02-ago: [proyecto] vigilancia - reconocimiento facial (YuNet+ArcFace) y corporal (ResNet18) + registro por webcam (enroll.py) + integracion en main.py

.gitignore

@@ -24,3 +24,5 @@ telegram_mensajes.log
 vigilancia/snapshots/
 vigilancia/*.pt
 vigilancia/.venv/
+vigilancia/modelos/
+vigilancia/conocidos/

vigilancia/enroll.py

@@ -0,0 +1,121 @@
+import os
+import sys
+
+import cv2
+import numpy as np
+
+import reconocedor as rec
+
+CONOCIDOS = rec.CONOCIDOS
+WEB_CAM = 0
+
+
+def escribir(texto, frame):
+    cv2.putText(frame, texto, (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 255, 255), 2)
+
+
+def capturar_cara(r, frame):
+    caras = r.detectar_caras(frame)
+    if not caras:
+        return None, None
+    mejor = max(caras, key=lambda c: c[-1])
+    emb = r.embedding_cara(frame, mejor)
+    return emb, mejor
+
+
+def capturar_cuerpo(r, frame):
+    personas = r._detectar_personas(frame)
+    if not personas:
+        return None, None
+    mayor = max(personas, key=lambda p: p[2] * p[3])
+    x, y, w, h = mayor
+    recorte = frame[y:y + h, x:x + w]
+    emb = r.embedding_cuerpo(recorte)
+    return emb, mayor
+
+
+def main():
+    nombres = sys.argv[1:3]
+    while len(nombres) < 2:
+        nombres.append(f"Hija{len(nombres) + 1}")
+    print(f"Registrando: {nombres}")
+
+    r = rec.cargar_reconocedor()
+    os.makedirs(CONOCIDOS, exist_ok=True)
+
+    cap = cv2.VideoCapture(WEB_CAM)
+    if not cap.isOpened():
+        print("ERROR: no se pudo abrir la webcam")
+        sys.exit(1)
+
+    cv2.namedWindow("Registro", cv2.WINDOW_NORMAL)
+
+    for nombre in nombres:
+        carpeta = os.path.join(CONOCIDOS, nombre)
+        os.makedirs(carpeta, exist_ok=True)
+        print(f"\n>>> Hija: {nombre}")
+
+        fase = "cara"
+        while True:
+            ok, frame = cap.read()
+            if not ok:
+                continue
+
+            caras = r.detectar_caras(frame)
+            personas = r._detectar_personas(frame)
+
+            for c in caras:
+                x, y, w, h = (int(v) for v in c[:4])
+                cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
+            for p in personas:
+                x, y, w, h = p
+                cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 2)
+
+            if fase == "cara":
+                escribir("CARA: pon la cara mirando a la camara y pulsa ESPACIO", frame)
+            else:
+                escribir("CUERPO: alejate (cuerpo entero) y pulsa B", frame)
+            escribir(f"Persona: {nombre}", frame)
+
+            cv2.imshow("Registro", frame)
+            tecla = cv2.waitKey(1) & 0xFF
+
+            if tecla == ord("q"):
+                cap.release()
+                cv2.destroyAllWindows()
+                print("Abortado por el usuario")
+                sys.exit(0)
+
+            if fase == "cara" and tecla == ord(" "):
+                emb, caja = capturar_cara(r, frame)
+                if emb is None:
+                    print("  No se vio ninguna cara clara. Reintenta.")
+                    continue
+                np.save(os.path.join(carpeta, "face.npy"), emb)
+                x, y, w, h = (int(v) for v in caja[:4])
+                cv2.imwrite(os.path.join(carpeta, "cara_ref.jpg"),
+                            frame[max(0, y - 20):y + h + 20, max(0, x - 20):x + w + 20])
+                print(f"  Cara de {nombre} registrada (score {caja[-1]:.2f})")
+                fase = "cuerpo"
+
+            elif fase == "cuerpo" and tecla == ord("b"):
+                emb, caja = capturar_cuerpo(r, frame)
+                if emb is None:
+                    print("  No se detecto ninguna persona. Reintenta.")
+                    continue
+                np.save(os.path.join(carpeta, "body.npy"), emb)
+                x, y, w, h = caja
+                cv2.imwrite(os.path.join(carpeta, "cuerpo_ref.jpg"),
+                            frame[max(0, y):y + h, max(0, x):x + w])
+                print(f"  Cuerpo de {nombre} registrado")
+                break
+
+    cap.release()
+    cv2.destroyAllWindows()
+    print("\nRegistro completado. Conocidos guardados:")
+    for n in nombres:
+        print(f"  - {n} (face.npy + body.npy)")
+
+
+if __name__ == "__main__":
+    main()

vigilancia/main.py

@@ -9,10 +9,45 @@ from camara import CamaraRTSP
 from detector_movimiento import DetectorMovimiento
 from notificador import disparar_webhook_alexa, enviar_telegram
 
-USAR_YOLO = False
+USAR_YOLO = True
+identificador = None
 
-if USAR_YOLO:
-    from detector_persona import DetectorPersona
+
+def cargar_identificador():
+    global identificador
+    if identificador is None:
+        try:
+            from reconocedor import CONOCIDOS, Reconocedor, os as _os
+            if _os.path.isdir(CONOCIDOS) and any(
+                _os.path.isdir(_os.path.join(CONOCIDOS, n))
+                for n in _os.listdir(CONOCIDOS)
+            ):
+                identificador = Reconocedor()
+                print(f"Identificacion activa. Conocidos: "
+                      f"{list(identificador.conocidos.keys())}")
+            else:
+                print("Sin conocidos registrados (ejecuta enroll.py). "
+                      "Modo deteccion simple.")
+        except Exception as e:
+            print(f"No se pudo cargar identificador: {e}")
+    return identificador
+
+
+def componer_alerta(resultados, cam_nombre, ts):
+    conocidas = sorted({r["nombre"] for r in resultados if "nombre" in r})
+    desconocidas = sum(1 for r in resultados if r.get("desconocido"))
+
+    if conocidas and desconocidas:
+        return (f"👧 {', '.join(conocidas)} | "
+                f"⚠️ {desconocidas} persona(s) desconocida(s) "
+                f"en {cam_nombre} - {ts}")
+    if conocidas:
+        return (f"👧 {', '.join(conocidas)} detectada(s) "
+                f"en {cam_nombre} - {ts}")
+    if desconocidas:
+        return (f"⚠️ {desconocidas} persona(s) desconocida(s) "
+                f"en {cam_nombre} - {ts}")
+    return f"🚨 Movimiento en {cam_nombre} - {ts}"
 
 
 def dentro_de_franja_horaria(hora_actual=None) -> bool:
@@ -37,9 +72,11 @@ def main():
     ultima_alerta = {}
 
     for i, c in enumerate(config.CAMARAS):
-        detectores.append(DetectorPersona() if USAR_YOLO else DetectorMovimiento())
+        detectores.append(DetectorMovimiento())
         ultima_alerta[i] = 0
 
+    ident = cargar_identificador()
+
     print("Sistema de vigilancia iniciado. Franja activa: "
           f"{config.HORA_INICIO}:00 - {config.HORA_FIN}:00")
 
@@ -54,10 +91,7 @@ def main():
                 continue
 
             detector = detectores[i]
-            detectado = (
-                detector.hay_persona(frame) if USAR_YOLO
-                else detector.hay_movimiento(frame)
-            )
+            detectado = detector.hay_movimiento(frame)
 
             ahora = time.time()
             if detectado and (ahora - ultima_alerta[i] > config.COOLDOWN):
@@ -65,6 +99,16 @@ def main():
                 ruta = os.path.join(
                     config.SNAPSHOT_DIR, f"snapshot_{cam.nombre}_{ts}.jpg"
                 )
+
+                texto = f"🚨 Movimiento en {cam.nombre} - {ts}"
+                if ident is not None:
+                    try:
+                        resultados = ident.analizar_frame(frame)
+                        if resultados:
+                            texto = componer_alerta(resultados, cam.nombre, ts)
+                    except Exception as e:
+                        print(f"[{cam.nombre}] Error identificando: {e}")
+
                 cv2_ok = True
                 try:
                     cv2.imwrite(ruta, frame)
@@ -72,9 +116,6 @@ def main():
                     cv2_ok = False
                     print(f"[{cam.nombre}] Error guardando snapshot: {e}")
 
-                tipo = "persona" if USAR_YOLO else "movimiento"
-                texto = f"⚠️ Detección de {tipo} en {cam.nombre} - {ts}"
-
                 if cv2_ok:
                     enviar_telegram(ruta, texto)
                 disparar_webhook_alexa(texto)

vigilancia/reconocedor.py

@@ -0,0 +1,184 @@
+import os
+
+import cv2
+import numpy as np
+import torch
+import torchvision.models as models
+from torchvision import transforms
+
+BASE = os.path.dirname(os.path.abspath(__file__))
+MODELOS = os.path.join(BASE, "modelos")
+CONOCIDOS = os.path.join(BASE, "conocidos")
+YUNET_PATH = os.path.join(MODELOS, "face_detection_yunet.onnx")
+ARCFACE_PATH = os.path.join(MODELOS, "buffalo_s", "w600k_mbf.onnx")
+YOLO_PATH = os.path.join(BASE, "yolov8n.pt")
+
+UMBRAL_CARA = 0.40
+UMBRAL_CUERPO = 0.55
+
+
+class Reconocedor:
+    def __init__(self):
+        self.yunet = cv2.FaceDetectorYN_create(YUNET_PATH, "", (320, 320))
+        self.yunet.setScoreThreshold(0.6)
+        self.arcface = cv2.dnn.readNetFromONNX(ARCFACE_PATH)
+        self.body = self._cargar_body()
+        self.tf_body = transforms.Compose([
+            transforms.ToPILImage(),
+            transforms.Resize((224, 224)),
+            transforms.ToTensor(),
+            transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]),
+        ])
+        self.conocidos = self._cargar_conocidos()
+
+    def _cargar_body(self):
+        m = models.resnet18(weights=models.ResNet18_Weights.IMAGENET1K_V1)
+        m.fc = torch.nn.Identity()
+        m.eval()
+        return m
+
+    def _cargar_conocidos(self):
+        conocidos = {}
+        if not os.path.isdir(CONOCIDOS):
+            return conocidos
+        for nombre in os.listdir(CONOCIDOS):
+            carpeta = os.path.join(CONOCIDOS, nombre)
+            if not os.path.isdir(carpeta):
+                continue
+            emb_cara = self._cargar_npy(carpeta, "face")
+            emb_cuerpo = self._cargar_npy(carpeta, "body")
+            if emb_cara is not None or emb_cuerpo is not None:
+                conocidos[nombre] = (emb_cara, emb_cuerpo)
+        return conocidos
+
+    def _cargar_npy(self, carpeta, tipo):
+        ruta = os.path.join(carpeta, f"{tipo}.npy")
+        if os.path.exists(ruta):
+            return np.load(ruta)
+        return None
+
+    # ------------------------------------------------------------------
+    # Cara
+    # ------------------------------------------------------------------
+    def detectar_caras(self, frame):
+        h, w = frame.shape[:2]
+        self.yunet.setInputSize((w, h))
+        _, caras = self.yunet.detect(frame)
+        if caras is None:
+            return []
+        return [c for c in caras if c[-1] >= 0.6]
+
+    def embedding_cara(self, frame, caja):
+        x, y, w, h = (int(v) for v in caja[:4])
+        x, y = max(0, x), max(0, y)
+        recorte = frame[y:y + h, x:x + w]
+        if recorte.size == 0:
+            return None
+        blob = cv2.dnn.blobFromImage(
+            recorte, 1.0 / 128, (112, 112), (127.5, 127.5, 127.5), swapRB=True
+        )
+        self.arcface.setInput(blob)
+        emb = self.arcface.forward().flatten()
+        norm = np.linalg.norm(emb)
+        return emb / norm if norm > 0 else None
+
+    # ------------------------------------------------------------------
+    # Cuerpo
+    # ------------------------------------------------------------------
+    def embedding_cuerpo(self, recorte_bgr):
+        if recorte_bgr.size == 0:
+            return None
+        rgb = cv2.cvtColor(recorte_bgr, cv2.COLOR_BGR2RGB)
+        tensor = self.tf_body(rgb).unsqueeze(0)
+        with torch.no_grad():
+            emb = self.body(tensor).numpy().flatten()
+        norm = np.linalg.norm(emb)
+        return emb / norm if norm > 0 else None
+
+    # ------------------------------------------------------------------
+    # Identificacion
+    # ------------------------------------------------------------------
+    def identificar_cara(self, emb):
+        if emb is None or not self.conocidos:
+            return None, 0.0
+        mejor, score = None, -1.0
+        for nombre, (emb_cara, _) in self.conocidos.items():
+            if emb_cara is not None:
+                sim = float(np.dot(emb, emb_cara))
+                if sim > score:
+                    score = sim
+                    mejor = nombre
+        return (mejor, score) if score >= UMBRAL_CARA else (None, score)
+
+    def identificar_cuerpo(self, emb):
+        if emb is None or not self.conocidos:
+            return None, 0.0
+        mejor, score = None, -1.0
+        for nombre, (_, emb_cuerpo) in self.conocidos.items():
+            if emb_cuerpo is not None:
+                sim = float(np.dot(emb, emb_cuerpo))
+                if sim > score:
+                    score = sim
+                    mejor = nombre
+        return (mejor, score) if score >= UMBRAL_CUERPO else (None, score)
+
+    def analizar_frame(self, frame):
+        """Devuelve [{nombre:'X'} | {'desconocido':True}] por cada persona del frame."""
+        personas = self._detectar_personas(frame)
+        if not personas:
+            return []
+        resultados = []
+        for p in personas:
+            x, y, w, h = p
+            persona = self._identificar_recorte(frame, x, y, w, h)
+            resultados.append(persona)
+        return resultados
+
+    def _detectar_personas(self, frame):
+        try:
+            from ultralytics import YOLO
+            model = self._modelo_yolo()
+            r = model.predict(frame, verbose=False, conf=0.4)
+            cajas = []
+            for box in r[0].boxes:
+                if int(box.cls) == 0:
+                    x1, y1, x2, y2 = box.xyxy[0].tolist()
+                    cajas.append([int(x1), int(y1), int(x2 - x1), int(y2 - y1)])
+            return cajas
+        except Exception:
+            return []
+
+    def _modelo_yolo(self):
+        if not hasattr(self, "_yolo"):
+            from ultralytics import YOLO
+            self._yolo = YOLO(YOLO_PATH)
+        return self._yolo
+
+    def _identificar_recorte(self, frame, x, y, w, h):
+        x, y = max(0, x), max(0, y)
+        recorte = frame[y:y + h, x:x + w]
+        if recorte.size == 0:
+            return {"desconocido": True}
+
+        mejor_nombre, mejor_score = None, 0.0
+        for cara in self.detectar_caras(frame):
+            cx, cy, cw, ch = (int(v) for v in cara[:4])
+            if cx < x + w and cx + cw > x and cy < y + h and cy + ch > y:
+                emb = self.embedding_cara(frame, cara)
+                nombre, score = self.identificar_cara(emb)
+                if nombre and score > mejor_score:
+                    mejor_nombre, mejor_score = nombre, score
+
+        if mejor_nombre:
+            return {"nombre": mejor_nombre, "score": mejor_score}
+
+        emb_cuerpo = self.embedding_cuerpo(recorte)
+        nombre, score = self.identificar_cuerpo(emb_cuerpo)
+        if nombre:
+            return {"nombre": nombre, "score": score, "via": "cuerpo"}
+
+        return {"desconocido": True}
+
+
+def cargar_reconocedor():
+    return Reconocedor()