Update app.py

app.py

@@ -84,16 +84,6 @@ from preprocess.humanparsing.run_parsing import Parsing
 from preprocess.openpose.run_openpose import OpenPose
 from detectron2.data.detection_utils import convert_PIL_to_numpy, _apply_exif_orientation
 
-# =========================
-# Optional: OpenCV for face + HOG people detector
-# =========================
-try:
-    import cv2  # type: ignore
-    _HAS_CV2 = True
-except Exception:
-    cv2 = None  # type: ignore
-    _HAS_CV2 = False
-
 
 # =========================
 # Auth (optional)
@@ -204,64 +194,68 @@ def _quality_metrics(img: Image.Image) -> Tuple[int, int, float, float]:
     return w, h, brightness, sharpness
 
 
-def _cv2_bgr(img: Image.Image) -> Optional[np.ndarray]:
-    if not _HAS_CV2:
-        return None
-    rgb = np.array(img.convert("RGB"))
-    return cv2.cvtColor(rgb, cv2.COLOR_RGB2BGR)
-
+# =========================
+# Person photo evaluation (UX gate)
+# - главное: если НЕ похоже на фото человека -> предупреждение и блокируем try-on
+# - предупреждения по качеству показываем только при явной проблеме
+# =========================
+def _count_openpose_keypoints(keypoints) -> int:
+    """
+    Пытаемся универсально посчитать найденные ключевые точки (score > 0.2)
+    под разные форматы, которые могут возвращать разные реализации OpenPose.
+    """
+    try:
+        if isinstance(keypoints, dict):
+            cand = keypoints.get("candidate", None)
+            if cand is None:
+                # иногда внутри другой ключ
+                cand = keypoints.get("candidates", None)
+            if cand is not None:
+                cand = np.array(cand)
+                if cand.ndim >= 2 and cand.shape[-1] >= 3:
+                    return int((cand[:, 2] > 0.2).sum())
+            # иногда subset/candidate в другом виде — если не распознали, возвращаем 0
+            return 0
+
+        arr = np.array(keypoints)
+        if arr.ndim >= 2 and arr.shape[-1] >= 3:
+            return int((arr[..., 2] > 0.2).sum())
+    except Exception:
+        return 0
+    return 0
 
-def _detect_face_haar(img: Image.Image) -> bool:
-    """True если нашли лицо (явно)."""
-    if not _HAS_CV2:
-        return False
-    bgr = _cv2_bgr(img)
-    if bgr is None:
-        return False
-    gray = cv2.cvtColor(bgr, cv2.COLOR_BGR2GRAY)
-    gray = cv2.equalizeHist(gray)
 
+def _detect_person_openpose_or_parsing(img: Image.Image) -> bool:
+    """
+    True если похоже на человека:
+    - OpenPose нашёл достаточно keypoints, ИЛИ
+    - Human Parsing дал заметную область "не фон"
+    """
     try:
-        cascade_path = os.path.join(getattr(cv2, "data").haarcascades, "haarcascade_frontalface_default.xml")
-        face_cascade = cv2.CascadeClassifier(cascade_path)
-        faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(60, 60))
-        return len(faces) > 0
-    except Exception:
-        return False
+        # EXIF-поворот (часто ломает детект на телефонных фотках)
+        try:
+            img = _apply_exif_orientation(img)
+        except Exception:
+            pass
 
+        small = img.convert("RGB").resize((384, 512))
 
-def _detect_person_hog(img: Image.Image) -> bool:
-    """True если нашли силуэт человека (HOG people detector)."""
-    if not _HAS_CV2:
-        return False
-    bgr = _cv2_bgr(img)
-    if bgr is None:
-        return False
+        # 1) OpenPose
+        keypoints = openpose_model(small)
+        kpt_count = _count_openpose_keypoints(keypoints)
+        if kpt_count >= 6:
+            return True
 
-    # ускорение: уменьшим до адекватного размера
-    h, w = bgr.shape[:2]
-    max_w = 900
-    if w > max_w:
-        scale = max_w / float(w)
-        bgr = cv2.resize(bgr, (int(w * scale), int(h * scale)), interpolation=cv2.INTER_AREA)
+        # 2) Parsing
+        model_parse, _ = parsing_model(small)
+        mp = np.array(model_parse) if not isinstance(model_parse, np.ndarray) else model_parse
 
-    try:
-        hog = cv2.HOGDescriptor()
-        hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())
-        rects, weights = hog.detectMultiScale(
-            bgr,
-            winStride=(8, 8),
-            padding=(8, 8),
-            scale=1.05,
-        )
-        if rects is None or len(rects) == 0:
-            return False
-        # считаем "явной" детекцию если есть хотя бы один бокс нормального размера
-        hh, ww = bgr.shape[:2]
-        for (x, y, rw, rh) in rects:
-            if rh >= 0.35 * hh and rw >= 0.12 * ww:
-                return True
-        return True
+        # доля пикселей не фона
+        non_bg = float((mp > 0).mean())
+        if non_bg >= 0.03:
+            return True
+
+        return False
     except Exception:
         return False
 
@@ -269,23 +263,22 @@ def _detect_person_hog(img: Image.Image) -> bool:
 def evaluate_person_photo(img: Optional[Image.Image]) -> Tuple[bool, str]:
     """
     UX-логика:
-    1) Если НЕ похоже на фото человека (нет лица И нет силуэта) => предупреждение + просим другое фото.
-    2) Если похоже => "✅ Фото подходит..." ИЛИ (только при явной проблеме качества) короткий warning.
+    1) Если НЕ похоже на фото человека (нет keypoints и нет parsing-области) -> ⚠️ и просим другое фото
+    2) Если похоже -> ✅ Фото подходит
+       ЛИБО ⚠️ (только при явной проблеме качества)
     """
     if img is None:
         return False, ""
 
-    # 1) человекоподобность: лицо ИЛИ силуэт
-    has_face = _detect_face_haar(img)
-    has_person = _detect_person_hog(img)
-
-    if not (has_face or has_person):
+    is_person = _detect_person_openpose_or_parsing(img)
+    if not is_person:
         return False, "⚠️ Не похоже на фото человека. Загрузите фото человека (по пояс или в полный рост)."
 
-    # 2) качество — предупреждаем только если прям плохо
     w, h, brightness, sharpness = _quality_metrics(img)
+
     issues = []
-    if min(w, h) < 520:        # чуть строже, но только явные случаи
+    # только явные проблемы
+    if min(w, h) < 520:
         issues.append("низкое разрешение")
     if brightness < 50:
         issues.append("слишком темно")
@@ -510,12 +503,12 @@ def on_gallery_select(files_list: List[str], evt: gr.SelectData):
     return files_list[idx], f"👕 Выбрано: {files_list[idx]}"
 
 def on_person_change(person_pil):
-    ok, msg = evaluate_person_photo(person_pil)
-    # показываем:
-    # - если нет человека: ⚠️...
-    # - если всё ок: ✅...
-    # - если есть явные проблемы качества: ⚠️...
-    return msg if msg else ""
+    # Показываем либо:
+    # - ⚠️ (если не похоже на человека или явное плохое качество)
+    # - ✅ (если подходит)
+    # - "" (если нет фото)
+    _, msg = evaluate_person_photo(person_pil)
+    return msg or ""
 
 def tryon_ui_imageslider(person_pil, selected_filename):
     yield (None, None), "⏳ Проверяем ввод..."
@@ -619,9 +612,8 @@ with gr.Blocks(title="Virtual Try-On Rendez-vous", css=CUSTOM_CSS) as demo:
         with gr.Column():
             person = gr.Image(label="Фото человека", type="pil", height=420)
 
-            # Оценка/предупреждение по фото (пишем ✅ если ок, ⚠️ если явная проблема)
+            # Оценка/предупреждение по фото (✅/⚠️/пусто)
             warning = gr.Markdown("")
-
             person.change(fn=on_person_change, inputs=[person], outputs=[warning])
 
             with gr.Row():