Clasificación de Colores con KNN y SVM

Este proyecto implementa un sistema de clasificación de colores utilizando los algoritmos K-Nearest Neighbors (KNN) y Support Vector Machines (SVM). Adicionalmente, se utiliza el modelo YOLO para la detección de personas en tiempo real.

Estructura del Proyecto

Classification
   knn.py
   svm.py
   svm1.py
Data
   Colors
      amarillo
      azul
      blanco
      naranja
      negro
      rojo
      verde
Models
      svm_model.zip
      svm_model_INTER_LANCZOS4.zip
Yolo
   coco.names
   yolov3.cfg
main
   main.py

Descripción de los Archivos

knn.py

Este script entrena un modelo KNN para la clasificación de colores. Las imágenes se leen, redimensionan, aplican un filtro de mediana, y se normalizan antes de ser aplanadas y utilizadas como datos de entrada para el modelo KNN.

svm.py

Similar a knn.py, este script entrena un modelo SVM con un kernel RBF. Las imágenes pasan por el mismo preprocesamiento que en el script de KNN.

svm1.py

Este script es una variante de svm.py con funcionalidades adicionales, como la impresión del número de vectores de soporte utilizados por el modelo SVM.

main.py

Este script carga el modelo SVM entrenado y utiliza YOLO para la detección de personas en tiempo real. Para cada persona detectada, clasifica el color del torso y las piernas.

Dependencias

Para ejecutar estos scripts, necesitas instalar las siguientes bibliotecas:

• OpenCV
• NumPy
• Pandas
• Scikit-learn
• Joblib

Puedes instalar todas las dependencias usando pip:

pip install opencv-python numpy pandas scikit-learn joblib

Entrenamiento de Modelos

KNN

Para entrenar el modelo KNN, simplemente ejecuta:

python knn.py

SVM

Para entrenar el modelo SVM, simplemente ejecuta:

python svm.py

O bien:

python svm1.py

Detección en Tiempo Real

Para ejecutar la detección en tiempo real utilizando YOLO y el modelo SVM entrenado:

python main.py

Estructura de la Carpeta de Datos

Asegúrate de que las imágenes estén organizadas en carpetas según su color dentro de ./Data/Colors/. Por ejemplo:

Data
   Colors
      amarillo
         imagen1.jpg
         imagen2.jpg
      azul
         imagen1.jpg
         imagen2.jpg
      ...

Guardado de Modelos

Los modelos entrenados se guardan en la carpeta ./Models/. Asegúrate de que esta carpeta exista antes de ejecutar los scripts.

Resultados y Logs

El script main.py guarda las detecciones y las clasificaciones de color en un archivo de log llamado detections.log.

Créditos

Proyecto desarrollado por José Ojeda & Sebastián Palate.

Este archivo README proporciona una guía completa sobre cómo utilizar y entender tu proyecto, facilitando a otros usuarios la ejecución y comprensión del mismo.