.vscode/launch.json

@@ -0,0 +1,21 @@
+{
+  
+  // 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
+  "version": "0.2.0",
+  "configurations": [
+    {
+      "name": "Python: Current File",
+      "type": "python",
+      "request": "launch",
+      "module": "flask",
+      "env": {
+        "FLASK_APP": "webApp.py",
+        "FLASK_DEBUG": "1"
+      },
+      "args": ["run", "--no-debugger", "--no-reload"]
+      //"args": [ "5cc5570b-6ed9-3b33-9db4-bdb8ecb9f890", "test-data/lectionAudi/2021-03-12 13-51-19.JPG" ]
+    }
+  ]
+}

imageWorking.py

@@ -1,18 +1,18 @@
 import cv2 as cv
 import numpy as np
 
-from main import img_size as size
+img_size = (1280, 720) # Размер изображения для нормализации.
 
 def image_transform(image: np.ndarray) -> np.ndarray:
     '''
     Трансформирует изображение нужным образом.
     @param image: Исходная матрица с представлением изображения.
     '''
-    image = cv.resize(image, (size[0], size[1]))
+    image = cv.resize(image, (img_size[0], img_size[1]))
     return image[:, :, ::-1]
 
 
-def get_image_as_array(image_name: str) -> np.ndarray:
+def get_image_file_as_array(image_name: str) -> np.ndarray:
     '''
     Получает изображение из файла и нормализует его.
     @param image_name: Путь до изображения.
@@ -21,3 +21,13 @@ def get_image_as_array(image_name: str) -> np.ndarray:
     image: np.ndarray  # приведение типов
     image = image_transform(image)
     return image
+
+def get_image_buf_as_array(buf) -> np.ndarray:
+    '''
+    Получает изображение из буфера и нормализует его.
+    @param image_name: Путь до изображения.
+    '''
+    image = cv.imdecode(buf, cv.IMREAD_COLOR)
+    image: np.ndarray  # приведение типов
+    image = image_transform(image)
+    return image

main.py

@@ -2,6 +2,7 @@ import os
 import sys
 
 import cv2 as cv
+import numpy as np
 import requests
 
 import imageWorking
@@ -9,24 +10,22 @@ import neuralNetwork
 import ontologyWorking
 
 url = 'http://kb.athene.tech/api/1.0/ontology/'
-img_path = 'data'
-img_size = (1280, 720) # Размер изображения для нормализации.
 
 
-def analyze_file(uid: str, image_path: str) -> None:
+def analyze_base(ontology_uid: str, image: np.ndarray, queries: list[str]) -> tuple[2]:
     '''
-    Анализирует файл и выводит результат в консоль.
+    Базовая функция анализа файла и вывода результатов обработки.
-    @param uid: УИД онтологии.
+    @param ontology_uid: УИД онтологии.
-    @param url: Базовый URL сервиса.
+    @param image: Изображение.
     '''
-    if not ontologyWorking.is_ontology_exists(uid, url):
+    if not ontologyWorking.is_ontology_exists(ontology_uid, url):
-        raise Exception(f'Онтология с uid {uid} не существует')
+        raise Exception(f'Онтология с uid {ontology_uid} не существует')
-    if not os.path.isfile(image_path):
+    if image is None:
-        raise Exception(f'Изображение {image_path} не существует')
+        raise Exception(f'Изображение не указано')
     model = neuralNetwork.load_model()
 
     # Распознавание изображения.
-    results = model.predict(source=imageWorking.get_image_as_array(image_path))
+    results = model.predict(source=image)
     
     # Создание аксиом онтологии на основе результатов распознавания.
     object_properties = list()
@@ -47,15 +46,33 @@ def analyze_file(uid: str, image_path: str) -> None:
                 '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
+
+
+def analyze_file(ontology_uid: str, image_path: str) -> None:
+    '''
+    Анализирует файл и выводит результат в консоль.
+    @param ontology_uid: УИД онтологии.
+    @param image_path: Путь до изображения.
+    '''
+    if not os.path.isfile(image_path):
+        raise Exception(f'Изображение {image_path} не существует')
+    image = imageWorking.get_image_file_as_array(image_path)
+    queries = [ 'QueryGetNotEmpty', 'QueryGetCheck', 'QueryGetEmpty' ]
+
+    # Распознавание изображения.
+    results, response = analyze_base(ontology_uid, image, queries)
+    
     result = {
         'QueryGetNotEmpty': '',
         'QueryGetCheck': '',
         'QueryGetEmpty': ''
     }
-    params = '&'.join([f'names={query}' for query in result.keys()])
-    
-    # Выполнение запроса.
-    response = requests.post(url + f'{uid}/query/multi?{params}', json=data).json()
     if response['error']:
         raise Exception(response['error'])
     for query in response['response']:
@@ -79,6 +96,7 @@ def analyze_file(uid: str, image_path: str) -> None:
     cv.waitKey(0)
     cv.destroyAllWindows()
 
+
 # Точка входа в приложение.
 if __name__ == '__main__':
     if len(sys.argv) != 3:

requirements.txt

@@ -1,52 +1,41 @@
-absl-py==1.4.0
+blinker==1.6.2
-astunparse==1.6.3
-cachetools==5.3.0
 certifi==2023.5.7
 charset-normalizer==3.1.0
-flatbuffers==23.5.9
+click==8.1.3
-gast==0.4.0
+colorama==0.4.6
-google-auth==2.18.1
+contourpy==1.1.0
-google-auth-oauthlib==1.0.0
+cycler==0.11.0
-google-pasta==0.2.0
+filelock==3.12.2
-grpcio==1.54.2
+Flask==2.3.2
-h5py==3.8.0
+fonttools==4.40.0
 idna==3.4
-jax==0.4.10
+itsdangerous==2.1.2
-keras==2.12.0
+Jinja2==3.1.2
-libclang==16.0.0
+kiwisolver==1.4.4
-Markdown==3.4.3
+MarkupSafe==2.1.3
-MarkupSafe==2.1.2
 matplotlib==3.7.1
-ml-dtypes==0.1.0
+mpmath==1.3.0
-numpy==1.23.5
+networkx==3.1
-oauthlib==3.2.2
+numpy==1.25.0
 opencv-python==4.7.0.72
-opt-einsum==3.3.0
 packaging==23.1
-pandas==2.0.1
+pandas==2.0.2
 Pillow==9.5.0
-protobuf==4.23.1
 psutil==5.9.5
+pyparsing==3.1.0
+python-dateutil==2.8.2
+pytz==2023.3
 PyYAML==6.0
-pyasn1==0.5.0
+requests==2.31.0
-pyasn1-modules==0.3.0
+scipy==1.11.0
-requests==2.30.0
+seaborn==0.12.2
-requests-oauthlib==1.3.1
-rsa==4.9
-scipy==1.10.1
 six==1.16.0
-tensorboard==2.12.3
+sympy==1.12
-tensorboard-data-server==0.7.0
-tensorflow==2.12.0
-tensorflow-estimator==2.12.0
-tensorflow-intel==2.12.0
-tensorflow-io-gcs-filesystem==0.31.0
-termcolor==2.3.0
 torch==2.0.1
 torchvision==0.15.2
 tqdm==4.65.0
-typing_extensions==4.5.0
+typing_extensions==4.6.3
-ultralytics==8.0.105
+tzdata==2023.3
-urllib3==1.26.15
+ultralytics==8.0.123
-Werkzeug==2.3.4
+urllib3==2.0.3
-wrapt==1.14.1
+Werkzeug==2.3.6

static/index.html

@@ -0,0 +1,49 @@
+<!DOCTYPE html>
+<html lang="en">
+  <head>
+    <meta charset="UTF-8" />
+    <meta http-equiv="X-UA-Compatible" content="IE=edge" />
+    <meta name="viewport" content="width=device-width, initial-scale=1.0" />
+    <title>Анализ аудиторий</title>
+  </head>
+  <body>
+    <p>
+      Загрузите изображение в поле ниже, чтобы проверить, на фотография пустая
+      или заполненная аудитория.
+    </p>
+    <form id="uploadForm" action="analyze">
+      <div>
+        <label for="image">Нажмите, чтобы загрузить изображение</label>
+        <input type="file" name="image" id="image" />
+      </div>
+      <div>
+        <label for="ontology">Онтология предметной области</label>
+        <input type="file" name="ontology" id="ontology" />
+      </div>
+      <div>
+        <button type="submit">Отправить</button>
+      </div>
+    </form>
+
+    <img src="" alt="Результат" id="imgslot" />
+
+    <script>
+      document
+        .getElementById("uploadForm")
+        .addEventListener("submit", (event) => {
+          event.preventDefault();
+          const data = new FormData(event.target);
+          fetch("/analyze", { method: "POST", body: data })
+            .then((res) => res.json())
+            .then((data) => {
+              debugger;
+              if (data.image) {
+                document.getElementById("imgslot").src =
+                  "data:image/jpg;base64," + data.image;
+              }
+              console.log(data);
+            });
+        });
+    </script>
+  </body>
+</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"),
+    }