Detecção de Faces com Python e OpenCV
4.5 (32 ratings)
Instead of using a simple lifetime average, Udemy calculates a course's star rating by considering a number of different factors such as the number of ratings, the age of ratings, and the likelihood of fraudulent ratings.
156 students enrolled
Wishlisted Wishlist

Please confirm that you want to add Detecção de Faces com Python e OpenCV to your Wishlist.

Add to Wishlist

Detecção de Faces com Python e OpenCV

Aprenda passo a passo como utilizar técnicas de Inteligência Artificial para detectar faces em imagens e pela webcam!
4.5 (32 ratings)
Instead of using a simple lifetime average, Udemy calculates a course's star rating by considering a number of different factors such as the number of ratings, the age of ratings, and the likelihood of fraudulent ratings.
156 students enrolled
Created by Jones Granatyr
Last updated 8/2017
Portuguese
Curiosity Sale
Current price: $10 Original price: $20 Discount: 50% off
30-Day Money-Back Guarantee
Includes:
  • 3 hours on-demand video
  • 5 Articles
  • 13 Supplemental Resources
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
What Will I Learn?
  • Entenda os conceitos teóricos sobre detecção facial
  • Aprenda a construir passo a passo uma codificação para encontrar faces em imagens e em vídeos
  • Aprenda a detectar outros objetos em imagens
View Curriculum
Requirements
  • É recomendado conhecimentos básicos sobre lógica de programação, embora não seja um pré-requisito e é possível acompanhar o curso sem essas habilidades
  • Não são necessários conhecimentos prévios sobre a linguagem Python ou sobre Inteligência Artificial
  • Se você tiver conhecimentos sobre Python, conseguirá entender melhor a codificação
Description

A detecção facial é uma das subáreas da Inteligência Artificial que tem como objetivo básico detectar faces de pessoas em imagens ou vídeos. Smartphones e câmeras fotográficas utilizam esses recursos para enquadrar as pessoas em uma foto, geralmente colocando um retângulo em torno da face das pessoas detectadas. Esse tipo de aplicação tem ganhado bastante relevância em sistema de segurança, por exemplo, nos quais é necessário identificar se existem pessoas em um ambiente para que o alarme seja disparado. Nesse contexto, é importante que o sistema saiba diferenciar uma pessoa de um gato, para que o alarme não toque desnecessariamente.

Neste curso utilizaremos a linguagem Python e a biblioteca OpenCV, que é uma das mais utilizadas atualmente para processamento digital de imagens e tarefas de detecção e reconhecimento de faces e/ou objetos. Você aprenderá passo a passo como detectar faces e olhos de pessoas em imagens e também pela webcam! Além disso, teremos um bônus no qual implementaremos a detecção de outros itens, como carros, relógios de parede e até gatos! Nesse contexto, nós passaremos uma foto como parâmetro e o sistema identificará automaticamente a presença desses objetos ou animais! E o melhor é que o OpenCV possui recursos nativos para a programação desse tipo de função, o que torna o desenvolvimento bastante rápido e com poucas linhas de código!

É importante enfatizar que esse curso é baseado somente na detecção de faces e/ou objetos, ou seja, somente identificar se eles estão ou não presentes em uma imagem ou um vídeo. Em outras palavras, não faz parte do escopo do curso reconhecer uma determinada pessoa. Este curso pode ser considerado de nível básico, ou seja, se você nunca trabalhou com o OpenCV aplicado em Inteligência Artificial este material é um ótimo ponto de partida! E não há problema se você não conhece Python, pois os conceitos serão apresentados de forma que se você tem uma noção básica de lógica de programação conseguirá acompanhar as aulas tranquilamente.

Sobre Inteligência Artificial

Você sabia que a Inteligência Artificial (IA) é uma das área de TI que mais está crescendo e se expandindo no mundo? E que o conhecimento dessa área pode também abrir novas oportunidades de negócio? Veja só alguns fatos que foram noticiados recentemente pela mídia: a Apple reforçando os investimento em IA, a Microsoft criando uma unidade de pesquisa especializada em IA, o Uber e o Twitter comprando startups de IA, a Samsung adquirindo uma plataforma de IA, a Toyota, o Facebook, a IBM e o Google investindo muito dinheiro em pesquisas nessa área! Isso sem falar que no Vale do Silício profissionais com esses conhecimentos estão em alta e que a Acer já previu que 2017 será definitivamente o ano da Inteligência Artificial!

A tendência é que o campo de trabalho de IA se desenvolva cada vez mais e é praticamente certo que haverá um aquecimento muito grande no mercado, fazendo com que as empresas busquem profissionais qualificados para atuarem em projetos dessa área! Não tem mais como ficar de fora!

Todo o curso é 100% em vídeo aulas, tem direito a certificado e acesso vitalício! 

O professor Jones Granatyr é fundador do portal IA Expert, que é um site com conteúdo exclusivo e atualizado sobre IA. Ele também leciona para os cursos de graduação em Ciência da Computação e Sistemas de Informação há mais de 10 anos e é doutorando e mestre na área de Inteligência Artificial pela Pontifícia Universidade Católica do Paraná (PUCPR).

Preparado(a) para dar um importante passo na sua carreira? Aguardo você no curso! :)

Who is the target audience?
  • Pessoas interessadas em Inteligência Artificial e Detecção Facial
  • Pessoas que querem iniciar uma nova carreira em Inteligência Artificial
Students Who Viewed This Course Also Viewed
Curriculum For This Course
34 Lectures
03:14:09
+
Boas-vindas
1 Lecture 08:08

Neste vídeo você verá todo o conteúdo que será abordado no curso

Preview 08:08
+
Teoria básica sobre reconhecimento de faces
5 Lectures 34:50

Neste vídeo você terá uma visão geral sobre o conteúdo deste módulo inicial

Introdução
01:38

Nesta aula você aprenderá conceitos sobre visão computacional e as diferenças entre detecção facial e reconhecimento facial

Detecção x reconhecimento facial
07:48

Nesta aula você aprenderá um pouco sobre a teoria da detecção de faces

Teoria detecção de faces I
07:54

Nesta aula você aprenderá sobre o funcionamento do classificador Haar Cascades

Teoria detecção de faces II
17:25

Algoritmo Viola-Jones
00:05
+
Detecção de faces em imagens
13 Lectures 01:30:10

Neste vídeo você conhecerá os tópicos que serão abordados neste módulo

Introdução
01:50

Nesta aula você verá detalhes sobre a instalação do Python e do PyCharm

Instalação do Python
02:48

Nesta aula você aprenderá como fazer a instalação do OpenCV e também faremos um exemplo passo a passo para converter uma imagem colorida para escala de cinza

Instalação e configuração do OpenCV
10:51

Nesta aula você aprenderá um pouco mais sobre os arquivos Haar Cascades do OpenCV

Haar Cascades OpenCV
06:28

Nesta aula veremos as imagens de pessoas que utilizaremos para detecção de faces e olhos

Imagens de pessoas para detecção
02:51

Nesta aula você aprenderá como utilizar o classificador Haar Cascade para detectar faces em imagens

Detecção de faces I
15:55

Nesta aula faremos os testes do algoritmo com as outras imagens

Detecção de faces II
04:08

Nesta aula você aprenderá como utilizar o parâmetro Scale Factor para melhorar a qualidade da detecção

Parâmetros do classificador I
07:59

Nesta aula você aprenderá sobre os parâmetros minNeighbors e minSize do classificador Haar Cascade

Parâmetros do classificador II
06:59

Nesta aula faremos o teste dos parâmetros do classificador com as outras imagens

Preview 05:38

Nesta aula você aprenderá como detectar olhos em faces

Detecção de olhos I
13:52

Nesta aula faremos a configuração dos parâmetros do classificador para termos melhores resultados na detecção dos olhos

Detecção de olhos II
10:48

Código fonte
00:03
+
Detecção de faces pela Webcam
5 Lectures 17:05

Neste vídeo você terá uma visão geral sobre o conteúdo deste módulo

Introdução
01:08

Nesta aula você aprenderá a utilizar os recursos do OpenCV para acessar a webcam

Conexão com a webcam
05:08

Nesta aula será implementado o código para detectarmos faces pela webcam

Detecção de faces pela webcam
06:46

Nesta aula faremos alguns testes com os parâmetros do classificador para melhorar os resultados da detecção das faces pela webcam

Testes com os parâmetros
04:01

Código fonte
00:02
+
Detecção de outros itens
7 Lectures 34:50

Neste vídeo você terá uma visão geral do conteúdo que será abordado neste módulo

Introdução
02:08

Neste vídeo você conhecerá as novas imagens que utilizaremos para detecção

Novas imagens para detecção
02:20

Nesta aula você aprenderá como utilizar o arquivo Haar Cascade do OpenCV para a detecção de gatos em imagens

Detecção de gatos
06:45

Nesta aula você aprenderá como detectar relógios de parede em imagens

Detecção de relógios de parede
05:09

Nesta aula você aprenderá como detectar carros em imagens

Detecção de carros
08:38

Nesta aula você terá uma visão geral sobre o processo para treinar um classificador Haar Cascade

Detecção de objetos personalizados
09:47

Código fonte
00:03
+
Considerações finais
3 Lectures 09:04

Neste vídeo faremos um apanhado geral do conteúdo visto no curso

Considerações finais
04:26

Neste vídeo eu mostro o meu site, canal do Youtube e página do Facebook caso você queira saber mais sobre Inteligência Artificial

Preview 04:35

Cupons de desconto
00:03
About the Instructor
Jones Granatyr
4.7 Average rating
393 Reviews
2,335 Students
8 Courses
Professor

JonesGranatyr é professor, pesquisador e fundador do portal IA Expert. É doutorando (bolsista CAPES) e mestre (bolsista CNPq) em Ciência da Computação com ênfase em Inteligência Artificial, já tendo trabalhado há mais de 08 anos nesta área. No mestrado trabalhou dentro do contexto do projeto PAI-L (Piloto Automático Inteligente para Locomotivas) financiado pela FINEP, o qual teve como objetivo o desenvolvimento de um software inteligente para condução de locomotivas de carga. Possui especialização em Segurança em Redes de Computadores e Banco de Dados Distribuídos e graduação em Sistemas de Informação. Trabalha em projetos de pesquisa relacionados a área Inteligência Artificial, tais como Sistemas Especialistas, Mineração de Dados, Mineração de Textos, Sistemas Multiagente, Aprendizagem de Máquina e Computação Afetiva. Entre os anos de 2011 e 2012 foi bolsista de produtividade nível B1 do CNPq, trabalhando com Raciocínio Baseado em Casos no software JUSTINIA (Justiça Inteligente Apoiada em Inteligência Artificial). É membro do grupo de pesquisa de Agentes de Software da Pontifícia Universidade Católica do Paraná e assistente de pesquisa no GAIPS (Intelligent Agents and Synthetic Characters Group) da Universidade de Lisboa/Portugal. Seu principal objetivo é ajudar profissionais de TI a entenderem como a Inteligência Artificial pode ser aplicada em âmbito comercial, para que esses profissionais possam visualizar novas oportunidades de negócios.