Spaces:
Sleeping
Sleeping
Update app.py
Browse files
app.py
CHANGED
|
@@ -1,5 +1,5 @@
|
|
| 1 |
-
## on
|
| 2 |
-
# on
|
| 3 |
# c'est app.py qui va lancer le main main quand l'on recoit une info de l'app avec la vidéo en temps réels
|
| 4 |
# c'est app.py qui va aussi envoyer des infos à notre application pour lui dire si la vérification est ok etc.
|
| 5 |
|
|
@@ -8,14 +8,16 @@
|
|
| 8 |
from fastapi import FastAPI, File, UploadFile, HTTPException
|
| 9 |
#pour retourner une réponse structurée au format JSON à l'app
|
| 10 |
from fastapi.responses import JSONResponse
|
| 11 |
-
from modeles.template_generator import generate_template_from_image # pour générer nos embedding de nos images récupérer grâce à l'application
|
| 12 |
#on importe notre fonction analyze_frame de notre pipeline (programme principal)
|
| 13 |
from pipeline import analyze_frame
|
| 14 |
#pour manipuler le template facial (emmbedding) au format .npy
|
| 15 |
import numpy as np
|
| 16 |
# pour générer un template de notre frame pour la reconnaissance faciale
|
| 17 |
from insightface_template_utils import create_insightface_template
|
| 18 |
-
|
|
|
|
|
|
|
| 19 |
|
| 20 |
|
| 21 |
#on crée notre serveur API
|
|
@@ -94,12 +96,15 @@ async def upload_temp_frame(file: UploadFile = File(...)):
|
|
| 94 |
"image_path": img_path # utile côté débug, mais à cacher en prod
|
| 95 |
})
|
| 96 |
|
|
|
|
|
|
|
|
|
|
| 97 |
#on définit une route pour analyser les frames
|
| 98 |
|
| 99 |
-
@app.get("/
|
| 100 |
# on crée une nouvelle fonction pour appliquer notre système de vérification sur notre frame
|
| 101 |
# on a besoin du frame et du nom de l'utilisateur pour chercher le template de son empreinte faciale
|
| 102 |
-
async def
|
| 103 |
# Chemin du dossier temporaire contenant le frame à analyser
|
| 104 |
temp_folder = f"temp_frames/{frame_id}"
|
| 105 |
if not os.path.exists(temp_folder):
|
|
@@ -119,26 +124,49 @@ async def analyze_frame(frame_id: str, username: str):
|
|
| 119 |
username_clean = username.strip().replace(" ", "_").lower()
|
| 120 |
#on crée le chemin d'accès à notre template utilisateur
|
| 121 |
template_path = f"registered_users/{username_clean}/template.npy"
|
|
|
|
|
|
|
|
|
|
|
|
|
| 122 |
|
| 123 |
-
try:
|
| 124 |
-
# Analyse : matching frame vs template
|
| 125 |
-
results = dummy_compare_with_template(img_path, template_path)
|
| 126 |
|
| 127 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 128 |
shutil.rmtree(temp_folder)
|
| 129 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 130 |
return JSONResponse(content={
|
| 131 |
"frame_id": frame_id,
|
| 132 |
"username": username_clean,
|
| 133 |
-
"
|
|
|
|
| 134 |
})
|
| 135 |
|
|
|
|
| 136 |
except Exception as e:
|
| 137 |
return JSONResponse(content={"error": str(e)}, status_code=500)
|
| 138 |
|
| 139 |
|
| 140 |
-
|
| 141 |
-
|
| 142 |
|
| 143 |
|
| 144 |
|
|
|
|
| 1 |
+
## on déclare notre serveur web avec FastAPI:
|
| 2 |
+
# on définit les routes que l'application mobile va appeler.
|
| 3 |
# c'est app.py qui va lancer le main main quand l'on recoit une info de l'app avec la vidéo en temps réels
|
| 4 |
# c'est app.py qui va aussi envoyer des infos à notre application pour lui dire si la vérification est ok etc.
|
| 5 |
|
|
|
|
| 8 |
from fastapi import FastAPI, File, UploadFile, HTTPException
|
| 9 |
#pour retourner une réponse structurée au format JSON à l'app
|
| 10 |
from fastapi.responses import JSONResponse
|
| 11 |
+
#from modeles.template_generator import generate_template_from_image # pour générer nos embedding de nos images récupérer grâce à l'application
|
| 12 |
#on importe notre fonction analyze_frame de notre pipeline (programme principal)
|
| 13 |
from pipeline import analyze_frame
|
| 14 |
#pour manipuler le template facial (emmbedding) au format .npy
|
| 15 |
import numpy as np
|
| 16 |
# pour générer un template de notre frame pour la reconnaissance faciale
|
| 17 |
from insightface_template_utils import create_insightface_template
|
| 18 |
+
import shutil
|
| 19 |
+
import os
|
| 20 |
+
import uuid
|
| 21 |
|
| 22 |
|
| 23 |
#on crée notre serveur API
|
|
|
|
| 96 |
"image_path": img_path # utile côté débug, mais à cacher en prod
|
| 97 |
})
|
| 98 |
|
| 99 |
+
#----------------------
|
| 100 |
+
|
| 101 |
+
|
| 102 |
#on définit une route pour analyser les frames
|
| 103 |
|
| 104 |
+
@app.get("/analyze_uploaded_frame/{frame_id}/{username}")
|
| 105 |
# on crée une nouvelle fonction pour appliquer notre système de vérification sur notre frame
|
| 106 |
# on a besoin du frame et du nom de l'utilisateur pour chercher le template de son empreinte faciale
|
| 107 |
+
async def analyze_uploaded_frame(frame_id: str, username: str):
|
| 108 |
# Chemin du dossier temporaire contenant le frame à analyser
|
| 109 |
temp_folder = f"temp_frames/{frame_id}"
|
| 110 |
if not os.path.exists(temp_folder):
|
|
|
|
| 124 |
username_clean = username.strip().replace(" ", "_").lower()
|
| 125 |
#on crée le chemin d'accès à notre template utilisateur
|
| 126 |
template_path = f"registered_users/{username_clean}/template.npy"
|
| 127 |
+
|
| 128 |
+
if not os.path.exists(template_path):
|
| 129 |
+
# on s'assure que le template a bien été trouvé
|
| 130 |
+
return JSONResponse(content={"error": "Template non trouvé pour cet utilisateur"}, status_code=404)
|
| 131 |
|
|
|
|
|
|
|
|
|
|
| 132 |
|
| 133 |
+
try:
|
| 134 |
+
# on charge le template facial pour l'avoir en mémoire
|
| 135 |
+
template_array = np.load(template_path)
|
| 136 |
+
|
| 137 |
+
# on ouvre l'image sous forme de bytes
|
| 138 |
+
with open(img_path, "rb") as f:
|
| 139 |
+
image_bytes = f.read()
|
| 140 |
+
|
| 141 |
+
# on appel notre fonction qui va nous permettre de vérifier que l'utilisateur
|
| 142 |
+
# ne transgresse pas les règles de l'utilisation : que la personne autorisée, pas d'objet interdits, et la bonne personne devant le doc
|
| 143 |
+
result_code = analyze_frame(image_bytes, template_array)
|
| 144 |
+
|
| 145 |
+
# on nettoie le dossier temporaire
|
| 146 |
shutil.rmtree(temp_folder)
|
| 147 |
|
| 148 |
+
# on crée un dictionnaire des codes de retour à l'application
|
| 149 |
+
messages = {
|
| 150 |
+
0: "Vérification réussie",
|
| 151 |
+
1: "Erreur : plusieurs personnes détectées",
|
| 152 |
+
2: "Erreur : objet suspect détecté",
|
| 153 |
+
3: "Erreur : visage non reconnu",
|
| 154 |
+
4: "Erreur : deepfake ou attaque par photo détectée"
|
| 155 |
+
}
|
| 156 |
+
# on renvoie une réponse à l'application pour qu'elle sache le résultat de l'analyse du frame
|
| 157 |
return JSONResponse(content={
|
| 158 |
"frame_id": frame_id,
|
| 159 |
"username": username_clean,
|
| 160 |
+
"result_code": result_code,
|
| 161 |
+
"message": messages.get(result_code, "Code inconnu")
|
| 162 |
})
|
| 163 |
|
| 164 |
+
#on renvoie une erreur si nous n'avons pas réussi à analyser notre frame
|
| 165 |
except Exception as e:
|
| 166 |
return JSONResponse(content={"error": str(e)}, status_code=500)
|
| 167 |
|
| 168 |
|
| 169 |
+
#----------------------
|
|
|
|
| 170 |
|
| 171 |
|
| 172 |
|