Spaces:
Sleeping
Sleeping
File size: 3,996 Bytes
6be14e5 104e256 2c7b5d5 c7ebeda 8e19c11 9619aef 6be14e5 8e19c11 6be14e5 9619aef 6be14e5 f06b494 c50cc57 6be14e5 2cd1976 6be14e5 f06b494 6be14e5 f06b494 8ada565 2b5c834 8ada565 b1cca71 2b5c834 b1cca71 2b5c834 1cc8a3b 2b5c834 1cc8a3b 8967bd9 2b5c834 1cc8a3b 2b5c834 1cc8a3b d4c1928 2b5c834 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 | #on importe nos modeles
import os
import cv2
import numpy as np
import tempfile
# tempfile pour générer des "fichiers jetables" pour sauvegarder les videos envoyées par l'app
from modeles.deepface_template_utils import auto_rotate_if_needed
from modeles.detect_nb_faces_yolo import detect_faces_in_folder
from modeles.detect_notAllowedObjects import detect_objects_in_folder
from modeles.insightface_facialRecognition_livenessVerification import verify_face_and_liveness
from modeles.insightface_facialRecognition_livenessVerification import verify_identity
#from modeles.liveness_check_folder import check_liveness_on_folder
#-------
# on va analyser nos frames (image_bytes que l'application mobile va nous envoyé)
#de notre vidéo en temps réel et nous allons vérifier avec nos modèles que c'est
#la bonne personne, qu'il n'y a pas d'objet suspect ou de personne non autorisée
#emplate_array = le template facial déjà généré à l’inscription (embedding)
def analyze_frame(image_bytes, template_array):
# on sauvegarde l'image reçue dans un fichier temporaire
with tempfile.NamedTemporaryFile(delete=False, suffix=".jpg") as temp_img:
temp_img.write(image_bytes)
temp_img_path = temp_img.name
# on corrige l'orientation de notre image sauvergardée
auto_rotate_if_needed(temp_img_path) # vient deepface_template_utils.py
# pour faire fonctionner nos modèles car ils attendent des dossiers
temp_folder = tempfile.mkdtemp()
# crée un dossier temporaire unique pour les modeles et se supprime à la fin de l'analyse
single_image_path = os.path.join(temp_folder, "frame.jpg")
#construit un cgemin complet vers notre image frame
os.rename(temp_img_path, single_image_path)
#on déplace l'image temp_img_path dans le dossier que l'on a créé et on lui donne le nom single_image_path
nb_personne_frame = detect_faces_in_folder(temp_folder)
if (nb_personne_frame != 1):
print("L'utilisateur n'est pas seul devant le document ou n'est pas du tout devant le document !!")
#return False
# on arrete la fonction -- ALERTE
return 1 # on choisi comme code 1 pour déterminer que l'erreur est qu'il y à trop de personne devant le document
object_check = detect_objects_in_folder(temp_folder)
if not object_check:
# on arrete la fonction -- ALERTE
return 2 #on arrete la fonction parce qu'il y a un objet suspect
# on choisi 2 comme code pour signifier qu'il y a une transgression et que celle-ci est d'utiliser un objet interdit lors de la visualisation du document confidentiel
# ON VÉRIFIE L'IDENTITÉ DE LA PERSONNE QUI REGARDE LE DOC
is_match, is_real, similarity_score = verify_face_and_liveness(single_image_path, template_array)
#is_match2 = verify_identity(single_image_path, img_ref)
if not is_match: #si verify_face_and_liveness retourne False alors la personne ne matche pas avec la personne autorisée
print(is_match, "similarity : ",similarity_score )
print(" Visage non reconnu")
# on arrete la fonction -- ALERTE
return 3 # on choisi 3 comme code pour signifier que l'erreur est que la personne qui regarde le doc n'est pas la personne autorisée
if not is_real:
print("Attaque par photo ou deepfake détectée")
# on arrete la fonction -- ALERTE
return 4 # on utilise 4 pour alerter que nous avons affaire à un deepfake ou attaque par photo et que la personne autorisée n'est pas en face du doc mais une personne malveillante est dernière une photo par ex
#if not is_match2:
# print(is_match2)
# return 3
# Tout à été testé et aucune transgression n'a été déclaré donc nous avons la personne autorisée, seule et sans objet suspet devant le document
print("Frame analysée avec succès")
print(f"Similarité : {similarity_score:.4f}")
return 0 # Tout est BON !!!!!! |