Update app.py

app.py

@@ -10,109 +10,88 @@ DB_PATH = "my_db"
 if not os.path.exists(DB_PATH):
     os.makedirs(DB_PATH, exist_ok=True)
 
-# グローバル変数：フレームを数える用
+# 処理を間引くためのカウンター
 frame_count = 0
+last_status = "Waiting..."
 
 # --- 関数定義 ---
 
 def register_face(image, name):
-    """推しの顔をDBに登録する"""
+    """画像を1枚だけDBに保存する"""
     if image is None or name.strip() == "":
-        return "名前（英数字）を入力してください。"
-    
+        return "名前を入力してください。"
     try:
-        # 安全なファイル名を作成（英数字のみ）
+        # DBを一度空にして、常に「最新の1枚」とだけ比較するようにする（超軽量化）
+        for f in os.listdir(DB_PATH):
+            os.remove(os.path.join(DB_PATH, f))
+            
         safe_name = "".join([c for c in name if c.isalnum()])
         file_path = os.path.join(DB_PATH, f"{safe_name}.jpg")
-        
-        # 保存
-        image_bgr = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)
-        cv2.imwrite(file_path, image_bgr)
-        
-        # 【重要】新しい人が登録されたらDeepFaceのキャッシュを消す
-        cache_file = os.path.join(DB_PATH, "ds_model_vgg_face.pkl")
-        if os.path.exists(cache_file):
-            os.remove(cache_file)
-            
-        return f"「{safe_name}」を登録完了！ ②タブでカメラを映してください。"
+        cv2.imwrite(file_path, cv2.cvtColor(image, cv2.COLOR_RGB2BGR))
+        return f"「{safe_name}」をターゲットに設定しました！"
     except Exception as e:
         return f"エラー: {str(e)}"
 
 def track_oshi(frame):
-    """Webカメラの映像を解析して推しを探す"""
-    if frame is None:
-        return None
+    """Webカメラの映像を解析（1対1の超軽量比較）"""
+    if frame is None: return None
     
-    global frame_count
+    global frame_count, last_status
     frame_count += 1
-    
-    # 表示用のコピーを作成
     output_frame = frame.copy()
     
-    # 画面上に「AIが動いている証拠」を表示
-    # これが動いていれば、システムはフリーズしていません
-    status_text = f"Frame: {frame_count} | AI Scanning..."
-    cv2.putText(output_frame, status_text, (10, 30), 
-                cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255, 255, 0), 2)
-
-    try:
-        # 無料CPUだと重いため、10フレームに1回だけ「誰か？」を判定する
-        # それ以外のフレームは、前回の結果を表示するか、スルーする
-        if frame_count % 10 == 0:
-            results = DeepFace.find(
-                img_path=frame, 
-                db_path=DB_PATH, 
-                enforce_detection=False, 
-                detector_backend='opencv', # 最速の検出器
-                silent=True
-            )
-            
-            if results and not results[0].empty:
-                df = results[0]
-                # 検出された全員分ループ
-                for _, row in df.iterrows():
-                    name = os.path.basename(row['identity']).split('.')[0]
-                    x = int(row['source_x'])
-                    y = int(row['source_y'])
-                    w = int(row['source_w'])
-                    h = int(row['source_h'])
-                    
-                    # 枠と名前を描画（目立つように太めの緑枠）
-                    cv2.rectangle(output_frame, (x, y), (x+w, y+h), (0, 255, 0), 4)
-                    cv2.putText(output_frame, f"TARGET: {name}", (x, y-15), 
-                                cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 3)
-        
-        return output_frame
+    # 画面に情報を表示
+    cv2.putText(output_frame, f"Frame: {frame_count}", (10, 30), 
+                cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 255, 0), 2)
+    cv2.putText(output_frame, f"Status: {last_status}", (10, 60), 
+                cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 255), 2)
 
-    except Exception as e:
-        # エラーが起きた場合は画面に小さく表示
-        cv2.putText(output_frame, "Searching...", (10, 60), 
-                    cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 1)
-        return output_frame
+    # 30フレーム（数秒〜10秒に一度）だけ解析を行う
+    if frame_count % 30 == 0:
+        db_images = [f for f in os.listdir(DB_PATH) if f.endswith(".jpg")]
+        if db_images:
+            last_status = "Analyzing..."
+            target_path = os.path.join(DB_PATH, db_images[0])
+            try:
+                # findではなく、最も軽い「verify」を使用
+                result = DeepFace.verify(
+                    img1_path = frame,
+                    img2_path = target_path,
+                    enforce_detection = False,
+                    detector_backend = 'opencv',
+                    model_name = 'VGG-Face', # 最も標準的なモデル
+                    silent = True
+                )
+                
+                if result["verified"]:
+                    last_status = "TARGET FOUND!"
+                    # 画面中央に大きく表示
+                    cv2.putText(output_frame, "MATCH!!!", (100, 200), 
+                                cv2.FONT_HERSHEY_SIMPLEX, 2.0, (0, 255, 0), 5)
+                else:
+                    last_status = "Not Match"
+            except Exception as e:
+                last_status = "Scan Error"
+    
+    return output_frame
 
-# --- UI (Gradio) の構築 ---
+# --- UI構築 ---
 
 with gr.Blocks() as demo:
-    gr.Markdown("# 🎥 リアルタイム推し追跡 (Hugging Face版)")
-    gr.Markdown("無料CPU環境のため、反応には数秒の遅延があります。カメラの前で少し静止してください。")
+    gr.Markdown("# 🎥 超軽量版・推し認識プロトタイプ")
+    gr.Markdown("Hugging Faceの無料CPUでも動くよう、解析頻度を極限まで落としています。")
     
     with gr.Tabs():
-        with gr.TabItem("① 推し登録"):
-            with gr.Row():
-                reg_in = gr.Image(label="推しの顔写真")
-                reg_name = gr.Textbox(label="名前（半角英数字）", value="MyOshi")
-            reg_btn = gr.Button("データベースに登録")
-            reg_status = gr.Textbox(label="ログ")
-            reg_btn.click(register_face, inputs=[reg_in, reg_name], outputs=reg_status)
+        with gr.TabItem("① ターゲット登録"):
+            reg_in = gr.Image(label="あなたの顔写真")
+            reg_name = gr.Textbox(label="名前（英数字）", value="Me")
+            reg_btn = gr.Button("この人をターゲットに設定")
+            reg_out = gr.Textbox(label="ログ")
+            reg_btn.click(register_face, inputs=[reg_in, reg_name], outputs=reg_out)
 
-        with gr.TabItem("② リアルタイム追跡"):
-            with gr.Row():
-                # 左側：自分のWebカメラ映像
-                input_video = gr.Image(sources=["webcam"], streaming=True, label="Webカメラ（入力）")
-                # 右側：AIの解析結果
-                output_video = gr.Image(label="AI解析（結果）")
-            
-            # ストリーミング接続
+        with gr.TabItem("② リアルタイム検証"):
+            input_video = gr.Image(sources=["webcam"], streaming=True)
+            output_video = gr.Image(label="解析結果（数秒に1回更新）")
             input_video.stream(track_oshi, inputs=[input_video], outputs=[output_video])
 
 if __name__ == "__main__":