Spaces:
Sleeping
Sleeping
Update modeles/yolo_detec_videos.py
Browse files- modeles/yolo_detec_videos.py +0 -54
modeles/yolo_detec_videos.py
CHANGED
|
@@ -1,58 +1,4 @@
|
|
| 1 |
-
import os #pour gerer les chemins des fichiers
|
| 2 |
-
import cv2 # openvc pour lire les images et les traiter
|
| 3 |
-
from ultralytics import YOLO #on importe le modele YOLOv8 pour détecter les objets et personne, ici les personnes
|
| 4 |
-
|
| 5 |
-
# Ici, on utilise le modele YOLO pour détecter le nombre de personne
|
| 6 |
-
#présente dans le frame ddu dossier donnée
|
| 7 |
-
|
| 8 |
-
def detect_faces_in_folder(folder_path):
|
| 9 |
-
model = YOLO("yolov8n.pt") #on charge notre modele pré-entrainé
|
| 10 |
-
conf_threshold = 0.4 # on défini notre seuil de confiance pour la détection :
|
| 11 |
-
#si le modele prédit qu'un objet est une personne avec proba > 40% alors détection = valide
|
| 12 |
-
max_personnes_autorisée = 1 # on définit qu'il peut n'y avoir qu'une seule personne autorisée par l'utilisateur pour regarder le doc
|
| 13 |
-
#au dela d'une personne on alerte l'application pour arreter la diffusion du doc
|
| 14 |
-
|
| 15 |
-
if not os.path.isdir(folder_path):
|
| 16 |
-
#on vérifie que le dossier existe bien et est trouvé sinon erreur
|
| 17 |
-
print(f"Dossier non trouvé : {folder_path}")
|
| 18 |
-
return False # on retourne False s’il y a une erreur
|
| 19 |
-
|
| 20 |
-
image_files = [f for f in os.listdir(folder_path) if f.lower().endswith((".jpg", ".jpeg", ".png"))]
|
| 21 |
-
#on récupère les images ayant les bonnes extensions car oin ne veut pas de vidéo
|
| 22 |
-
if not image_files:
|
| 23 |
-
#on verifie que notre dossier n'est pas vide
|
| 24 |
-
print("Aucune image trouvée dans le dossier.")
|
| 25 |
-
return False
|
| 26 |
-
|
| 27 |
-
face_detected = False
|
| 28 |
-
# on initialise une variable face_detected à False pour dire après s'il y a au moins un visage détecté
|
| 29 |
-
|
| 30 |
-
for image_name in image_files:
|
| 31 |
-
image_path = os.path.join(folder_path, image_name)
|
| 32 |
-
frame = cv2.imread(image_path)
|
| 33 |
-
|
| 34 |
-
if frame is None: # on lit l'imae et si y'a une erreur on prévient l'app
|
| 35 |
-
print(f" Impossible de lire l’image : {image_name}")
|
| 36 |
-
continue
|
| 37 |
-
|
| 38 |
-
#on lance la détection d'objet avec notre modèle sur notre image
|
| 39 |
-
# on demande seulement la classe 0 car c'est la classe des personnes
|
| 40 |
-
#on recherche seulement les personnes
|
| 41 |
-
results = model.predict(source=frame, conf=conf_threshold, classes=[0], verbose=False)
|
| 42 |
-
# on eextrait les box contenant les visages et les personnes
|
| 43 |
-
boxes = results[0].boxes.xyxy.cpu().numpy()
|
| 44 |
-
# on récupère la taille boxes pour connaitre le nombre de personnes présentes
|
| 45 |
-
person_count = len(boxes)
|
| 46 |
-
|
| 47 |
-
#on retourne le nombre de personne dans l'image pour pouvoir traiter et alerter si besoin l'app d'une transgression
|
| 48 |
-
print(f" Détection dans {image_name} : {person_count} personne(s) détectée(s)")
|
| 49 |
-
return person_count # on retourne le nombre détecté dans la première image
|
| 50 |
-
|
| 51 |
-
|
| 52 |
-
|
| 53 |
-
|
| 54 |
|
| 55 |
-
#-----------------------
|
| 56 |
"""
|
| 57 |
def detect_faces_in_folder(video_folder):
|
| 58 |
model = YOLO("yolov8n.pt")
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
|
|
|
|
| 2 |
"""
|
| 3 |
def detect_faces_in_folder(video_folder):
|
| 4 |
model = YOLO("yolov8n.pt")
|