import logging import uuid from concurrent.futures import ThreadPoolExecutor import cv2…
- User
import logging import uuid from concurrent.futures import ThreadPoolExecutor
import cv2
from libs.face_recognition import ALG
import numpy as np
from settings import NUM_MAX_THREADS, BASE_DIR
class FaceRecognition: """Service for using face recognition.""" def init(self, video_path, threshold=80): """ Sets model's parameters. Args: video_path (str): path to video threshold (int): model's threshold """ self.face_cascade_path = cv2.data.haarcascades + ALG self.face_cascade = cv2.CascadeClassifier(self.face_cascade_path) self.faces_list = [] self.names_list = [] self.threshold = 80 self.video_path = video_path self.video = cv2.VideoCapture(self.video_path)
def process(self): """ Process of recognition faces in video by frames. Writes id as uuid4. Returns: tuple: with list of faces and list of names """ pool = ThreadPoolExecutor(max_workers=NUM_MAX_THREADS) frame_num = 1 while True: ret, frame = self.video.read() logging.info( f"\n---------\n" f"Frame: {frame_num}\n" f"Video: {self.video_path}\n" "----------" ) if not ret: break frame_num += 1 pool.submit(self._process_frame, frame) pool.shutdown() self._close() logging.info(f"Video with path {self.video_path} ready!") return self.faces_list, self.names_list def _process_frame(self, frame): """ Frame processing. Args: frame (cv2.typing.MatLike): cv2 frame Returns: None: """ gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) faces = self.face_cascade.detectMultiScale( gray, scaleFactor=1.1, minNeighbors=5, minSize=(100, 100)) for (x, y, w, h) in faces: cur_face = gray[y:y + h, x:x + w] rec = cv2.face.LBPHFaceRecognizer.create() rec.train([cur_face], np.array(0)) f = True for face in self.faces_list: _, confidence = rec.predict(face) if confidence < self.threshold: f = False if f: label = uuid.uuid4() self.faces_list.append(cur_face) self.names_list.append(label) def _close(self): """ Closes video and destroys all windows. Returns: None: """ self.video.release() cv2.destroyAllWindows()Есть такой код для обработки видеороликов, а есть консюминг процесс из кафки:
class FaceRecognitionConsumer(Consumer): """ A child consumer to get messages about videos which needed to processing of recognition from kafka. """ def on_message(self, message): """ Starts process of recognition. Args: message (dict): message from kafka publisher
Returns: bool: True if file has been uploaded to s3, db row has been created else False """ try: filepath = message.value.get("filepath") face_recognition = FaceRecognition(filepath) faces_list, names_list = face_recognition.process() logging.info(f"faces_list: {faces_list}") logging.info(f"names_list: {names_list}") return True except AssertionError as e: self.logger.error(f"Assertion error: {e}") return FalseКак мне сделать такие эндпоинты, чтобы я мог остановить процесс обработки видео, запомнить кадр, а потом, допустим, продолжить с того же места?
- Assistant
Для реализации возможности остановки и возобновления процесса обработки видео, а также запоминания последнего обработанного кадра, можно внести следующие изменения в код:
- Создайте переменную
self.current_frameв классеFaceRecognition. Инициализируйте ее значением 0 в методе__init__.
self.current_frame = 0- Измените метод
_process_frameклассаFaceRecognition, чтобы он принимал дополнительный аргументframe_num:
def _process_frame(self, frame_num, frame):- Внутри метода
_process_frameпередвигайте указатель видео на нужный кадр, еслиframe_numменьшеself.current_frame. Для этого используйте методself.video.set(cv2.CAP_PROP_POS_FRAMES, frame_num).
def _process_frame(self, frame_num, frame): if frame_num < self.current_frame: self.video.set(cv2.CAP_PROP_POS_FRAMES, frame_num) self.current_frame = frame_num ...- В конструкторе класса
FaceRecognitionConsumerдобавьте переменнуюself.frame_to_resumeи инициализируйте ее значениемNone.
def __init__(self): super().__init__() self.frame_to_resume = None- В методе
on_messageклассаFaceRecognitionConsumerдобавьте проверку, еслиself.frame_to_resumeне равноNone, то передайте это значение в методprocessклассаFaceRecognition.
def on_message(self, message): filepath = message.value.get("filepath") face_recognition = FaceRecognition(filepath) if self.frame_to_resume is not None: face_recognition.current_frame = self.frame_to_resume faces_list, names_list = face_recognition.process() logging.info(f"faces_list: {faces_list}") logging.info(f"names_list: {names_list}") self.frame_to_resume = face_recognition.current_frame return TrueТеперь, чтобы остановить обработку видео и запомнить последний обработанный кадр, нужно установить значение
self.frame_to_resumeв месте, где вы хотите остановить, например, при возникновении некоторого события. Затем, когда будет запущена обработка видео снова, она будет продолжена с нужного места. - Создайте переменную
- User
А как должен выглядеть эндпоинт, который останавливает консюминг и заносит в бд запись о последнем кадре?
- Assistant
Для реализации эндпоинта, который останавливает консьюминг и заносит в базу данных запись о последнем обработанном кадре, вам понадобится использовать фреймворк для создания веб-сервисов, например, Flask.
Вот пример реализации такого эндпоинта используя Flask:
from flask import Flask, request app = Flask(__name__) # Создаем переменную для хранения состояния консьюмера consumer_state = { 'is_running': False, 'frame_to_resume': None } @app.route('/stop_consumer', methods=['POST']) def stop_consumer(): # Проверяем, является ли консьюмер активным if not consumer_state['is_running']: return 'Consumer is not running' # Останавливаем консьюмер consumer_state['is_running'] = False # Заносим в базу данных запись о последнем обработанном кадре frame_to_resume = consumer_state['frame_to_resume'] # Здесь выполняйте логику сохранения записи в базу данных return 'Consumer stopped successfully' @app.route('/start_consumer', methods=['POST']) def start_consumer(): # Проверяем, является ли консьюмер уже активным if consumer_state['is_running']: return 'Consumer is already running' # Получаем значение frame_to_resume из запроса frame_to_resume = int(request.form['frame_to_resume']) # Запускаем консьюмер, передаем ему значение frame_to_resume consumer_state['is_running'] = True consumer_state['frame_to_resume'] = frame_to_resume return 'Consumer started successfully' if __name__ == '__main__': app.run()В этом примере представлено два эндпоинта:
/stop_consumerи/start_consumer. При вызове эндпоинта/stop_consumer, консьюмер будет остановлен, и значениеframe_to_resumeбудет сохранено в базе данных. При вызове эндпоинта/start_consumerконсьюмер будет запущен с указанным значениемframe_to_resume.Примечание: В этом примере я использовал
POSTметоды для безопасности и передачи значенияframe_to_resume. Вы можете настроить это в соответствии с вашими потребностями.