Kav-Venaki / backend.py
NHLOCAL's picture
חזרה לקוד המקורי התקני
1af19a0
raw
history blame
11.3 kB
import os
import base64
import json
import requests
import torch
import numpy as np
import cv2
from PIL import Image, ImageFilter
from scipy.ndimage import binary_dilation
from omegaconf import OmegaConf
# -----------------------------
# 1) הגדרת המפתח API של Gemini כפרמטר
# -----------------------------
SYSTEM_INST = """\
You are given an image. You must return information about the main character in the image.
Do not write anything else beyond this!
**Guidelines for identifying a character in the image:**
1. **Male:**
- Infant (0–2) → "baby boy"
- Toddler (2–5) → "toddler boy"
- Child (6–11) → "boy"
- Teenager (12–17) → "teen boy"
- Young adul (18–35) → "young man"
- adul (36–59) → "man"
- Elderly (60+) → "elderly man"
2. **Female:**
- Infant (0–2) → "baby girl"
- Toddler (2–5) → "toddler girl"
- Child (6–11) → "girl"
- Teenager (12–17) → "teen girl"
- Young adul (18–35) → "young woman"
- adul (36–59) → "woman"
- Elderly (60+) → "elderly woman"
3. **Unclear identification:**
- Ambiguous character → "unidentified"
- Ambiguous infant/toddler → "baby" or "toddler"
4. **No character in the image:**
- Respond: "no person"
5. **Multiple characters:**
- Identify the most central or prominent character.
Notes:
- If data is insufficient to classify → "insufficient data".
"""
conversation = [] # נשמור כאן את השיחה הנוכחית
female_keywords = {
"baby girl", "toddler girl", "girl",
"teen girl", "young woman", "woman",
"elderly woman"
}
def is_female_from_text(gemini_text: str) -> bool:
"""בודק האם התשובה מ-Gemini מצביעה על אישה לפי מילות המפתח שהוגדרו."""
return gemini_text.lower().strip() in female_keywords
def encode_image_to_base64(image: Image.Image) -> str:
import io
buffer = io.BytesIO()
image.save(buffer, format='JPEG')
encoded_str = base64.b64encode(buffer.getvalue()).decode('utf-8')
return encoded_str
def add_user_text(message: str):
conversation.append({
"role": "user",
"parts": [
{"text": message}
]
})
def add_user_image_from_pil(image: Image.Image, mime_type: str = "image/jpeg"):
encoded_str = encode_image_to_base64(image)
conversation.append({
"role": "user",
"parts": [
{
"inline_data": {
"mime_type": mime_type,
"data": encoded_str
}
}
]
})
def send_and_receive(api_key: str) -> str:
url = "https://generativelanguage.googleapis.com/v1beta/models/gemini-1.5-flash:generateContent"
params = {"key": api_key}
headers = {"Content-Type": "application/json"}
payload = {
"systemInstruction": {
"role": "system",
"parts": [
{"text": SYSTEM_INST}
]
},
"contents": conversation
}
response = requests.post(url, params=params, headers=headers, json=payload)
if response.status_code != 200:
print(f"[Gemini] שגיאה בסטטוס קוד: {response.status_code}")
return "NO_ANSWER"
resp_json = response.json()
candidates = resp_json.get("candidates", [])
if not candidates:
print("[Gemini] לא התקבלה תשובה.")
return "NO_ANSWER"
model_content = candidates[0].get("content", {})
model_parts = model_content.get("parts", [])
if not model_parts:
print("[Gemini] לא נמצא תוכן בתשובת המודל.")
return "NO_ANSWER"
model_text = model_parts[0].get("text", "").strip()
conversation.append({
"role": "model",
"parts": [
{"text": model_text}
]
})
return model_text
# -----------------------------
# 3) טעינת מודל YOLO
# -----------------------------
from ultralytics import YOLO
YOLO_MODEL_PATH = '../../models/yolo11m.pt'
try:
yolo_model = YOLO(YOLO_MODEL_PATH)
yolo_model.to("cpu")
print("[YOLO] מודל YOLO נטען בהצלחה.")
except Exception as e:
print(f"[YOLO] לא מצליח לטעון את המודל בנתיב: {YOLO_MODEL_PATH}. שגיאה: {e}")
yolo_model = None
TARGET_CLASS = "person"
CONF_THRESHOLD = 0.2
# -----------------------------
# 4) הכנה ל-SAM2
# -----------------------------
from sam2.build_sam import build_sam2
from sam2.sam2_image_predictor import SAM2ImagePredictor
# נתיבים יחסיים ל-Space של Hugging Face
SAM2_CHECKPOINT = "checkpoints/sam2.1_hiera_tiny.pt"
MODEL_CFG = "configs/sam2.1/sam2.1_hiera_t.yaml"
sam2_predictor = None # אתחול כ-None
device = "cuda" if torch.cuda.is_available() else "cpu"
def load_sam2_model():
"""טוען את מודל SAM2 באופן גלובלי."""
global sam2_predictor
try:
# טעינת המודל
sam2_model = build_sam2(MODEL_CFG, SAM2_CHECKPOINT, device=device)
sam2_predictor = SAM2ImagePredictor(sam2_model)
print("[SAM2] מודל SAM2 נטען בהצלחה.")
except FileNotFoundError as e:
print(f"[ERROR] קובץ SAM2 לא נמצא: {e}")
print(f" - ודא שקובץ המודל '{SAM2_CHECKPOINT}' וקובץ הקונפיג '{MODEL_CFG}' קיימים בנתיבים הנכונים בתוך ה-Space שלך.")
except Exception as e:
print(f"[ERROR] שגיאה כללית בטעינת SAM2: {e}")
print(f" - סוג השגיאה: {type(e).__name__}")
print(f" - הודעת השגיאה: {e}")
import traceback
print(f" - Traceback:")
traceback.print_exc()
print(f" - בדוק את התאימות בין גרסאות הספריות (torch, torchvision, sam2) ואת תקינות קובץ המודל.")
# טעינת המודל בעת טעינת המודול
load_sam2_model()
# -----------------------------
# 5) פונקציית טשטוש
# -----------------------------
def blur_regions_with_mask(
image: Image.Image,
mask: np.ndarray,
blur_radius=20,
pixel_size=20,
expansion_pixels=1
):
processed_image = image.copy()
img_np = np.array(processed_image)
structure = np.ones((expansion_pixels, expansion_pixels), dtype=bool)
expanded_mask = binary_dilation(mask, structure=structure)
blurred_whole = processed_image.filter(ImageFilter.GaussianBlur(radius=blur_radius))
blurred_whole_np = np.array(blurred_whole)
ys, xs = np.where(expanded_mask)
if len(xs) == 0 or len(ys) == 0:
return processed_image
x_min, x_max = xs.min(), xs.max()
y_min, y_max = ys.min(), ys.max()
region = blurred_whole_np[y_min:y_max, x_min:x_max]
from PIL import Image as PILImage
small = PILImage.fromarray(region).resize(
((x_max - x_min) // pixel_size, (y_max - y_min) // pixel_size),
resample=Image.BILINEAR
)
pixelated = small.resize((x_max - x_min, y_max - y_min), PILImage.NEAREST)
pixelated_np = np.array(pixelated)
combined = img_np.copy()
mask_region = expanded_mask[y_min:y_max, x_min:x_max]
combined[y_min:y_max, x_min:x_max][mask_region] = pixelated_np[mask_region]
return Image.fromarray(combined)
# -----------------------------
# 6) הפונקציה המרכזית
# -----------------------------
def process_image(
pil_image: Image.Image,
gemini_api_key: str,
progress_callback=None
) -> Image.Image:
if not gemini_api_key:
raise ValueError("מפתח API של Gemini אינו מוזן.")
"""
פונקציה המקבלת תמונת PIL, מפתח API של Gemini, ומחזירה את התמונה לאחר טשטוש נשים.
"""
if progress_callback is None:
# אם לא הועברה פונקציה לעדכון התקדמות, ניצור פונקציה ריקה
def progress_callback(x, desc=""):
pass
conversation.clear()
add_user_text("Processing a new image (backend)!")
# 1) שלב YOLO
progress_callback(0.0, "מתחיל זיהוי אנשים (YOLO)...")
if yolo_model is None:
print("[process_image] מודל YOLO לא נטען כראוי.")
return pil_image
np_image = np.array(pil_image)
results = yolo_model.predict(np_image)
bboxes_person = []
for result in results:
boxes = result.boxes
for box in boxes:
cls_name = yolo_model.names[int(box.cls)]
conf = box.conf.item()
if cls_name == TARGET_CLASS and conf >= CONF_THRESHOLD:
x1, y1, x2, y2 = box.xyxy[0]
bboxes_person.append([int(x1), int(y1), int(x2), int(y2)])
progress_callback(0.1, f"נמצאו {len(bboxes_person)} בוקסי 'person' ב-YOLO")
# 2) שלב Gemini (עבור כל בוקס בנפרד)
women_boxes = []
n_bboxes = len(bboxes_person) if bboxes_person else 1
for i, bbox in enumerate(bboxes_person, start=1):
fraction = 0.1 + (0.5 * i / n_bboxes) # נניח חצי מההתקדמות מוקצה ל-Gemini
progress_callback(fraction, f"[Gemini] בודק בוקס #{i} מתוך {len(bboxes_person)}")
x1, y1, x2, y2 = bbox
cropped = pil_image.crop((x1, y1, x2, y2))
add_user_image_from_pil(cropped)
add_user_text("---")
gemini_text = send_and_receive(gemini_api_key)
if is_female_from_text(gemini_text):
women_boxes.append(bbox)
# 3) שלב SAM2 (עבור בוקסים של נשים)
if sam2_predictor is None:
print("[process_image] SAM2 לא זמין/נטען. מחזירים תמונה ללא טשטוש.")
raise ValueError("SAM2 model is not loaded.")
progress_callback(0.6, f"מתחיל פילוח SAM2 על {len(women_boxes)} נשים...")
sam2_predictor.set_image(np.array(pil_image))
women_masks = []
n_women = len(women_boxes) if women_boxes else 1
for j, bbox in enumerate(women_boxes, start=1):
fraction = 0.6 + (0.3 * j / n_women) # עדכון עד 90%
progress_callback(fraction, f"[SAM2] מפלח בוקס #{j} מתוך {len(women_boxes)}")
box_np = np.array([bbox])
masks, scores, _ = sam2_predictor.predict(
point_coords=None,
point_labels=None,
box=box_np,
multimask_output=False,
)
if masks.ndim == 4 and masks.shape[1] == 1:
mask = masks.squeeze(1)[0].astype(bool)
elif masks.ndim == 3:
mask = masks[0].astype(bool)
else:
raise ValueError(f"[SAM2] צורת masks לא צפויה: {masks.shape}")
women_masks.append((bbox, mask))
# 4) שלב טשטוש
progress_callback(0.9, "מתחיל טשטוש האזורים המזוהים (Blur + פיקסול)...")
final_image = pil_image.copy()
for (bbox, mask) in women_masks:
final_image = blur_regions_with_mask(final_image, mask)
progress_callback(1.0, "סיימנו! מחזירים את התוצאה הסופית.")
# המרת התמונה ל-base64
encoded_image = encode_image_to_base64(final_image)
return encoded_image