def _get_resources(self, url):
encontrou_img = 0 #inicializa a variavel
# rastreia a página
self.nome_arquivo, self.titulo_noticia, encontrou_img = self.crawler.crawl_page(url)
print("aq")
if encontrou_img == 1 and os.path.exists(self.nome_arquivo): # se achou imagem na notícia
if self.titulo_noticia != "": # se a noticia existe em ingles
# le o arquivo e guarda na variavel
self.noticia = self.crawler.file_to_variavel(self.nome_arquivo)
# Remove caracteres estranhos das noticias
self.titulo_noticia = self._remover_caracteres_especiais(self.titulo_noticia)
self.titulo_diretorio = self.titulo_noticia.replace(" ", "") #titulo do diretorio
#grava no txt o titulo - noticias/nomenoticia/titulo.txt
utils.escrever_arquivo(self.titulo_noticia, "noticia_atual/titulo.txt")
#grava a legenda da imagem--noticias/nomenoticia/caption.txt
self.legenda = self.crawler.file_to_variavel(self.nome_arquivo + "_caption.txt")
self.legenda = self.legenda.replace("\n", "")
self.path_imagem = self.nome_arquivo + ".jpg" # caminho da imagem original
shutil.copy2(self.path_imagem,'static/alinhamento2.jpg')
print("imagem copiada")
self.path_legenda = self.nome_arquivo + "_caption.txt" #caminho da legenda
self.path_titulo = "noticia_atual/titulo.txt" #caminho do título
self.path_noticia = self.nome_arquivo # path da noticia
self.directory = "noticias/" + self.titulo_diretorio #nome do diretorio que será criado
# if os.path.exists(self.directory): # se a noticia ainda não foi coletada
# shutil.rmtree(self.directory)
if not os.path.exists(self.directory): # se a noticia ainda não foi coletada
os.makedirs(self.directory) #cria o diretorio da noticia
#envia a imagem original para o dir da noticia
os.rename(self.path_imagem, self.directory + "/img_original.jpg")
#envia a noticia original para o dir da noticia
os.rename(self.nome_arquivo, self.directory + "/noticia.txt")
#envia a legenda para o dir da noticia
os.rename(self.path_legenda, self.directory + "/caption.txt")
#envia o titulo para o dir da noticia
os.rename(self.path_titulo, self.directory + "/titulo.txt")
# novo path da imagem original
self.path_imagem = self.directory + "/img_original.jpg"
self.path_noticia = self.directory + "/noticia.txt" #novo path da noticia
else: # Se a noticia não estiver em inglês
os.remove(self.nome_arquivo + ".jpg")
os.remove(self.nome_arquivo + "_caption.txt")
else:
self.noticia_sem_imagem = True
def _set_manual_resources(self):
self.titulo_diretorio = self.titulo_noticia.replace(" ", "") #titulo do diretorio
#grava no txt o titulo - noticias/nomenoticia/titulo.txt
utils.escrever_arquivo(self.titulo_noticia, "noticia_atual/titulo.txt")
shutil.copy2(self.path_imagem,'static/alinhamento2.jpg')
print("imagem copiada")
self.directory = "noticias/" + self.titulo_diretorio #nome do diretorio que será criado
utils.escrever_arquivo(self.noticia,"noticia_manual.txt")
self.path_noticia = "noticia_manual.txt" # path da noticia
# if os.path.exists(self.directory): # se a noticia ainda não foi coletada
# shutil.rmtree(self.directory)
if not os.path.exists(self.directory): # se a noticia ainda não foi coletada
os.makedirs(self.directory) #cria o diretorio da noticia
shutil.copy2(self.path_imagem, self.directory + "/img_original.jpg")
def _experiment_2(self):
"""Experimento 4 + Experimento 3 """
arquivo_embedding = "/embedding_top5.txt"
img_original = cv2.imread("static/alinhamento2.jpg")
bbox_objects = self._get_bounding_objects()
dic_alinhamento = {}
lst_palavras_visuais = self.read_words_visual("visual_words.txt")
num_objeto = 0
# for bbox in bbox_objects:
# bbox.lst_cnn.remove('torch')
# bbox.lst_cnn.append(bbox.objeto)
# for palavra in self.lst_substantivos:
# if palavra in bbox.lst_cnn:
# dic_alinhamento[palavra] = num_objeto
# num_objeto += 1
# break
dic_json = {}
# for palavra, value in dic_alinhamento.items():
# dic_json[palavra] = "Objeto " + str(dic_alinhamento[palavra])
# x, y, w, h = bbox_objects[0].Rect()
# #draw bounding box in img_original
# cv2.rectangle(img_original, (x, y), (x + w, y + h), (0, 255, 0), 2)
# cv2.putText(img_original, "Objeto" + str(dic_alinhamento[palavra]), (x + 15, y + 30),
# cv2.FONT_HERSHEY_TRIPLEX, 0.9, (0, 255, 0), 1)
# #remove a bounding box
# print("REMOVIDA:" + palavra)
# bbox_objects.pop(0)
# cv2.imwrite("static/" + "alinhamento2.jpg", img_original)
# img_original = cv2.imread("static/alinhamento2.jpg")
#bbox_objects = self._get_bounding_objects()
dic_alinhamento = {}
# A P L I C A Ç Ã O - W O R D E M B E D D I N G S
# w_embeddings = WordEmbeding(100) #inicializa as word embeddings
# w_embeddings.CarregarWordEmbeddings()
dic_top_5 = {}
# coloca todos substantivos em Lower Case e
# Organiza os substantivos por ordem alfabética
for i in range(0, len(self.lst_substantivos)):
self.lst_substantivos[i] = self.lst_substantivos[i].lower()
self.lst_substantivos.sort()
#gera e obtém todas W Embeddings dos substantivos
w = WordEmbeding(100) # instancia a classe wordEmbedding
w.CarregarWordEmbeddings()
dicionario_embeddings = w.RetornarDicionario(self.lst_substantivos)
palavra_ranqueada = ""
if not bbox_objects:
return dic_json
for bbox in bbox_objects:
#cria uma pasta com nome {num_foto-nome_objeto}
object_name = str(bbox.imagem) + "-" + bbox.objeto
if not os.path.exists(self.path_folder + "/" + object_name):
os.mkdir(self.path_folder + "/" + object_name)
dir_objeto = self.path_folder + "/" + object_name
index_maior_palavra = 0
palavra_ranqueada = ""
distancia_ranqueada = 100
#dicionario para calcular as distancias da palavra da Bbox para todos substantivos
dicionario_distancias = {}
for substantivo in self.lst_substantivos: # para cada substantivo
for palavra in bbox.lst_cnn:
palavra_bbox = palavra # obtém a palavra que está na Bbox
palavra_bbox = TrocarNomes(palavra_bbox)
maior_distancia = 0
index_maior_palavra = 0
#retorna a WOrd Embedding da palavra da Bbox
embedding_cnn = w.RetornarVetor(palavra_bbox)
if embedding_cnn is None:
continue
if substantivo not in dicionario_embeddings:
continue
if dicionario_embeddings[substantivo] is None:
continue
distancia_we = 0
# Calcula a distância entre a Wvec_palavra e substantivo_vec
for x in range(0, 100):
try:
distancia_we = distancia_we + (
dicionario_embeddings[substantivo][x] -
embedding_cnn[x])**2
except:
continue
distancia_we = sqrt(distancia_we)
# armazena no dicionario a distância
dicionario_distancias[palavra_bbox] = distancia_we
# ordena o dicionario de acordo com menor distancia
sorted_we = sorted(dicionario_distancias.items(),
key=operator.itemgetter(1))
# texto = ""
# for z in range(0, 5): #prepara o texto do arquivo
# try:
# texto += sorted_we[z][0] + "\n"
# except:
# pass
# utils.escrever_arquivo(texto, dir_objeto + arquivo_embedding)
if sorted_we:
if sorted_we[0][1] < distancia_ranqueada:
distancia_ranqueada = sorted_we[0][1]
palavra_ranqueada = substantivo
dic_top_5[substantivo] = sorted_we[0][1]
# ordena o dicionario de acordo com menor distancia
sorted_we = sorted(dic_top_5.items(), key=operator.itemgetter(1))
if sorted_we[0][0] not in lst_palavras_visuais:
we_deque = deque()
for z in range(0, 5):
try:
#verifica se esta na lista das palavras visuais
if sorted_we[z][0].lower() in lst_palavras_visuais:
we_deque.appendleft(sorted_we[z][0])
else:
we_deque.append(sorted_we[z][0])
except:
pass
# se estiver sobe uma posicao na lista
palavra_ranqueada = we_deque[0]
if palavra_ranqueada != '':
dic_alinhamento[palavra_ranqueada] = num_objeto
num_objeto += 1
print(palavra_ranqueada)
# ESCREVE NO DIRETORIO O TOP-5
top5 = ""
for z in range(0, 5):
try:
top5 += self.dict_lematizado[sorted_we[z]
[0]] + "-------" + str(
sorted_we[z][1]) + "\n"
except:
pass
utils.escrever_arquivo(top5, dir_objeto + arquivo_embedding)
for palavra, value in dic_alinhamento.items():
# dic_json[palavra] = "Objeto " + str(dic_alinhamento[palavra])
palavra_radio_button = palavra.replace(" ", "_")
dic_json[
palavra] = '<label><input type="radio" value="sim" name="radio_' + palavra_radio_button + '">Sim</label><span style="margin: 0 10px 0 10px;"></span> <label><input type="radio" value="nao" name="radio_' + palavra_radio_button + '">Não</label>'
x, y, w, h = bbox_objects[0].Rect()
# size_caracters = len(palavra) * 15
#draw bounding box in img_original
cv2.rectangle(
img_original, (x, y), (x + w, y + h),
self.colors_bounding_box[self.index_cor_bounding_box], 2)
# cv2.rectangle(img_original,(x,y),(x + size_caracters, y + 30),(0,0,0),thickness=-1)
# cv2.putText(img_original, palavra, (x + 3, y + 20),
# cv2.FONT_HERSHEY_DUPLEX, 0.8, (255, 255, 255), 1)
self.index_cor_bounding_box += 1
#remove a bounding box
bbox_objects.pop(0)
cv2.imwrite("static/" + "alinhamento2.jpg", img_original)
return dic_json
def _experiment_1(self):
"""Experimento 4 + Experimento 2"""
arquivo_wup = "/wup_top5.txt"
img_original = cv2.imread("static/alinhamento2.jpg")
bbox_objects = self._get_bounding_objects()
dic_alinhamento = {}
num_objeto = 0
lst_palavras_visuais = self.read_words_visual("visual_words.txt")
for bbox in bbox_objects:
bbox.lst_cnn.append(bbox.objeto)
# for palavra in self.lst_substantivos:
# if palavra in bbox.lst_cnn:
# dic_alinhamento[palavra] = num_objeto
# num_objeto += 1
# break
dic_json = {}
# for palavra, value in dic_alinhamento.items():
# dic_json[palavra] = "Objeto " + str(dic_alinhamento[palavra])
# x, y, w, h = bbox_objects[0].Rect()
# #draw bounding box in img_original
# cv2.rectangle(img_original, (x, y), (x + w, y + h), (0, 255, 0), 2)
# cv2.putText(img_original, "Objeto" + str(dic_alinhamento[palavra]), (x + 15, y + 30),
# cv2.FONT_HERSHEY_TRIPLEX, 0.9, (0, 255, 0), 1)
# #remove a bounding box
# print("REMOVIDA:" + palavra)
# bbox_objects.pop(0)
# cv2.imwrite("static/" + "alinhamento2.jpg", img_original)
# img_original = cv2.imread("static/alinhamento2.jpg")
#bbox_objects = self._get_bounding_objects()
# S I M I L A R I D A D E W U P
dic_alinhamento = {}
if not bbox_objects:
return dic_json
for bbox in bbox_objects:
#cria uma pasta com nome {num_foto-nome_objeto}
object_name = str(bbox.imagem) + "-" + bbox.objeto
if not os.path.exists(self.path_folder + "/" + object_name):
os.mkdir(self.path_folder + "/" + object_name)
dir_objeto = self.path_folder + "/" + object_name
# dicionario para calcular as distancias da palavra da Bbox para todos substantivos
dicionario_distancias_wup = {}
index_maior_palavra = 0
palavra_ranqueada = ""
distancia_ranqueada = 0
for substantivo in self.lst_substantivos:
maior_distancia = 0
lst_synsets = wn.synsets(substantivo, pos=wn.NOUN)
for j in range(0, len(lst_synsets)):
#pega um dos synsets referentes ao substantivo
synset = str(lst_synsets[j])
synset = synset.replace("Synset('", "")
synset = synset.replace("')", "")
word_substantivo = wn.synset(synset)
for palavra in bbox.lst_cnn:
palavra_bbox = palavra # obtém a palavra que está na Bbox
palavra_bbox = TrocarNomes(palavra_bbox)
word_bounding = TrazerSynsetBoundingBox(
palavra_bbox) #synset da bbox
if word_bounding is None:
lst_synsets_cnn = wn.synsets(palavra_bbox,
pos=wn.NOUN)
for k in range(0, len(lst_synsets_cnn)):
synset = str(
lst_synsets_cnn[k]
) #pega um dos synsets referentes ao substantivo
synset = synset.replace("Synset('", "")
synset = synset.replace("')", "")
word_bounding = wn.synset(synset)
try:
distancia_wup = word_substantivo.wup_similarity(
word_bounding)
except:
distancia_wup = 0
if distancia_wup > maior_distancia:
maior_distancia = distancia_wup
# index_maior_palavra = i
#palavra_ranqueada = substantivo
else:
try:
distancia_wup = word_substantivo.wup_similarity(
word_bounding)
except:
distancia_wup = 0
if distancia_wup > maior_distancia:
maior_distancia = distancia_wup
dicionario_distancias_wup[substantivo] = maior_distancia
sorted_wup = sorted(dicionario_distancias_wup.items(),
key=operator.itemgetter(1),
reverse=True)
wup_deque = deque()
palavra_ranqueada = sorted_wup[0][0]
#para cada palavra da sorted wup (0 a 4)
if sorted_wup[0][0] not in lst_palavras_visuais:
for z in range(0, 5):
try:
#verifica se esta na lista das palavras visuais
if sorted_wup[z][0].lower() in lst_palavras_visuais:
wup_deque.appendleft(sorted_wup[z][0])
else:
wup_deque.append(sorted_wup[z][0])
except:
pass
# se estiver sobe uma posicao na lista
palavra_ranqueada = wup_deque[0]
dic_alinhamento[palavra_ranqueada] = num_objeto
num_objeto += 1
print(maior_distancia)
print(palavra_ranqueada)
# ESCREVE NO DIRETORIO O TOP-5
top5 = ""
for z in range(0, 5):
try:
top5 += self.dict_lematizado[sorted_wup[z][0].lower(
)] + "-------" + str(sorted_wup[z][1]) + "\n"
except:
pass
utils.escrever_arquivo(top5, dir_objeto + arquivo_wup)
# _________________ALINHAMENTO________________
for palavra, value in dic_alinhamento.items():
# dic_json[palavra] = "Objeto " + str(dic_alinhamento[palavra])
palavra_radio_button = palavra.replace(" ", "_")
dic_json[
palavra] = '<label><input type="radio" value="sim" name="radio_' + palavra_radio_button + '">Sim</label><span style="margin: 0 10px 0 10px;"></span> <label><input type="radio" value="nao" name="radio_' + palavra_radio_button + '">Não</label>'
x, y, w, h = bbox_objects[0].Rect()
size_caracters = len(palavra) * 15
#draw bounding box in img_original
cv2.rectangle(
img_original, (x, y), (x + w, y + h),
self.colors_bounding_box[self.index_cor_bounding_box], 2)
# cv2.rectangle(img_original,(x,y),(x + size_caracters, y + 30),(0,0,0),thickness=-1)
# cv2.putText(img_original, palavra, (x + 3, y + 20),
# cv2.FONT_HERSHEY_DUPLEX, 0.8, (255, 255, 255), 1)
self.index_cor_bounding_box += 1
#remove a bounding box
bbox_objects.pop(0)
cv2.imwrite("static/" + "alinhamento2.jpg", img_original)
return dic_json
def _experiment_3(self):
bbox_pessoas = self._get_bounding_persons()
qtd_bbox_pessoas = len(bbox_pessoas)
qtd_pessoas_legenda = len(self.pessoas_legenda)
qtd_pessoas_texto = len(self.pessoas_texto)
nomes_alinhamento = []
img_original = None # imagem original
if qtd_bbox_pessoas > 0: # Se existirem pessoas para serem alinhadas
if qtd_pessoas_legenda > 0: # Se não houver nomes na legenda
nomes_alinhamento = list(
self.pessoas_legenda
) #copia para a lista oficial de nomes que serão alinhados
else: # pega nomes do texto para completar a lista de nomes para alinhamento
for nome in self.pessoas_texto: # para cada nome do texto
nomes_alinhamento.append(
nome.palavra) # adiciona o nome na lista
if len(
nomes_alinhamento
) == qtd_bbox_pessoas: # se o número de pessoas for o mesmo da quantidade de pessoas
break
nomes_dlib = utils.file_to_List(
"/data/alinhador/database_names.txt")
dic_alinhamento = {}
removed_Bbox = None # variavel que armazena o bbox que sera removido caso encontre
names_to_remove = []
face_recognition = FaceRecognition()
# Varre a lista de nomes
for nome in nomes_alinhamento:
nome = utils.removerAcentosECaracteresEspeciais(nome)
if nome in nomes_dlib: # se o nome existir nos dados do DLIB
img_original = cv2.imread("static/alinhamento2.jpg")
for bBox in bbox_pessoas: # para cada bounding box
new_sample = img_original.copy()
crop = new_sample[bBox.top:bBox.bot,
bBox.left:bBox.right]
cv2.imwrite("bBoxImage.jpg", crop)
distancia = 1
distancia = face_recognition.comparar_pessoas(
"bBoxImage.jpg", nome)
if isinstance(distancia, int) or isinstance(
distancia, float):
print(distancia)
if distancia < 0.50: #a face da Bbox corresponde com alguma imagem do nome no dlib
names_to_remove.append(nome)
dic_alinhamento[
nome] = bBox # grava o crop da imagem no dicionario
bBox.label = nome # grava o nome na bBox
DIR_pessoa = "/data/alinhador/faceDB/lfw/" + nome.replace(
" ", "_") + "/"
qtd_imagens = len(
[i for i in os.listdir(DIR_pessoa)]) + 1
#envia a crop da imagem para a pasta do dlib correspondente
os.rename(
"bBoxImage.jpg",
DIR_pessoa + nome.replace(" ", "_") + "_" +
str(qtd_imagens) + ".jpg")
removed_Bbox = bBox
break # vai para o proximo nome
if removed_Bbox in bbox_pessoas:
bbox_pessoas.remove(
removed_Bbox
) #remove das Bbox uma face já alinhada
else:
#busca as imagens da pessoa no google imagens
folder_g_image = g_image.get_images(nome)
print("CRIOU NOME: " + nome)
img_original = cv2.imread("static/alinhamento2.jpg")
face_recognition.criar_db_g_images(folder_g_image)
for bBox in bbox_pessoas: # para cada bounding box
new_sample = img_original.copy()
crop = new_sample[bBox.top:bBox.bot,
bBox.left:bBox.right] #corta a Bbox
cv2.imwrite("bBoxImage.jpg",
crop) # cria a imagem da Bbox
distancia = face_recognition.comparar_pessoas_google_imagens(
"bBoxImage.jpg", nome)
if isinstance(distancia, int) or isinstance(
distancia, float):
print(distancia)
if distancia < 0.50: #a face da Bbox corresponde com alguma imagem do google imagens
names_to_remove.append(nome)
dic_alinhamento[
nome] = bBox # grava o crop da imagem no dicionario
bBox.label = nome # grava o nome na bBox
DIR_pessoa = "/data/alinhador/faceDB/lfw/" + nome.replace(
" ", "_") + "/"
if not os.path.exists(DIR_pessoa):
os.makedirs(DIR_pessoa)
qtd_imagens = len(
[i for i in os.listdir(DIR_pessoa)]) + 1
#envia a crop da imagem para a pasta do dlib correspondente
os.rename(
"bBoxImage.jpg",
DIR_pessoa + nome.replace(" ", "_") + "_" +
str(qtd_imagens) + ".jpg")
nomes_dlib.append(nome)
utils.escrever_arquivo_from_list(
nomes_dlib,
"/data/alinhador/database_names.txt")
removed_Bbox = bBox
break # Quando encontra sai e vai para o próximo nome
if removed_Bbox in bbox_pessoas:
bbox_pessoas.remove(
removed_Bbox
) #remove das Bbox uma face já alinhada
texto = ""
num_pessoa = 0
dic_json = {}
for key, value in dic_alinhamento.items():
#showfig(value, key)
texto += key + "= " + str(value.imagem) + "\n"
num_pessoa += 1
dic_json[key] = "Pessoa " + str(num_pessoa)
x, y, w, h = value.Rect()
cv2.rectangle(img_original, (x, y), (x + w, y + h),
(0, 0, 255), 2)
cv2.putText(img_original, "Pessoa " + str(num_pessoa),
(x + 15, y + 15), cv2.FONT_HERSHEY_TRIPLEX, 0.5,
(0, 255, 0), 1)
PATH_PROJETO = os.path.dirname(os.path.abspath(__file__)) + "/"
#cv2.imwrite(PATH_PROJETO+"/static/" + "alinhamento2.jpg", img_original)
path_arquivo = self.path_noticia + "alinhamento_pessoas.txt"
utils.escrever_arquivo(texto, path_arquivo)
print(names_to_remove)
#remove os nomes ja alinhados
for name in names_to_remove:
nomes_alinhamento.remove(name)
#TODO: remover isso
nomes_alinhamento.append("DESCONHECIDO")
#aplica o experimento 1
while len(bbox_pessoas) > 0 and len(nomes_alinhamento) > 0:
entidade = nomes_alinhamento[0]
texto += entidade + "= " + str(bbox_pessoas[0].imagem) + "\n"
x, y, w, h = bbox_pessoas[0].Rect()
num_pessoa += 1
dic_json[entidade] = "Pessoa " + str(num_pessoa)
#draw bounding box in img_original
cv2.rectangle(img_original, (x, y), (x + w, y + h),
(0, 0, 255), 2)
cv2.putText(img_original, "Pessoa " + str(num_pessoa),
(x + 15, y + 15), cv2.FONT_HERSHEY_TRIPLEX, 0.5,
(0, 255, 0), 1)
#remove a pessoa e a bounding box
nomes_alinhamento.pop(0)
bbox_pessoas.pop(0)
cv2.imwrite("static/" + "alinhamento2.jpg", img_original)
path_arquivo = self.path_noticia + "alinhamento_pessoas.txt"
utils.escrever_arquivo(texto, path_arquivo)
return dic_json
def _experiment_2(self):
dic_json = {}
bbox_pessoas = self._get_bounding_persons()
qtd_bbox_pessoas = len(bbox_pessoas)
qtd_pessoas_legenda = len(self.pessoas_legenda)
qtd_pessoas_texto = len(self.pessoas_texto)
nomes_alinhamento = []
img_original = None # imagem original
if qtd_bbox_pessoas > 0: # Se existirem pessoas para serem alinhadas
if qtd_pessoas_legenda > 0: # Se não houver nomes na legenda
nomes_alinhamento = list(
self.pessoas_legenda
) #copia para a lista oficial de nomes que serão alinhados
for nome in self.pessoas_texto: # para cada nome do texto
if nome.palavra not in nomes_alinhamento:
nomes_alinhamento.append(
nome.palavra) # adiciona o nome na lista
nomes_dlib = utils.file_to_List(
"/data/alinhador/database_names.txt")
dic_alinhamento = {}
removed_Bbox = None # variavel que armazena o bbox que sera removido caso encontre
names_to_remove = []
face_recognition = FaceRecognition()
# Varre a lista de nomes
for nome in nomes_alinhamento:
print(nome)
nome = utils.removerAcentosECaracteresEspeciais(nome)
if nome in nomes_dlib: # se o nome existir nos dados do DLIB
img_original = cv2.imread("static/alinhamento2.jpg")
for bBox in bbox_pessoas: # para cada bounding box
new_sample = img_original.copy()
crop = new_sample[bBox.top:bBox.bot,
bBox.left:bBox.right]
cv2.imwrite("bBoxImage.jpg", crop)
distancia = 1
distancia = face_recognition.comparar_pessoas(
"bBoxImage.jpg", nome)
if isinstance(distancia, int) or isinstance(
distancia, float):
if distancia < 0.55: #a face da Bbox corresponde com alguma imagem do nome no dlib
names_to_remove.append(nome)
dic_alinhamento[
nome] = bBox # grava o crop da imagem no dicionario
bBox.label = nome # grava o nome na bBox
DIR_pessoa = "/data/alinhador/faceDB/lfw/" + nome.replace(
" ", "_") + "/"
qtd_imagens = len(
[i for i in os.listdir(DIR_pessoa)]) + 1
#envia a crop da imagem para a pasta do dlib correspondente
os.rename(
"bBoxImage.jpg",
DIR_pessoa + nome.replace(" ", "_") + "_" +
str(qtd_imagens) + ".jpg")
removed_Bbox = bBox
names_to_remove.append(nome)
break # vai para o proximo nome
if removed_Bbox in bbox_pessoas:
bbox_pessoas.remove(
removed_Bbox
) #remove das Bbox uma face já alinhada
else:
#busca as imagens da pessoa no google imagens
folder_g_image = g_image.get_images(nome)
print("CRIOU NOME: " + nome)
img_original = cv2.imread("static/alinhamento2.jpg")
face_recognition.criar_db_g_images(folder_g_image)
for bBox in bbox_pessoas: # para cada bounding box
new_sample = img_original.copy()
crop = new_sample[bBox.top:bBox.bot,
bBox.left:bBox.right] #corta a Bbox
cv2.imwrite("bBoxImage.jpg",
crop) # cria a imagem da Bbox
distancia = face_recognition.comparar_pessoas_google_imagens(
"bBoxImage.jpg", nome)
if isinstance(distancia, int) or isinstance(
distancia, float):
if distancia < 0.6: #a face da Bbox corresponde com alguma imagem do google imagens
names_to_remove.append(nome)
dic_alinhamento[
nome] = bBox # grava o crop da imagem no dicionario
bBox.label = nome # grava o nome na bBox
DIR_pessoa = "/data/alinhador/faceDB/lfw/" + nome.replace(
" ", "_") + "/"
if not os.path.exists(DIR_pessoa):
os.makedirs(DIR_pessoa)
qtd_imagens = len(
[i for i in os.listdir(DIR_pessoa)]) + 1
#envia a crop da imagem para a pasta do dlib correspondente
os.rename(
"bBoxImage.jpg",
DIR_pessoa + nome.replace(" ", "_") + "_" +
str(qtd_imagens) + ".jpg")
nomes_dlib.append(nome)
utils.escrever_arquivo_from_list(
nomes_dlib,
"/data/alinhador/database_names.txt")
removed_Bbox = bBox
names_to_remove.append(nome)
break # Quando encontra sai e vai para o próximo nome
if removed_Bbox in bbox_pessoas:
bbox_pessoas.remove(
removed_Bbox
) #remove das Bbox uma face já alinhada
texto = ""
num_pessoa = 0
for entidade, value in dic_alinhamento.items():
#showfig(value, key)
texto += entidade + "= " + str(value.imagem) + "\n"
num_pessoa += 1
# dic_json[entidade] = "Pessoa "+str(num_pessoa)
palavra_radio_button = entidade.replace(" ", "_")
dic_json[
entidade] = '<label><input type="radio" value="sim" name="radio_' + palavra_radio_button + '">Sim</label><span style="margin: 0 10px 0 10px;"></span> <label><input type="radio" value="nao" name="radio_' + palavra_radio_button + '">Não</label>'
x, y, w, h = value.Rect()
# cv2.rectangle(img_original, (x, y), (x + w, y + h), (0, 0, 255), 2)
# cv2.putText(img_original, entidade, (x + 15, y + 30), cv2.FONT_HERSHEY_TRIPLEX, 0.9, (0, 255, 0), 1)
# size_caracters = len(entidade) * 15
print("ENTIDADE:" + entidade)
cv2.rectangle(
img_original, (x, y), (x + w, y + h),
self.colors_bounding_box[self.index_cor_bounding_box], 2)
self.index_cor_bounding_box += 1
# cv2.rectangle(img_original,(x,y),(x + size_caracters, y + 30),(0,0,0),thickness=-1)
# cv2.putText(img_original, entidade, (x + 3, y + 20),
# cv2.FONT_HERSHEY_DUPLEX, 0.8, (255, 255, 255), 1)
PATH_PROJETO = os.path.dirname(os.path.abspath(__file__)) + "/"
cv2.imwrite("static/" + "alinhamento2.jpg", img_original)
path_arquivo = self.path_noticia + "alinhamento_pessoas.txt"
utils.escrever_arquivo(texto, path_arquivo)
return dic_json