## on déclare notre serveur web avec FastAPI: # on définit les routes que l'application mobile va appeler. # 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 # c'est app.py qui va aussi envoyer des infos à notre application pour lui dire si la vérification est ok etc. #on importe FastAPI #File et UploadFile ==> pour recevoir des fichier via request POST from fastapi import FastAPI, File, UploadFile, HTTPException #pour retourner une réponse structurée au format JSON à l'app from fastapi.responses import JSONResponse #from modeles.template_generator import generate_template_from_image # pour générer nos embedding de nos images récupérer grâce à l'application #on importe notre fonction analyze_frame de notre pipeline (programme principal) from pipeline import analyze_frame #pour manipuler le template facial (emmbedding) au format .npy import numpy as np # pour générer un template de notre frame pour la reconnaissance faciale from modeles.insightface_template_utils import create_insightface_template import shutil import os import uuid #on crée notre serveur API app = FastAPI() #on définit les routes #---------------------- #route pour recevoir l'empreinte faciale de l'utilisateur et son nom/prénom @app.post("/register-template/{username}") #on recoit le nom/prénom de l'utilisateur et la photo de son empreinte async def register_template(username: str, file: UploadFile = File(...)): # Nettoyer et normaliser le nom de l'utilisateur print("Nettoyer et normaliser le nom de l'utilisateur") username_clean = username.strip().replace(" ", "_").lower() #on créer le chemin du dossier de l'utilisateur print("on créer le chemin du dossier de l'utilisateur") user_folder = f"/tmp/registered_users/{username_clean}" #on crée le chemin du template du dossier de l'utilisateur print("on crée le chemin du template du dossier de l'utilisateur") template_path = os.path.join(user_folder, "template.npy") print("on vérifie que le fichier reçu est bien une image") #on vérifie que le fichier reçu est bien une image if not file.filename.lower().endswith((".jpg", ".jpeg", ".png")): #sinon on envoie une erreur raise HTTPException( status_code=400, detail="Le fichier doit être une image (.jpg, .jpeg ou .png)." ) # on vérifie si le template existe déjà print("on vérifie si le template existe déjà") if os.path.exists(template_path): # on envoie une erreur si l'utilisateur à déjà son template de fait raise HTTPException(status_code=400, detail="Un template existe déjà pour cet utilisateur.") # Créer le dossier si nécessaire print("Créer le dossier si nécessaire") os.makedirs(user_folder, exist_ok=True) # on enregistre l'image reçue dans le dossier de notre utilisateur print("on enregistre l'image reçue dans le dossier de notre utilisateur") img_path = os.path.join(user_folder, file.filename) with open(img_path, "wb") as f: shutil.copyfileobj(file.file, f) try: print(" on crée et on enregistre le template") # on crée et on enregistre le template create_insightface_template(user_folder, template_path) print("on prévient que tout ce passe bien") # on prévient que tout ce passe bien return JSONResponse(content={"message": f"Template enregistré avec succès pour {username_clean}"}) except Exception as e: #on prévient qu'une erreur est survenue print("erreur : ",e) return JSONResponse(content={"error": str(e)}, status_code=500) #---------------------- #route pour recevoir le frame du flux vidéo en temps réel @app.post("/upload-frame-temp/") #on télécharge l'image async def upload_temp_frame(file: UploadFile = File(...)): #on vérifie que le fichier est bien une image if not file.filename.lower().endswith((".jpg", ".jpeg", ".png")): return JSONResponse(content={"error": "Le fichier doit être une image"}, status_code=400) #on crée un dossier temporaire unique frame_id = str(uuid.uuid4()) #on crée un id pour le dossier #on crée le chemin du dossier temp_folder = f"/tmp/temp_frames/{frame_id}" os.makedirs(temp_folder, exist_ok=True) # pour éviter une erreur si le dossier déjà #le chemin complet de notre frame envoyé par l'application img_path = os.path.join(temp_folder, file.filename) with open(img_path, "wb") as f: #on ouvre le fichier en écriture binaire shutil.copyfileobj(file.file, f) # on copie le contenu du fichier reçu dans ce fichier local # on prévient que le frame a bie été stocké = on confirme à l'application que tout s'est bien passé return JSONResponse(content={ "message": "Frame reçu et stocké temporairement.", "frame_id": frame_id, "image_path": img_path # utile côté débug, mais à cacher en prod }) #---------------------- #on définit une route pour analyser les frames @app.get("/analyze_uploaded_frame/{frame_id}/{username}") # on crée une nouvelle fonction pour appliquer notre système de vérification sur notre frame # on a besoin du frame et du nom de l'utilisateur pour chercher le template de son empreinte faciale async def analyze_uploaded_frame(frame_id: str, username: str): # Chemin du dossier temporaire contenant le frame à analyser temp_folder = f"/tmp/temp_frames/{frame_id}" if not os.path.exists(temp_folder): # on alerte si on ne retrouve pas le dossier return JSONResponse(content={"error": "Frame introuvable"}, status_code=404) # on retrouve le fichier image dans le dossier de notre frame image_files = [f for f in os.listdir(temp_folder) if f.lower().endswith((".jpg", ".jpeg", ".png"))] if not image_files: # si on ne retrouve aucune image, on envoit une erreur return JSONResponse(content={"error": "Aucune image trouvée"}, status_code=400) #on crée notre chemin d'acces à notre image img_path = os.path.join(temp_folder, image_files[0]) # on récupère le chemin du template utilisateur grace à son nom username_clean = username.strip().replace(" ", "_").lower() #on crée le chemin d'accès à notre template utilisateur template_path = f"/tmp/registered_users/{username_clean}/template.npy" if not os.path.exists(template_path): # on s'assure que le template a bien été trouvé return JSONResponse(content={"error": "Template non trouvé pour cet utilisateur"}, status_code=404) try: # on charge le template facial pour l'avoir en mémoire template_array = np.load(template_path) # on ouvre l'image sous forme de bytes with open(img_path, "rb") as f: image_bytes = f.read() # on appel notre fonction qui va nous permettre de vérifier que l'utilisateur # ne transgresse pas les règles de l'utilisation : que la personne autorisée, pas d'objet interdits, et la bonne personne devant le doc result_code = analyze_frame(image_bytes, template_array) #donner le path de template pour verify_liveness # on nettoie le dossier temporaire shutil.rmtree(temp_folder) # on crée un dictionnaire des codes de retour à l'application messages = { 0: "Vérification réussie", 1: "Erreur : plusieurs personnes détectées", 2: "Erreur : objet suspect détecté", 3: "Erreur : visage non reconnu", 4: "Erreur : deepfake ou attaque par photo détectée" } # on renvoie une réponse à l'application pour qu'elle sache le résultat de l'analyse du frame return JSONResponse(content={ "frame_id": frame_id, "username": username_clean, "result_code": result_code, "message": messages.get(result_code, "Code inconnu") }) #on renvoie une erreur si nous n'avons pas réussi à analyser notre frame except Exception as e: return JSONResponse(content={"error": str(e)}, status_code=500) #---------------------- @app.get("/test") async def test(): return JSONResponse(content={ "test" : "vision_shield" }) """# on définit notre route pour le fichier embedding @app.post("/generate_template/") #on recoit notre images ==> utiliser pas l'app mobile pour nous envoyer l'image de l'utilisateur à vérifier async def generate_template(image: UploadFile = File(...)): #on attend un fichier nommé image, ficheir = obligatoire : mention ... image_bytes = await image.read() #on lit le contenu de l'image return generate_template_from_image(image_bytes) # crée un dossier temporaire et enregister notre image dedans et génère un template faciale (embedding) et nous retourne un template json à utiliser ensuite."""