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 !!!!!!