A detecção de rostos é uma tecnologia amplamente utilizada em diversas aplicações, desde sistemas de segurança até interações homem-máquina. No contexto do Raspberry Pi, um dispositivo de baixo custo e alta versatilidade, a detecção de rostos pode ser implementada de forma eficiente utilizando bibliotecas de visão computacional como OpenCV. Este artigo abordará como configurar e executar um sistema básico de detecção de rostos no Raspberry Pi, destacando os ajustes necessários para otimizar o desempenho no ambiente de hardware limitado do Raspberry Pi.

Exemplos:

1. Instalação do OpenCV: Para começar, é necessário instalar o OpenCV no Raspberry Pi. Isso pode ser feito através dos seguintes comandos no terminal:

   sudo apt-get update
   sudo apt-get upgrade
   sudo apt-get install python3-opencv

2. Captura de Imagem da Câmera: Para capturar imagens utilizando a câmera do Raspberry Pi, você pode utilizar a biblioteca picamera. Instale-a com:

   sudo apt-get install python3-picamera

   E utilize o seguinte código para testar a captura de imagem:

   from picamera import PiCamera
   from time import sleep
   
   camera = PiCamera()
   camera.start_preview()
   sleep(5)
   camera.capture('/home/pi/image.jpg')
   camera.stop_preview()

3. Detecção de Rostos: Com o OpenCV e a câmera configurados, podemos proceder com a detecção de rostos. O código a seguir demonstra como carregar uma imagem e detectar rostos utilizando o classificador Haar Cascade do OpenCV:

   import cv2
   
   # Carregar o classificador Haar Cascade pré-treinado
   face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
   
   # Carregar a imagem
   img = cv2.imread('/home/pi/image.jpg')
   gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
   
   # Detectar rostos
   faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
   
   # Desenhar retângulos ao redor dos rostos detectados
   for (x, y, w, h) in faces:
      cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)
   
   # Mostrar a imagem com os rostos detectados
   cv2.imshow('img', img)
   cv2.waitKey(0)
   cv2.destroyAllWindows()

4. Execução em Tempo Real: Para fazer a detecção de rostos em tempo real utilizando a câmera do Raspberry Pi, o código a seguir pode ser utilizado:

   import cv2
   from picamera.array import PiRGBArray
   from picamera import PiCamera
   
   # Inicializar a câmera
   camera = PiCamera()
   camera.resolution = (640, 480)
   camera.framerate = 32
   rawCapture = PiRGBArray(camera, size=(640, 480))
   
   # Carregar o classificador Haar Cascade
   face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
   
   # Capturar frames da câmera
   for frame in camera.capture_continuous(rawCapture, format="bgr", use_video_port=True):
      image = frame.array
      gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
      faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
   
      for (x, y, w, h) in faces:
          cv2.rectangle(image, (x, y), (x+w, y+h), (255, 0, 0), 2)
   
      cv2.imshow("Frame", image)
      key = cv2.waitKey(1) & 0xFF
   
      rawCapture.truncate(0)
   
      if key == ord("q"):
          break
   
   cv2.destroyAllWindows()