.vscode/launch.json

@@ -1,5 +1,5 @@
 {
-
+  
   // Use IntelliSense to learn about possible attributes.
   // Hover to view descriptions of existing attributes.
   // For more information, visit: https://go.microsoft.com/fwlink/?linkid=830387
@@ -11,7 +11,7 @@
       "request": "launch",
       "module": "flask",
       "env": {
-        "FLASK_APP": "src/webApp.py",
+        "FLASK_APP": "webApp.py",
         "FLASK_DEBUG": "1"
       },
       "args": ["run", "--no-debugger", "--no-reload"]

README.md

@@ -2,23 +2,21 @@
 
 Сервис: http://kb.athene.tech/swagger-ui/index.html
 
-Настройка виртуальной среды и установка зависимостей:
+Ручная установка зависимостей:
 
 ```commandline
-python -m venv --clear .venv
+pip install -r requirements.txt
+```
 
-.venv\Scripts\activate.bat
+Ручная установка зависимостей для mac с Apple Silicon:
-# или
-.\.venv\Scripts\Activate.ps1
-# или
-source .venv/bin/activate
 
-python -m pip install -r requirements.txt
+```commandline
+pip install -r requirements-mac.txt
 ```
 
 Запуск:
 
 ```commandline
-python main.py <Ontology UID> <Image Path>
+main.py <Ontology UID> <Image Path>
-python main.py 5cc5570b-6ed9-3b33-9db4-bdb8ecb9f890 "test-data/lectionAudi/2021-03-12 13-48-31.JPG"
+main.py 5cc5570b-6ed9-3b33-9db4-bdb8ecb9f890 "test-data/lectionAudi/2021-03-12 13-48-31.JPG"
 ```

main.py

@@ -3,11 +3,14 @@ import sys
 
 import cv2 as cv
 import numpy as np
+import requests
 
 import imageWorking
 import neuralNetwork
 import ontologyWorking
 
+url = 'http://kb.athene.tech/api/1.0/ontology/'
+
 
 def analyze_base(ontology_uid: str, image: np.ndarray, queries: list[str]) -> tuple[2]:
     '''
@@ -15,6 +18,8 @@ def analyze_base(ontology_uid: str, image: np.ndarray, queries: list[str]) -> tu
     @param ontology_uid: УИД онтологии.
     @param image: Изображение.
     '''
+    if not ontologyWorking.is_ontology_exists(ontology_uid, url):
+        raise Exception(f'Онтология с uid {ontology_uid} не существует')
     if image is None:
         raise Exception(f'Изображение не указано')
     model = neuralNetwork.load_model()
@@ -33,10 +38,19 @@ def analyze_base(ontology_uid: str, image: np.ndarray, queries: list[str]) -> tu
         object_properties += request[0]
         data_properties += request[1]
 
-
+    # Формирование данных для запроса к сервису работы с онтологиями.
-    # Выполнение запроса к сервису работы с онтологиями
+    data = {
-    response = ontologyWorking.analyze(ontology_uid, object_properties, data_properties, queries)
+        'data':
-
+            {
+                'objectPropertyAssertions': object_properties,
+                'dataPropertyAssertions': data_properties
+            }
+    }
+    params = '&'.join([f'names={query}' for query in queries])
+    
+    # Выполнение запроса.
+    response = requests.post(url + f'{ontology_uid}/query/multi?{params}', json=data).json()
+    
     return results, response
 
 

ontologyWorking.py

@@ -2,18 +2,15 @@ import numpy as np
 import requests
 
 
-url = 'http://kb.athene.tech/api/1.0/ontology/'
+def is_ontology_exists(uid: str, url: str) -> bool:
-
-
-def is_ontology_exists(ontology_uid: str, url: str) -> bool:
     '''
     Проверяет, существует ли онтология в сервисе.
-    @param ontology_uid: УИД онтологии.
+    @param uid: УИД онтологии.
     @param url: Базовый URL сервиса.
     '''
     list_ontologies = requests.get(url).json()['response']['items']
     for onto in list_ontologies:
-        if onto['uid'] == ontology_uid:
+        if onto['uid'] == uid:
             return True
     return False
 
@@ -64,30 +61,3 @@ def get_request_data(entities: dict, objects: np.ndarray, confs: np.ndarray, box
         data_properties.append({'domain': entity, 'property': 'hasConfidence', 'value': float(conf)})
 
     return object_properties, data_properties
-
-
-def analyze(ontology_uid: str, object_properties: list, data_properties: list, queries: list[str]) -> tuple[2]:
-    '''
-    Базовая функция анализа.
-    @param ontology_uid: УИД онтологии.
-    @param object_properties: Объектные свойства.
-    @param data_properties: Свойства данных.
-    @param queries: Список запросов для запуска.
-    '''
-    if not is_ontology_exists(ontology_uid, url):
-        raise Exception(f'Онтология с uid {ontology_uid} не существует')
-
-    # Формирование данных для запроса к сервису работы с онтологиями.
-    data = {
-        'data':
-            {
-                'objectPropertyAssertions': object_properties,
-                'dataPropertyAssertions': data_properties
-            }
-    }
-    params = '&'.join([f'names={query}' for query in queries])
-    
-    # Выполнение запроса.
-    response = requests.post(url + f'{ontology_uid}/query/multi?{params}', json=data).json()
-    
-    return response

src/webApp.py

@@ -1,48 +0,0 @@
-import base64
-import cv2 as cv
-from flask import Flask, redirect, request
-import numpy
-from imageWorking import get_image_buf_as_array
-from main import analyze_base
-
-app = Flask(__name__, static_folder = "../static", static_url_path = "/")
-
-@app.route("/")
-def main():
-    return redirect('index.html')
-
-@app.route("/analyze", methods=["POST"])
-def analyze():
-    # Первоначальные проверки.
-    if 'image' not in request.files or request.files['image'].filename == '':
-        return {
-            'success': False,
-            'error': 'Укажите изображение',
-        }
-    if 'ontology' in request.files and request.files['ontology'].filename != '':
-        return {
-            'success': False,
-            'error': 'Загрузка онтологии ещё не реализована',
-        }
-
-    # Подготовка исходного изображения.
-    image_source = request.files['image'].read();
-    image_source = numpy.fromstring(image_source, numpy.uint8)
-    image_source = get_image_buf_as_array(image_source)
-    
-    # Подготовка прочих данных и выполнение запроса.
-    queries = request.form['queries'].split(',') if request.form['queries'] is not None else [ ]
-    results, response = analyze_base('5cc5570b-6ed9-3b33-9db4-bdb8ecb9f890', image_source, queries)
-    
-    # Подготовка изображения с ответом.
-    image_result = results[0].plot()
-    image_result = cv.cvtColor(image_result, cv.COLOR_BGR2RGB)
-    image_result = cv.imencode(".jpg", image_result)[1]
-    image_result = base64.b64encode(image_result).decode("utf-8")
-    
-    # Вывод ответа.
-    return {
-        'success': True,
-        'data': response,
-        'image': image_result,
-    }

static/index.html

@@ -1,100 +1,49 @@
 <!DOCTYPE html>
-<html lang="en" class="h-100">
+<html lang="en">
-
+  <head>
-<head>
+    <meta charset="UTF-8" />
-  <meta charset="UTF-8" />
+    <meta http-equiv="X-UA-Compatible" content="IE=edge" />
-  <meta http-equiv="X-UA-Compatible" content="IE=edge" />
+    <meta name="viewport" content="width=device-width, initial-scale=1.0" />
-  <meta name="viewport" content="width=device-width, initial-scale=1.0" />
+    <title>Анализ аудиторий</title>
-  <title>Анализ аудиторий</title>
+  </head>
-  <link href="https://cdn.jsdelivr.net/npm/bootstrap@5.3.0/dist/css/bootstrap.min.css" rel="stylesheet"
+  <body>
-    integrity="sha384-9ndCyUaIbzAi2FUVXJi0CjmCapSmO7SnpJef0486qhLnuZ2cdeRhO02iuK6FUUVM" crossorigin="anonymous" />
+    <p>
-  <script src="https://cdn.jsdelivr.net/npm/bootstrap@5.3.0/dist/js/bootstrap.bundle.min.js"
+      Загрузите изображение в поле ниже, чтобы проверить, на фотография пустая
-    integrity="sha384-geWF76RCwLtnZ8qwWowPQNguL3RmwHVBC9FhGdlKrxdiJJigb/j/68SIy3Te4Bkz"
+      или заполненная аудитория.
-    crossorigin="anonymous"></script>
+    </p>
-</head>
+    <form id="uploadForm" action="analyze">
-
+      <div>
-<body class="bg-body-secondary h-100 d-flex align-items-center">
+        <label for="image">Нажмите, чтобы загрузить изображение</label>
-  <div class="container py-3">
+        <input type="file" name="image" id="image" />
-    <div class="card">
-      <div class="card-body">
-        <div class="row">
-          <div class="col-lg">
-            <p class="alert alert-info">
-              Загрузите изображение в поле ниже, чтобы проверить, на
-              фотография пустая или заполненная аудитория.
-            </p>
-            <form id="uploadForm" action="analyze">
-              <div>
-                <label for="image" class="form-label">Нажмите, чтобы загрузить изображение</label>
-                <input type="file" class="form-control" name="image" id="image" />
-              </div>
-              <div>
-                <label for="ontology" class="form-label">Онтология предметной области</label>
-                <input type="file" class="form-control" name="ontology" id="ontology" />
-              </div>
-              <div>
-                <label for="queries" class="form-label">Набор запросов для запуска</label>
-                <input type="text" class="form-control" name="queries" id="queries"
-                  value="QueryGetNotEmpty,QueryGetCheck,QueryGetEmpty" />
-              </div>
-              <div class="my-3">
-                <button type="submit" class="btn btn-primary">
-                  Отправить
-                </button>
-              </div>
-            </form>
-          </div>
-          <div class="col-lg">
-            <img src="none.png" alt="Результат" id="imgslot" class="w-100" />
-            <div id="queriesResult"></div>
-          </div>
-        </div>
       </div>
-    </div>
+      <div>
-  </div>
+        <label for="ontology">Онтология предметной области</label>
-  <script>
+        <input type="file" name="ontology" id="ontology" />
-    document
+      </div>
-      .getElementById("uploadForm")
+      <div>
-      .addEventListener("submit", (event) => {
+        <button type="submit">Отправить</button>
-        event.preventDefault();
+      </div>
-        const data = new FormData(event.target);
+    </form>
-        fetch("/analyze", { method: "POST", body: data })
-          .then((res) => res.json())
-          .then((data) => {
-            const img = document.getElementById("imgslot");
-            const queriesResult = document.getElementById("queriesResult");
 
-            img.src = "none.png";
+    <img src="" alt="Результат" id="imgslot" />
-            if (data.image) {
-              img.src = "data:image/jpg;base64," + data.image;
-            }
 
-            queriesResult.innerHTML = "";
+    <script>
-            if (data.data && data.data.response) {
+      document
-              for (const [query, result] of Object.entries(
+        .getElementById("uploadForm")
-                data.data.response
+        .addEventListener("submit", (event) => {
-              )) {
+          event.preventDefault();
-                // Отрисовка результата запросов.
+          const data = new FormData(event.target);
-                const markup = `
+          fetch("/analyze", { method: "POST", body: data })
-<h1 class="display-6">${query}</h1>
+            .then((res) => res.json())
-<table class="table table-bordered table-striped">
+            .then((data) => {
-  <tr>
+              debugger;
-    ${result.columns.map((column) => `<th>${column}</th>`).join("")}
+              if (data.image) {
-  </tr>
+                document.getElementById("imgslot").src =
-  ${result.rows.map(
+                  "data:image/jpg;base64," + data.image;
-                  (row) =>
-                    `<tr>${Object.entries(row)
-                      .map(([key, value]) => `<td>${value.value}</td>`)
-                      .join("")}</tr>`
-                )}
-</table>
-                  `;
-                queriesResult.innerHTML += markup;
               }
-            }
+              console.log(data);
-          });
+            });
-      });
+        });
-  </script>
+    </script>
-</body>
+  </body>
-
+</html>
-</html>

webApp.py

@@ -0,0 +1,36 @@
+import base64
+import cv2 as cv
+from flask import Flask, redirect, request
+import numpy
+from imageWorking import get_image_buf_as_array
+from main import analyze_base
+
+app = Flask(__name__, static_url_path = "/")
+
+@app.route("/")
+def main():
+    return redirect('index.html')
+
+@app.route("/analyze", methods=["POST"])
+def analyze():
+    if 'image' not in request.files or request.files['image'].filename == '':
+        return {
+            'success': False,
+            'error': 'Укажите изображение',
+        }
+    if 'ontology' in request.files and request.files['ontology'].filename != '':
+        return {
+            'success': False,
+            'error': 'Загрузка онтологии ещё не реализована',
+        }
+    img = request.files['image'].read();
+    img = numpy.fromstring(img, numpy.uint8)
+    img = get_image_buf_as_array(img)
+    queries = [ 'QueryGetNotEmpty', 'QueryGetCheck', 'QueryGetEmpty' ]
+    results, response = analyze_base('5cc5570b-6ed9-3b33-9db4-bdb8ecb9f890', img, queries)
+    imencoded = cv.imencode(".jpg", results[0].plot())[1] 
+    return {
+        'success': True,
+        'data': response,
+        'image': base64.b64encode(imencoded).decode("utf-8"),
+    }