import os import cv2 from ultralytics import YOLO #Ici, nous devons détecter si un/plusieurs objets suspect met en danger le document envoyé par l'utilisateur à son contact def detect_objects_in_folder(folder_path): model = YOLO("yolov8n.pt") # on charge notre modèle YOLO conf_threshold = 0.4 #on configure notre seuil de confiance à 0.4 donc si le modèle est sur à 40% que l'objet est tel objet alors la detection est validée # Objets interdits selon les classes COCO (Common Objects in Context) # et interdit selon VISION SHIELD car ils menancent le doc forbidden_classes = { 62: "écran", 67: "téléphone", 69: "appareil photo", 73: "ordinateur" } if not os.path.isdir(folder_path): #oni retourne une erreur si on ne trouve pas le dossier print(f" Dossier introuvable : {folder_path}") return False image_files = [f for f in os.listdir(folder_path) if f.lower().endswith((".jpg", ".jpeg", ".png"))] #on récupère toutes les images ayant la bonne extensions donc pas de vidéos if not image_files: print("Aucune image trouvée.") #erreur si aucune image trouvée return False for image_name in image_files: # on boucles sur notre dossier image_path = os.path.join(folder_path, image_name) frame = cv2.imread(image_path) # on lit notre image if frame is None: #erreur si on ne parvient pas à lire l'image print(f" Impossible de lire : {image_name}") continue #on lance la détection en appelant notre modèle YOLO results = model.predict(source=frame, conf=conf_threshold, verbose=False) #on récupère tous les objets détecter dans notre image detections = results[0].boxes for box in detections: # on boucle sur tous les objets trouvés # on récupère la classe prédite de tous les objets détectés cls_id = int(box.cls.cpu().item()) #si l'une des classes des objets détectés fait partie du dictionnaire des objets interdits alors if cls_id in forbidden_classes: label = forbidden_classes[cls_id] #on récupère la classe print(f"Objet interdit détecté : {label} dans {image_name}") return False # dès qu'on détecte un objet interdit, on arrete la fontion pour prevenir l'app de la transgression de l'utilisateur print("Aucun objet interdit détecté dans le dossier.") return True #si tout va bien #def detect_objects_in_folder(video_folder): #model = YOLO("yolov8n.pt") #conf_threshold = 0.4 # Liste des classes interdites (COCO) → ici : téléphone seulement (classe 67) #forbidden_classes = { # 67: "téléphone" #} #if not os.path.isdir(video_folder): # print(f"❌ Dossier introuvable : {video_folder}") # return #video_files = [f for f in os.listdir(video_folder) if f.lower().endswith(".mov")] #if not video_files: # print("⚠️ Aucune vidéo .mov trouvée.") # return #for video_name in video_files: #video_path = os.path.join(video_folder, video_name) #cap = cv2.VideoCapture(video_path) #if not cap.isOpened(): # print(f"❌ Impossible d’ouvrir : {video_name}") # continue #print(f"📹 Analyse objets interdits : {video_name}") #while True: #ret, frame = cap.read() #if not ret: # break #results = model.predict(source=frame, conf=conf_threshold, verbose=False) #detections = results[0].boxes #for box in detections: #cls_id = int(box.cls.cpu().item()) #if cls_id in forbidden_classes: # x1, y1, x2, y2 = map(int, box.xyxy[0]) # label = forbidden_classes[cls_id] # cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 0, 255), 2) # cv2.putText(frame, f"{label}", (x1, y1 - 10), # cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 0, 255), 2) # print(f"⚠️ Objet interdit détecté : {label} dans {video_name}") # cv2.imshow(f"{video_name} - Objets interdits", frame) # if cv2.waitKey(1) & 0xFF == ord('q'): # break #cap.release() # cv2.destroyAllWindows() # print(f"✅ Fin de l’analyse de {video_name}\n") #print("✅ Toutes les vidéos analysées pour objets interdits.") """def detect_objects_in_folder(video_folder): model = YOLO("yolov8n.pt") conf_threshold = 0.4 # ✅ Objets interdits avec classes COCO forbidden_classes = { 62: "écran", 67: "téléphone", 69: "appareil photo", 73: "ordinateur" } if not os.path.isdir(video_folder): print(f"❌ Dossier introuvable : {video_folder}") return video_files = [f for f in os.listdir(video_folder) if f.lower().endswith(".mov")] if not video_files: print("⚠️ Aucune vidéo .mov trouvée.") return os.makedirs("outputs_forbidden_objects", exist_ok=True) for video_name in video_files: video_path = os.path.join(video_folder, video_name) cap = cv2.VideoCapture(video_path) if not cap.isOpened(): print(f"❌ Impossible d’ouvrir : {video_name}") continue print(f"📹 Analyse objets interdits : {video_name}") frame_count = 0 while True: ret, frame = cap.read() if not ret: break results = model.predict(source=frame, conf=conf_threshold, verbose=False) detections = results[0].boxes for box in detections: cls_id = int(box.cls.cpu().item()) if cls_id in forbidden_classes: x1, y1, x2, y2 = map(int, box.xyxy[0]) label = forbidden_classes[cls_id] cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 0, 255), 2) cv2.putText(frame, f"{label}", (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 0, 255), 2) print(f"⚠️ Objet interdit détecté : {label} dans {video_name}") output_path = os.path.join("outputs_forbidden_objects", f"{video_name}_frame_{frame_count}.jpg") cv2.imwrite(output_path, frame) frame_count += 1 cap.release() print(f"✅ Fin de l’analyse de {video_name}\n") print("✅ Toutes les vidéos analysées pour objets interdits.")"""