Reconocimiento Facial

🧠 Visión general del proyecto

Objetivo: un script de Python autónomo, en un solo archivo, que convierta cualquier webcam de laptop o USB en un detector de rostros en vivo — útil como punto de partida para sistemas de asistencia, demos de presencia, material de onboarding en visión por computadora y cualquier otro lugar donde “¿hay una cara en este frame ahora mismo?” sea lo único que haya que responder.

Se mantiene deliberadamente pequeño: sin frameworks de deep learning, sin descarga de datasets, sin GPU. El script corre sobre el clasificador Haar cascade de OpenCV que viene con la biblioteca, así que es clonar-y-correr en cualquier máquina con Python 3 y una cámara funcionando.

Funcionalidades actuales:

• Abre la cámara por defecto con cv2.VideoCapture(0) y lee frames en un while True ajustado.
• Convierte cada frame BGR a escala de grises antes de la inferencia — Haar cascades sólo operan sobre imágenes de una sola canal de intensidad, y saltarse esta conversión es la fuente más común de falsos negativos para quienes lo prueban por primera vez.
• Ejecuta detectMultiScale(...) con valores conservadores de scaleFactor y minNeighbors para que el detector prefiera pocas cajas de alta confianza por sobre muchas cajas ruidosas.
• Dibuja un rectángulo por cada rostro detectado directamente sobre el frame BGR, así el usuario ve el stream de color original, no la copia de trabajo en escala de grises.
• Libera la cámara limpiamente con q o ESC para que el SO no quede con el dispositivo bloqueado después de cerrar la ventana.

🏗️ Arquitectura: pipeline en bucle de frames

El script entero es un pipeline secuencial: capturar → preprocesar → detectar → anotar → mostrar → repetir. No hay estado entre iteraciones más allá del propio clasificador en cascada, lo que mantiene el programa fácil de razonar y fácil de envolver en un test unitario que reemplace la cámara por un archivo de video.

graph LR
  CAM[Cámara<br/>VideoCapture 0] --> READ[Leer frame]
  READ --> GRAY[Convertir BGR a escala de grises]
  GRAY --> DET[detectMultiScale<br/>Haar cascade]
  DET --> BOX{¿Hay rostros?}
  BOX -->|Sí| DRAW[Dibujar rectángulos<br/>sobre frame BGR]
  BOX -->|No| SHOW
  DRAW --> SHOW[imshow frame]
  SHOW --> KEY{¿Tecla q / ESC?}
  KEY -->|No| READ
  KEY -->|Sí| REL[release + destroyAllWindows]

Esta forma nos permite:

• Tratar a la cámara como una entrada intercambiable reemplazando VideoCapture(0) por VideoCapture("input.mp4") para testing offline sin tocar el código aguas abajo.
• Reutilizar la conversión a escala de grises como costura natural para cualquier paso futuro de ecualización de histograma o normalización CLAHE.
• Frenar el bucle con una sola condición de corte, sin riesgo de dejar el dispositivo de cámara bloqueado cuando el usuario cierra la ventana.

🧰 Tecnologías utilizadas

🐍 Runtime / bibliotecas

• Python 3 como lenguaje de scripting — elegido para que el script pueda editarse en vivo y re-ejecutarse sin paso de compilación.
• OpenCV (cv2) como única dependencia para I/O de cámara, conversión de color, carga de cascadas, detección, dibujo y ventana de display.
• Haar Cascade Classifier (el haarcascade_frontalface_default.xml pre-entrenado que viene con OpenCV) como detector. Amigable con CPU, determinista y suficientemente bueno para rostros frontales en escenas interiores bien iluminadas.
• NumPy (en forma transitiva, vía OpenCV) para el buffer por-frame que respalda las vistas BGR y escala de grises.

🛠️ Tooling

• pip para instalar dependencias (pip install opencv-python).
• Cualquier editor estándar — el script es un único archivo Python sin scaffolding de proyecto.

🔐 Decisiones técnicas clave

✅ 1. Haar cascades en lugar de un detector DNN

Los detectores de rostros DNN (YuNet, RetinaFace, MediaPipe) son más precisos, pero todos ellos arrastran un archivo de modelo más un runtime tipo ONNX, MediaPipe o intérprete de TF Lite. Para un script cuya propuesta de valor es “clonar, instalar, correr”, las Haar cascades bajan la vara lo suficiente como para que un lector sin background en ML pueda mapear el código línea por línea.

✅ 2. Cámara por defecto como fuente de entrada

cv2.VideoCapture(0) funciona en cualquier laptop y en cualquier webcam USB que se registre como /dev/video0. No hay flag de CLI que configurar, no hay path de dispositivo que adivinar. La primera ejecución “simplemente funciona” en el hardware más común.

✅ 3. Entregable de un solo archivo

Sin requirements.txt, sin layout de paquete, sin entry-point. El repositorio es el archivo. El trade-off es que escalar más allá de un demo (logging, múltiples cámaras, modo headless) requeriría reestructurar — pero no es lo que el script busca.

📈 Resultado actual

✔️ Script autónomo que corre en una instalación limpia de Python con un único pip install.

✔️ Detección de rostros en tiempo real a velocidades de frame interactivas en una laptop CPU, sin necesidad de GPU.

✔️ Camino de salida limpio: el dispositivo de cámara siempre se libera al salir — sin sorpresas del estilo “el LED queda encendido después de Ctrl+C”.

✔️ Listo como base de aprendizaje: cambiar la cascada por una DNN, cambiar la cámara por un archivo de video o envolver el bucle en un endpoint Flask — el enmarcado del pipeline hace que cualquiera de estos sea un cambio localizado.

📎 Conclusión

La detección de rostros en tiempo real es un “hola mundo” con una webcam: suficientemente pequeño para caber en un archivo, suficientemente grande como para mostrar cada concepto que un proyecto de CV posterior reusará — captura de dispositivo, preprocesamiento, inferencia, anotación y apagado limpio. Mantener la superficie tan chica es lo que vuelve al script un artefacto útil para enseñar: el lector puede mantener todo el programa en la cabeza y luego ir sustituyendo las piezas una por una.

¿Querés leer el código fuente o forkearlo como punto de partida para tu propio detector?

• 🔗 Repositorio

🧠 ¿Trabajás en un pipeline de CV similar?

Si estás escalando esto a captura multi-cámara, despliegue headless o un detector DNN y querés charlar sobre los trade-offs, escribime sin compromiso 🚀