VISIONSHIELD / modeles /detect_notAllowedObjects.py
JustinePP's picture
Update modeles/detect_notAllowedObjects.py
7fa89fd verified
Raw History Blame Contribute Delete
6.65 kB
import os
import cv2
from ultralytics import YOLO
#Ici, nous devons détecter si un/plusieurs objets suspect met en danger le document envoyé par l'utilisateur à son contact
def detect_objects_in_folder(folder_path):
model = YOLO("/app/models/yolov8n.pt")
conf_threshold = 0.4 #on configure notre seuil de confiance à 0.4 donc si le modèle est sur à 40% que l'objet est tel objet alors la detection est validée
# Objets interdits selon les classes COCO (Common Objects in Context)
# et interdit selon VISION SHIELD car ils menancent le doc
forbidden_classes = {
62: "écran",
67: "téléphone",
69: "appareil photo",
73: "ordinateur"
}
if not os.path.isdir(folder_path): #oni retourne une erreur si on ne trouve pas le dossier
print(f" Dossier introuvable : {folder_path}")
return False
image_files = [f for f in os.listdir(folder_path) if f.lower().endswith((".jpg", ".jpeg", ".png"))]
#on récupère toutes les images ayant la bonne extensions donc pas de vidéos
if not image_files:
print("Aucune image trouvée.") #erreur si aucune image trouvée
return False
for image_name in image_files: # on boucles sur notre dossier
image_path = os.path.join(folder_path, image_name)
frame = cv2.imread(image_path) # on lit notre image
if frame is None: #erreur si on ne parvient pas à lire l'image
print(f" Impossible de lire : {image_name}")
continue
#on lance la détection en appelant notre modèle YOLO
results = model.predict(source=frame, conf=conf_threshold, verbose=False)
#on récupère tous les objets détecter dans notre image
detections = results[0].boxes
for box in detections: # on boucle sur tous les objets trouvés
# on récupère la classe prédite de tous les objets détectés
cls_id = int(box.cls.cpu().item())
#si l'une des classes des objets détectés fait partie du dictionnaire des objets interdits alors
if cls_id in forbidden_classes:
label = forbidden_classes[cls_id] #on récupère la classe
print(f"Objet interdit détecté : {label} dans {image_name}")
return False # dès qu'on détecte un objet interdit, on arrete la fontion pour prevenir l'app de la transgression de l'utilisateur
print("Aucun objet interdit détecté dans le dossier.")
return True #si tout va bien
#def detect_objects_in_folder(video_folder):
#model = YOLO("yolov8n.pt")
#conf_threshold = 0.4
# Liste des classes interdites (COCO) → ici : téléphone seulement (classe 67)
#forbidden_classes = {
# 67: "téléphone"
#}
#if not os.path.isdir(video_folder):
# print(f"❌ Dossier introuvable : {video_folder}")
# return
#video_files = [f for f in os.listdir(video_folder) if f.lower().endswith(".mov")]
#if not video_files:
# print("⚠️ Aucune vidéo .mov trouvée.")
# return
#for video_name in video_files:
#video_path = os.path.join(video_folder, video_name)
#cap = cv2.VideoCapture(video_path)
#if not cap.isOpened():
# print(f"❌ Impossible d’ouvrir : {video_name}")
# continue
#print(f"📹 Analyse objets interdits : {video_name}")
#while True:
#ret, frame = cap.read()
#if not ret:
# break
#results = model.predict(source=frame, conf=conf_threshold, verbose=False)
#detections = results[0].boxes
#for box in detections:
#cls_id = int(box.cls.cpu().item())
#if cls_id in forbidden_classes:
# x1, y1, x2, y2 = map(int, box.xyxy[0])
# label = forbidden_classes[cls_id]
# cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 0, 255), 2)
# cv2.putText(frame, f"{label}", (x1, y1 - 10),
# cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 0, 255), 2)
# print(f"⚠️ Objet interdit détecté : {label} dans {video_name}")
# cv2.imshow(f"{video_name} - Objets interdits", frame)
# if cv2.waitKey(1) & 0xFF == ord('q'):
# break
#cap.release()
# cv2.destroyAllWindows()
# print(f"✅ Fin de l’analyse de {video_name}\n")
#print("✅ Toutes les vidéos analysées pour objets interdits.")
"""def detect_objects_in_folder(video_folder):
model = YOLO("yolov8n.pt")
conf_threshold = 0.4
# ✅ Objets interdits avec classes COCO
forbidden_classes = {
62: "écran",
67: "téléphone",
69: "appareil photo",
73: "ordinateur"
}
if not os.path.isdir(video_folder):
print(f"❌ Dossier introuvable : {video_folder}")
return
video_files = [f for f in os.listdir(video_folder) if f.lower().endswith(".mov")]
if not video_files:
print("⚠️ Aucune vidéo .mov trouvée.")
return
os.makedirs("outputs_forbidden_objects", exist_ok=True)
for video_name in video_files:
video_path = os.path.join(video_folder, video_name)
cap = cv2.VideoCapture(video_path)
if not cap.isOpened():
print(f"❌ Impossible d’ouvrir : {video_name}")
continue
print(f"📹 Analyse objets interdits : {video_name}")
frame_count = 0
while True:
ret, frame = cap.read()
if not ret:
break
results = model.predict(source=frame, conf=conf_threshold, verbose=False)
detections = results[0].boxes
for box in detections:
cls_id = int(box.cls.cpu().item())
if cls_id in forbidden_classes:
x1, y1, x2, y2 = map(int, box.xyxy[0])
label = forbidden_classes[cls_id]
cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 0, 255), 2)
cv2.putText(frame, f"{label}", (x1, y1 - 10),
cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 0, 255), 2)
print(f"⚠️ Objet interdit détecté : {label} dans {video_name}")
output_path = os.path.join("outputs_forbidden_objects", f"{video_name}_frame_{frame_count}.jpg")
cv2.imwrite(output_path, frame)
frame_count += 1
cap.release()
print(f"✅ Fin de l’analyse de {video_name}\n")
print("✅ Toutes les vidéos analysées pour objets interdits.")"""