - w_est // 2, y_est - h_est // 2),
+                  (x_est + w_est // 2, y_est + h_est // 2), (255, 0, 0), 2)
+    cv2.imshow("Suivi de Visage", frame)
+    if cv2.waitKey(1) & 0xFF == ord('q'):
+        break
+cap.release()
+cv2.destroyAllWindows()