Detecção de Faces em Vídeo com OpenCV no Google Colab

Este repositório contém dois Jupyter Notebooks que demonstram a detecção de faces em vídeos utilizando a biblioteca OpenCV. São apresentadas duas abordagens distintas: o método Haar Cascade e o SSD (Single Shot Detector). Ambos os notebooks são otimizados para execução no Google Colab, permitindo testar e visualizar os resultados diretamente na nuvem.

---

Notebooks

face_detection_ssd.ipynb

Funcionalidade: Detecção de faces utilizando um modelo SSD pré-treinado.

Este notebook implementa a detecção de faces usando a técnica SSD, que emprega redes neurais convolucionais para identificar faces em vídeos com alta precisão.

Principais Funcionalidades:

• Uso de modelo pré-treinado para detecção de faces.
• Suporte para vídeos armazenados no Google Drive.
• Identificação precisa de múltiplas faces simultaneamente.
• Exibição dos resultados diretamente no notebook.

---

face_detection_haar.ipynb

Funcionalidade: Detecção de faces utilizando Haar Cascade.

Este notebook usa a técnica clássica de Haar Cascade, que aplica um classificador treinado para identificar padrões faciais em imagens e vídeos.

Principais Funcionalidades:

• Algoritmo leve e eficiente para detecção de faces.
• Processamento em tempo real adequado para dispositivos com menos poder computacional.
• Suporte para redimensionamento de vídeos para melhor desempenho.
• Exibição de resultados no Google Colab.

---

Como Usar no Google Colab

Para executar os notebooks no Google Colab, siga os passos abaixo:

1. Acesse o Google Colab:

   • Abra o Google Colab.

2. Carregue os Notebooks:

   • Clique em Arquivo > Abrir notebook.
   • Escolha a aba GitHub e insira o link deste repositório.
   • Selecione o notebook desejado (face_detection_ssd.ipynb ou face_detection_haar.ipynb).

3. Conecte ao Google Drive (se necessário):

   • Alguns notebooks exigem acesso ao Google Drive para carregar vídeos e modelos.

4. Execute as Células:

   • Conecte-se ao ambiente clicando em Conectar no canto superior direito.
   • Execute as células sequencialmente para processar o vídeo e visualizar os resultados.

5. Teste com seus Próprios Vídeos (Opcional):

   • Faça o upload de um vídeo diretamente no Google Colab usando:

     from google.colab import files
     uploaded = files.upload()

   • Substitua o caminho do vídeo no notebook pelo arquivo enviado.

---