change num_frames

app.py

@@ -50,7 +50,7 @@ class EfficientNetLSTM(nn.Module):
 
 # Load Model (Global)
 DEVICE = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
-MODEL_PATH = "best_model_efficientnet_lstm_224_16.pth" # Đảm bảo file này nằm cùng thư mục
+MODEL_PATH = "best_model_efficientnet_lstm_v2.pth" # Đảm bảo file này nằm cùng thư mục
 
 print("⏳ Đang tải models...")
 try:
@@ -67,7 +67,7 @@ except Exception as e:
 
 # Transform
 transform = A.Compose([
-    A.Resize(height=224, width=224),
+    A.Resize(height=288, width=288),
     A.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
     A.ToTensorV2(),
 ])
@@ -115,11 +115,11 @@ def predict_webcam_stream(image, buffer_state, history_log):
     current_buffer = buffer_state if buffer_state is not None else []
     current_buffer.append(frame_tensor)
     
-    if len(current_buffer) > 16:
+    if len(current_buffer) > 32:
         current_buffer.pop(0) # Xóa frame cũ nhất
     
     # 3. Dự đoán Fall (Chỉ khi đủ 16 frames và có người)
-    if len(current_buffer) == 16:
+    if len(current_buffer) == 32:
         # Gom buffer thành batch
         video_tensor = torch.stack(current_buffer).unsqueeze(0).to(DEVICE)
         
@@ -161,8 +161,8 @@ def analyze_uploaded_video(video_path):
     total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
     
     # Lấy 16 frames rải đều
-    if total_frames >= 16:
-        indices = np.linspace(0, total_frames - 1, 16, dtype=int)
+    if total_frames >= 32:
+        indices = np.linspace(0, total_frames - 1, 32, dtype=int)
     else:
         indices = np.arange(total_frames)
         # Pad nếu thiếu (đơn giản hóa)
@@ -176,9 +176,9 @@ def analyze_uploaded_video(video_path):
             
     cap.release()
     
-    if len(frames) < 16:
+    if len(frames) < 32:
         # Pad frame cuối nếu thiếu
-        while len(frames) < 16:
+        while len(frames) < 32:
             frames.append(frames[-1])
 
     video_tensor = torch.stack(frames).unsqueeze(0).to(DEVICE)