JustinePP commited on
Commit
8e19c11
·
verified ·
1 Parent(s): 1568ee2

Update pipeline.py

Browse files
Files changed (1) hide show
  1. pipeline.py +10 -2
pipeline.py CHANGED
@@ -8,8 +8,11 @@ from modeles.deepface_template_utils import auto_rotate_if_needed
8
  from modeles.detect_nb_faces_yolo import detect_faces_in_folder
9
  from modeles.detect_notAllowedObjects import detect_objects_in_folder
10
  from modeles.insightface_facialRecognition_livenessVerification import verify_face_and_liveness
 
11
  #from modeles.liveness_check_folder import check_liveness_on_folder
12
 
 
 
13
  #-------
14
  # on va analyser nos frames (image_bytes que l'application mobile va nous envoyé)
15
  #de notre vidéo en temps réel et nous allons vérifier avec nos modèles que c'est
@@ -47,9 +50,10 @@ def analyze_frame(image_bytes, template_array):
47
  # 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
48
 
49
  # ON VÉRIFIE L'IDENTITÉ DE LA PERSONNE QUI REGARDE LE DOC
50
- is_match, is_real, similarity_score = verify_face_and_liveness(single_image_path, template_array)
 
51
 
52
- if not is_match: #si verify_face_and_liveness retourne False alors la personne ne matche pas avec la personne autorisée
53
  print(is_match, "similarity : ",similarity_score )
54
  print(" Visage non reconnu")
55
  # on arrete la fonction -- ALERTE
@@ -59,7 +63,11 @@ def analyze_frame(image_bytes, template_array):
59
  print("Attaque par photo ou deepfake détectée")
60
  # on arrete la fonction -- ALERTE
61
  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
 
62
 
 
 
 
63
  # 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
64
  print("Frame analysée avec succès")
65
  print(f"Similarité : {similarity_score:.4f}")
 
8
  from modeles.detect_nb_faces_yolo import detect_faces_in_folder
9
  from modeles.detect_notAllowedObjects import detect_objects_in_folder
10
  from modeles.insightface_facialRecognition_livenessVerification import verify_face_and_liveness
11
+ from modeles.insightface_facialRecognition_livenessVerification import verify_identity
12
  #from modeles.liveness_check_folder import check_liveness_on_folder
13
 
14
+
15
+
16
  #-------
17
  # on va analyser nos frames (image_bytes que l'application mobile va nous envoyé)
18
  #de notre vidéo en temps réel et nous allons vérifier avec nos modèles que c'est
 
50
  # 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
51
 
52
  # ON VÉRIFIE L'IDENTITÉ DE LA PERSONNE QUI REGARDE LE DOC
53
+ #is_match, is_real, similarity_score = verify_face_and_liveness(single_image_path, template_array)
54
+ is_match2 = verify_identity(single_image_path, template_array)
55
 
56
+ """if not is_match: #si verify_face_and_liveness retourne False alors la personne ne matche pas avec la personne autorisée
57
  print(is_match, "similarity : ",similarity_score )
58
  print(" Visage non reconnu")
59
  # on arrete la fonction -- ALERTE
 
63
  print("Attaque par photo ou deepfake détectée")
64
  # on arrete la fonction -- ALERTE
65
  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
66
+ """
67
 
68
+ if not is_match2:
69
+ print(is_match2)
70
+ return 3
71
  # 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
72
  print("Frame analysée avec succès")
73
  print(f"Similarité : {similarity_score:.4f}")