File size: 3,425 Bytes
974c0c5 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 |
import dlib
import numpy as np
from PIL import Image
import gradio as gr
import cv2
def ten_rengi_analiz(image):
# Giriş resmini uygun bir şekilde işleyin (örneğin, boyutu değiştirin, HSV renk uzayına dönüştürün)
resized_image = cv2.resize(image, (100, 100))
hsv_image = cv2.cvtColor(resized_image, cv2.COLOR_BGR2HSV)
# Cilt rengini tanımlayın (örneğin, buğday rengi bir cilt için)
cilt_rengi_alt = np.array([0, 20, 70], dtype=np.uint8)
cilt_rengi_ust = np.array([20, 255, 255], dtype=np.uint8)
# Cilt rengini maskeleme
cilt_maske = cv2.inRange(hsv_image, cilt_rengi_alt, cilt_rengi_ust)
# Cilt rengi bölgesinin yoğunluğunu hesaplayın
cilt_yogunlugu = np.mean(cilt_maske) / 255.0 # Normalleştirilmiş değer
# Eşik değeri belirleyin (buğday ten rengi için bir örnek)
ten_rengi_esik_degeri = 0.6
# Ten rengini değerlendirin
if cilt_yogunlugu < ten_rengi_esik_degeri:
return True
else:
return False
# Göz altı durumunu analiz etmek için fonksiyon
def goz_alti_analiz(image):
# Giriş resmini uygun bir şekilde işleyin (örneğin, boyutu değiştirin, renk uzayını dönüştürün)
resized_image = cv2.resize(image, (100, 100))
gray_image = cv2.cvtColor(resized_image, cv2.COLOR_BGR2GRAY)
# Göz altı rengi için eşik değeri belirleyin (örneğin, koyu göz altı için bir örnek)
goz_alti_esik_degeri = 50 # Belirli bir eşik değeri
# Göz altı rengini değerlendirin
goz_alti_yogunlugu = np.mean(gray_image) # Yoğunluk değeri
if goz_alti_yogunlugu < goz_alti_esik_degeri:
return False
else:
return True
def detect_landmarks(image):
predictor_path = 'C:/Users/u30l35/Desktop/pythonProject4/dlib-models/shape_predictor_68_face_landmarks.dat'
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(predictor_path)
image = np.array(image)
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
faces = detector(gray_image, 1)
for face in faces:
landmarks = predictor(gray_image, face)
for n in range(0, 68):
x = landmarks.part(n).x
y = landmarks.part(n).y
cv2.circle(image, (x, y), 2, (255, 0, 0), -1)
if len(faces) > 0:
# Bu örnek için, yüzün genişliğini temel alıyoruz
ten_rengi_cok_koyu_ve_soluk = ten_rengi_analiz(image)
goz_altlari_cok_koyu = goz_alti_analiz(image)
face_width = faces[0].right() - faces[0].left()
if face_width > 140: # Örnek bir eşik değeri
prediction = "Zengin"
else:
# Ten rengi ve göz altı analizlerini kullanarak "fakir" tahmini yap
prediction = "Fakir"
# Tahmini bir metin dosyasına yaz
# Tahmini bir metin dosyasına yaz
with open("C:/Users/u30l35/Desktop/pythonProject4/prediction.txt", "w", encoding='utf-8') as file:
file.write(prediction)
return image, prediction
else:
return image
iface = gr.Interface(fn=detect_landmarks,
inputs=gr.Image(),
outputs=["image", "text"],
title="Rich/Poor Facial Detection",
description="Upload an image to detect facial landmarks and get a socioeconomic status prediction.")
if __name__ == "__main__":
iface.launch()
|