JustinePP commited on
Commit
ba103a1
·
verified ·
1 Parent(s): 42adcdf

Update app.py

Browse files
Files changed (1) hide show
  1. app.py +41 -13
app.py CHANGED
@@ -1,5 +1,5 @@
1
- ## on declare notre serveur web avec FastAPI:
2
- # on déinit 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
 
@@ -8,14 +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("/analyze-frame/{frame_id}/{username}")
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 analyze_frame(frame_id: str, username: str):
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
- # Nettoyage
 
 
 
 
 
 
 
 
 
 
 
 
128
  shutil.rmtree(temp_folder)
129
 
 
 
 
 
 
 
 
 
 
130
  return JSONResponse(content={
131
  "frame_id": frame_id,
132
  "username": username_clean,
133
- "match_result": results
 
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