پروژه ششم پایتون : تشخیص لبخند

شرح مختصر پروژه

این پروژه یه برنامه خیلی ساده‌ست با پایتون و OpenCV که با مدل‌های آماده‌ی Haar Cascade اول صورت رو پیدا می‌کنه، بعد اگه لبخند بزنی تشخیص می‌ده و روی تصویر پیام SMILE :) نشون می‌ده. فقط OpenCV رو نصب کن، کد رو اجرا کن و جلوی وب‌کم قرار بگیر—برای خروج هم کلید q رو بزن.

توضیحات پروژه

توی این پروژه یک برنامه خیلی ساده می‌سازیم که با وب‌کم (و یا با دریافت عکس)، صورت را تشخیص می‌ده و بعد لبخند را روی صورت شناسایی می‌کنه.
روش ما «کلاسیک» بوده و با Haar Cascade کار می‌کنه (سریع و سبک، مناسب پروژه‌های آموزشی).

پیش نیاز ها

• پایتون

• نصب کتابخانه OpenCV

نصب OpenCV

توی CMD / Terminal این دستور رو بزنید:

pip install opencv-python

حالا بعد نصب این کتابخانه کد زیر را در پایتون بزنید و اجرا کنید .

import cv2

def main():
    # بارگذاری مدل‌های Haar از مسیر داخلی OpenCV
    face_cascade = cv2.CascadeClassifier(
        cv2.data.haarcascades + "haarcascade_frontalface_default.xml"
    )
    smile_cascade = cv2.CascadeClassifier(
        cv2.data.haarcascades + "haarcascade_smile.xml"
    )

    # وبکم
    cap = cv2.VideoCapture(0)

    if not cap.isOpened():
        print("❌ وب‌کم باز نشد. شماره وبکم را تغییر دهید (0/1) یا دسترسی را بررسی کنید.")
        return

    print("✅ برای خروج، کلید q را بزنید.")

    while True:
        ret, frame = cap.read()
        if not ret:
            print("❌ فریم دریافت نشد.")
            break

        # برای سرعت و دقت Haar بهتر است خاکستری کنیم
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

        # تشخیص صورت‌ها
        faces = face_cascade.detectMultiScale(
            gray,
            scaleFactor=1.2,
            minNeighbors=5,
            minSize=(80, 80)
        )

        for (x, y, w, h) in faces:
            # کادر صورت
            cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)

            # ناحیه صورت برای تشخیص لبخند
            roi_gray = gray[y:y + h, x:x + w]
            roi_color = frame[y:y + h, x:x + w]

            # تشخیص لبخند (در ناحیه صورت)
            smiles = smile_cascade.detectMultiScale(
                roi_gray,
                scaleFactor=1.7,
                minNeighbors=20,
                minSize=(25, 25)
            )

            if len(smiles) > 0:
                cv2.putText(frame, "SMILE :)", (x, y - 10),
                            cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 255), 2)

                # (اختیاری) نمایش کادر لبخندها
                for (sx, sy, sw, sh) in smiles:
                    cv2.rectangle(roi_color, (sx, sy), (sx + sw, sy + sh), (255, 0, 0), 2)

        cv2.imshow("Smile Detector - Press q to quit", frame)

        if cv2.waitKey(1) & 0xFF == ord("q"):
            break

    cap.release()
    cv2.destroyAllWindows()

if __name__ == "__main__":
    main()

حالا وقتی بخندید دور صورتتون سبز میشه .

نکات مهم برای بهتر کار کردن

• روبه‌روی دوربین و در نور مناسب باشید.

• اگر زیاد خطا می‌دهد:

  • مقدار minNeighbors در لبخند را کمی کم کنید (مثلاً 15)

  • یا scaleFactor لبخند را کمی کمتر کنید (مثلاً 1.5)

سوالات پرتکرار (FAQ)

چرا لبخند تشخیص نمی‌دهد؟
نور کم است یا زاویه صورت مناسب نیست. همچنین minNeighbors زیاد سخت‌گیر است.

2) چرا اشتباه لبخند تشخیص می‌دهد؟
Haar روش کلاسیک است و روی برخی چهره‌ها/نورها خطا دارد. minNeighbors را بالا ببرید.

3) آیا می‌شود دقیق‌ترش کرد؟
بله. روش‌های جدیدتر مثل MediaPipe یا مدل‌های یادگیری عمیق (CNN) دقت بالاتری دارند.

برای دانلود همین پایتون یا فایل تبدیل شده به برنامه روی نوشته لینک بزنید و 15ثانیه صبر کنید و فایل را دریافت کنید .

اگر ایده یا پروژه ای دارید در نظرات بگید .