Update app.py

app.py

@@ -1,208 +1,219 @@
-import gradio as gr
-import cv2
+# التحقق من الإصدارات أولاً
 import numpy as np
-import tempfile
+import cv2
+import matplotlib.pyplot as plt
+import mediapipe as mp
+from google.colab import files
 import os
 import math
-import sys
 
-try:
-    import mediapipe as mp
-    mp_pose = mp.solutions.pose
-    pose = mp_pose.Pose(static_image_mode=False, min_detection_confidence=0.5)
-    MEDIAPIPE_AVAILABLE = True
-except ImportError:
-    MEDIAPIPE_AVAILABLE = False
-    print("MediaPipe not available - using fallback mode")
 
-def calculate_distance(point1, point2):
-    """حساب المسافة بين نقطتين"""
-    return math.sqrt((point1[0]-point2[0])**2 + (point1[1]-point2[1])**2)
+def is_video_file(filename):
+    """التحقق مما إذا كان الملف فيديو"""
+    video_extensions = ['.mp4', '.avi', '.mov', '.mkv', '.wmv', '.flv']
+    return any(filename.lower().endswith(ext) for ext in video_extensions)
 
-def analyze_gait_with_risk_score(video_file):
-    """
-    تحليل المشية مع تقييم مفصل لمستوى الخطورة
-    """
-    if not MEDIAPIPE_AVAILABLE:
-        return " المكتبات المطلوبة غير مثبتة. يرجى التحقق من تثبيت المتطلبات."
-    
-    # حفظ الفيديو المؤقت
-    temp_video = tempfile.NamedTemporaryFile(delete=False, suffix=".mp4")
-    
-    try:
-        temp_video.write(video_file.read())
-        temp_video.close()
-        
-        cap = cv2.VideoCapture(temp_video.name)
-        if not cap.isOpened():
-            return " لا يمكن فتح ملف الفيديو"
-        
-        frame_count = 0
-        gait_metrics = {
-            'shoulder_movement': [], 'hip_movement': [], 'posture_stability': [],
-            'stride_consistency': [], 'knee_alignment': [], 'arm_swing': [],
-            'head_stability': [], 'gait_symmetry': []
-        }
-        
-        previous_left_ankle = None
-        previous_right_ankle = None
-        
-        while cap.isOpened():
-            ret, frame = cap.read()
-            if not ret:
-                break
-                
-            try:
-                frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
-                results = pose.process(frame_rgb)
-                
-                if results.pose_landmarks:
-                    landmarks = results.pose_landmarks.landmark
-                    
-                    # استخراج النقاط الرئيسية
-                    left_shoulder = [landmarks[mp_pose.PoseLandmark.LEFT_SHOULDER.value].x, 
-                                   landmarks[mp_pose.PoseLandmark.LEFT_SHOULDER.value].y]
-                    right_shoulder = [landmarks[mp_pose.PoseLandmark.RIGHT_SHOULDER.value].x, 
-                                    landmarks[mp_pose.PoseLandmark.RIGHT_SHOULDER.value].y]
-                    left_hip = [landmarks[mp_pose.PoseLandmark.LEFT_HIP.value].x, 
-                              landmarks[mp_pose.PoseLandmark.LEFT_HIP.value].y]
-                    right_hip = [landmarks[mp_pose.PoseLandmark.RIGHT_HIP.value].x, 
-                               landmarks[mp_pose.PoseLandmark.RIGHT_HIP.value].y]
-                    left_knee = [landmarks[mp_pose.PoseLandmark.LEFT_KNEE.value].x, 
-                               landmarks[mp_pose.PoseLandmark.LEFT_KNEE.value].y]
-                    right_knee = [landmarks[mp_pose.PoseLandmark.RIGHT_KNEE.value].x, 
-                                landmarks[mp_pose.PoseLandmark.RIGHT_KNEE.value].y]
-                    left_ankle = [landmarks[mp_pose.PoseLandmark.LEFT_ANKLE.value].x, 
-                                landmarks[mp_pose.PoseLandmark.LEFT_ANKLE.value].y]
-                    right_ankle = [landmarks[mp_pose.PoseLandmark.RIGHT_ANKLE.value].x, 
-                                 landmarks[mp_pose.PoseLandmark.RIGHT_ANKLE.value].y]
-                    left_elbow = [landmarks[mp_pose.PoseLandmark.LEFT_ELBOW.value].x, 
-                                landmarks[mp_pose.PoseLandmark.LEFT_ELBOW.value].y]
-                    right_elbow = [landmarks[mp_pose.PoseLandmark.RIGHT_ELBOW.value].x, 
-                                 landmarks[mp_pose.PoseLandmark.RIGHT_ELBOW.value].y]
-                    
-                    # تحليل المقاييس
-                    shoulder_movement = abs(left_shoulder[1] - right_shoulder[1])
-                    hip_movement = abs(left_hip[1] - right_hip[1])
-                    center_of_gravity = (left_hip[1] + right_hip[1]) / 2
-                    arm_swing = abs(left_elbow[0] - right_elbow[0])
-                    knee_alignment = abs(left_knee[1] - right_knee[1])
-                    
-                    gait_metrics['shoulder_movement'].append(shoulder_movement)
-                    gait_metrics['hip_movement'].append(hip_movement)
-                    gait_metrics['posture_stability'].append(center_of_gravity)
-                    gait_metrics['arm_swing'].append(arm_swing)
-                    gait_metrics['knee_alignment'].append(knee_alignment)
-                    
-                    # تحليل تناسق الخطوات
-                    if previous_left_ankle and previous_right_ankle:
-                        left_stride = calculate_distance(left_ankle, previous_left_ankle)
-                        right_stride = calculate_distance(right_ankle, previous_right_ankle)
-                        stride_symmetry = abs(left_stride - right_stride)
-                        gait_metrics['gait_symmetry'].append(stride_symmetry)
-                    
-                    previous_left_ankle = left_ankle
-                    previous_right_ankle = right_ankle
-                    
-                    frame_count += 1
-                    
-            except Exception as e:
-                continue  # تخطي الإطار في حالة خطأ
-        
-        cap.release()
-        
-        if frame_count == 0:
-            return " لم يتم اكتشاف أي شخص في الفيديو. يرجى التأكد من ظهور الشخص بوضوح."
-        
-        # حساب النتائج
-        risk_scores = {}
-        for metric, values in gait_metrics.items():
-            if values:
-                avg_value = np.mean(values)
-                # تحويل إلى درجة (0-100)
-                if metric == 'shoulder_movement':
-                    risk_scores[metric] = max(0, 100 - (avg_value * 2000))
-                elif metric == 'hip_movement':
-                    risk_scores[metric] = 90 if 0.02 < avg_value < 0.08 else max(0, 100 - (abs(avg_value - 0.05) * 3000))
-                elif metric == 'posture_stability':
-                    stability_std = np.std(values) if len(values) > 1 else 0
-                    risk_scores[metric] = max(0, 100 - (stability_std * 5000))
-                elif metric == 'arm_swing':
-                    risk_scores[metric] = 85 if 0.1 < avg_value < 0.3 else max(0, 100 - (abs(avg_value - 0.2) * 400))
-                elif metric == 'knee_alignment':
-                    risk_scores[metric] = max(0, 100 - (avg_value * 4000))
-                elif metric == 'gait_symmetry':
-                    risk_scores[metric] = max(0, 100 - (avg_value * 10000))
-        
-        # حساب النتيجة الإجمالية
-        if risk_scores:
-            total_risk_score = np.mean(list(risk_scores.values()))
-        else:
-            total_risk_score = 0
+def is_image_file(filename):
+    """التحقق مما إذا كان الملف صورة"""
+    image_extensions = ['.png', '.jpg', '.jpeg', '.bmp', '.tiff']
+    return any(filename.lower().endswith(ext) for ext in image_extensions)
+
+def analyze_video_gait(video_path):
+    cap = cv2.VideoCapture(video_path)
+    
+    if not cap.isOpened():
+        return None, 0
+    
+    gait_metrics = {
+        'shoulder_movement': [], 'hip_movement': [], 'posture_stability': [],
+        'knee_alignment': [], 'arm_swing': [], 'gait_symmetry': []
+    }
+    
+    frame_count = 0
+    previous_left_ankle = None
+    previous_right_ankle = None
+    
+    print("🎬 بدء تحليل الفيديو...")
+    
+    mp_pose = mp.solutions.pose
+    pose = mp_pose.Pose(static_image_mode=False, min_detection_confidence=0.5)
+    
+    while cap.isOpened():
+        ret, frame = cap.read()
+        if not ret:
+            break
+            
+        frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
+        results = pose.process(frame_rgb)
         
-        # تحديد مستوى الخطر
-        if total_risk_score >= 80:
-            risk_level = "🟢 منخفض"
-            recommendation = "المشية طبيعية ولا توجد مؤشرات خطيرة"
-        elif total_risk_score >= 60:
-            risk_level = "🟡 متوسط"
-            recommendation = "هناك بعض الملاحظات البسيطة التي تحتاج للمراقبة"
-        elif total_risk_score >= 40:
-            risk_level = "🟠 مرتفع"
-            recommendation = "يوجد خلل واضح في المشية - يوصى بالمتابعة مع أخصائي"
-        else:
-            risk_level = "🔴 عالي جداً"
-            recommendation = "خلل شديد في المشية - ضرورة مراجعة أخصائي علاج طبيعي فوراً"
+        if results.pose_landmarks:
+            landmarks = results.pose_landmarks.landmark
+            
+            # استخراج النقاط الرئيسية
+            left_shoulder = [landmarks[mp_pose.PoseLandmark.LEFT_SHOULDER].x, landmarks[mp_pose.PoseLandmark.LEFT_SHOULDER].y]
+            right_shoulder = [landmarks[mp_pose.PoseLandmark.RIGHT_SHOULDER].x, landmarks[mp_pose.PoseLandmark.RIGHT_SHOULDER].y]
+            left_hip = [landmarks[mp_pose.PoseLandmark.LEFT_HIP].x, landmarks[mp_pose.PoseLandmark.LEFT_HIP].y]
+            right_hip = [landmarks[mp_pose.PoseLandmark.RIGHT_HIP].x, landmarks[mp_pose.PoseLandmark.RIGHT_HIP].y]
+            left_knee = [landmarks[mp_pose.PoseLandmark.LEFT_KNEE].x, landmarks[mp_pose.PoseLandmark.LEFT_KNEE].y]
+            right_knee = [landmarks[mp_pose.PoseLandmark.RIGHT_KNEE].x, landmarks[mp_pose.PoseLandmark.RIGHT_KNEE].y]
+            left_ankle = [landmarks[mp_pose.PoseLandmark.LEFT_ANKLE].x, landmarks[mp_pose.PoseLandmark.LEFT_ANKLE].y]
+            right_ankle = [landmarks[mp_pose.PoseLandmark.RIGHT_ANKLE].x, landmarks[mp_pose.PoseLandmark.RIGHT_ANKLE].y]
+            left_elbow = [landmarks[mp_pose.PoseLandmark.LEFT_ELBOW].x, landmarks[mp_pose.PoseLandmark.LEFT_ELBOW].y]
+            right_elbow = [landmarks[mp_pose.PoseLandmark.RIGHT_ELBOW].x, landmarks[mp_pose.PoseLandmark.RIGHT_ELBOW].y]
+            
+            # حساب المقاييس
+            shoulder_movement = abs(left_shoulder[1] - right_shoulder[1])
+            hip_movement = abs(left_hip[1] - right_hip[1])
+            center_of_gravity = (left_hip[1] + right_hip[1]) / 2
+            arm_swing = abs(left_elbow[0] - right_elbow[0])
+            knee_alignment = abs(left_knee[1] - right_knee[1])
+            
+            gait_metrics['shoulder_movement'].append(shoulder_movement)
+            gait_metrics['hip_movement'].append(hip_movement)
+            gait_metrics['posture_stability'].append(center_of_gravity)
+            gait_metrics['arm_swing'].append(arm_swing)
+            gait_metrics['knee_alignment'].append(knee_alignment)
+            
+            if previous_left_ankle and previous_right_ankle:
+                left_stride = math.sqrt((left_ankle[0]-previous_left_ankle[0])**2 + (left_ankle[1]-previous_left_ankle[1])**2)
+                right_stride = math.sqrt((right_ankle[0]-previous_right_ankle[0])**2 + (right_ankle[1]-previous_right_ankle[1])**2)
+                stride_symmetry = abs(left_stride - right_stride)
+                gait_metrics['gait_symmetry'].append(stride_symmetry)
+            
+            previous_left_ankle = left_ankle
+            previous_right_ankle = right_ankle
+            
+        frame_count += 1
         
-        return f"""
-#  تقرير تحليل المشية
+        if frame_count % 50 == 0:
+            print(f"📊 تم تحليل {frame_count} إطار...")
+    
+    cap.release()
+    pose.close()
+    print(f"✅ اكتمل تحليل {frame_count} إطار")
+    
+    return gait_metrics, frame_count
 
-##  النتيجة الإجمالية: {total_risk_score:.1f}/100
-##  مستوى الخطورة: {risk_level}
+def calculate_risk_scores(gait_metrics, frame_count):
+    if frame_count == 0:
+        return None
+    
+    risk_scores = {}
+    
+    for metric, values in gait_metrics.items():
+        if values:
+            avg_value = np.mean(values)
+            
+            if metric == 'shoulder_movement':
+                risk_scores[metric] = max(0, 100 - (avg_value * 2000))
+            elif metric == 'hip_movement':
+                if 0.02 < avg_value < 0.08:
+                    risk_scores[metric] = 90
+                else:
+                    risk_scores[metric] = max(0, 100 - (abs(avg_value - 0.05) * 3000))
+            elif metric == 'posture_stability':
+                stability_std = np.std(values) if len(values) > 1 else 0
+                risk_scores[metric] = max(0, 100 - (stability_std * 5000))
+            elif metric == 'arm_swing':
+                if 0.1 < avg_value < 0.3:
+                    risk_scores[metric] = 85
+                else:
+                    risk_scores[metric] = max(0, 100 - (abs(avg_value - 0.2) * 400))
+            elif metric == 'knee_alignment':
+                risk_scores[metric] = max(0, 100 - (avg_value * 4000))
+            elif metric == 'gait_symmetry':
+                risk_scores[metric] = max(0, 100 - (avg_value * 10000))
+    
+    return risk_scores
 
-##  التوصية: 
+def generate_report(risk_scores, frame_count):
+    if not risk_scores:
+        return "❌ لا توجد بيانات كافية لتحليل المشية"
+    
+    total_risk_score = np.mean(list(risk_scores.values()))
+    
+    if total_risk_score >= 80:
+        risk_level = "🟢 منخفض"
+        recommendation = "المشية طبيعية ولا توجد مؤشرات خطيرة"
+    elif total_risk_score >= 60:
+        risk_level = "🟡 متوسط"
+        recommendation = "هناك بعض الملاحظات البسيطة التي تحتاج للمراقبة"
+    elif total_risk_score >= 40:
+        risk_level = "🟠 مرتفع"
+        recommendation = "يوجد خلل واضح في المشية - يوصى بالمتابعة مع أخصائي"
+    else:
+        risk_level = "🔴 عالي جداً"
+        recommendation = "خلل شديد في المشية - ضرورة مراجعة أخصائي علاج طبيعي فوراً"
+    
+    report = f"""
+📊 تقرير تحليل المشية مع تقييم الخطر
+{'='*50}
+
+🎯 النتيجة الإجمالية: {total_risk_score:.1f}/100
+📈 مستوى الخطورة: {risk_level}
+
+💡 التوصية: 
 {recommendation}
 
-##  الإحصائيات:
-- عدد الإطارات المحللة: {frame_count}
-- عدد المقاييس المستخدمة: {len(risk_scores)}
+🔍 تحليل مفصل للنقاط:
+{'─'*30}
+"""
+    
+    metric_names = {
+        'shoulder_movement': 'حركة الكتفين',
+        'hip_movement': 'حركة الورك',
+        'posture_stability': 'استقرار القامة',
+        'arm_swing': 'تأرجح الذراعين',
+        'knee_alignment': 'اتزان الركبتين',
+        'gait_symmetry': 'تناسق المشية'
+    }
+    
+    for metric, score in risk_scores.items():
+        metric_name = metric_names.get(metric, metric)
+        status = "✅ طبيعي" if score >= 70 else "⚠️ يحتاج مراقبة" if score >= 50 else "❌ غير طبيعي"
+        report += f"{metric_name}: {score:.1f}/100 - {status}\n"
+    
+    report += f"""
+{'─'*30}
+📋 الإحصائيات:
+• عدد الإطارات المحللة: {frame_count}
+• عدد المقاييس المستخدمة: {len(risk_scores)}
 
----
-**ملاحظة:** هذا تحليل أولي ولا يغني عن التشخيص الطبي المتخصص.
+{'='*50}
+ملاحظة: هذا التحليل مبني على معايير عامة ويجب عدم الاعتماد عليه كتشخيص طبي نهائي.
 """
-        
-    except Exception as e:
-        return f" حدث خطأ أثناء معالجة الفيديو: {str(e)}"
-    
-    finally:
-        # تنظيف الملف المؤقت
-        if os.path.exists(temp_video.name):
-            try:
-                os.unlink(temp_video.name)
-            except:
-                pass
+    
+    return report
 
-# إنشاء الواجهة
-with gr.Blocks(theme=gr.themes.Soft(), title="تحليل المشية") as demo:
-    gr.Markdown("#  نظام تحليل المشية")
-    
-    with gr.Row():
-        with gr.Column():
-            video_input = gr.File(
-                label=" رفع فيديو المشي",
-                file_types=[".mp4", ".avi", ".mov"],
-                type="binary"
-            )
-            analyze_btn = gr.Button("🔍 بدء التحليل", variant="primary")
-        
-        with gr.Column():
-            output_text = gr.Markdown(label=" التقرير")
-    
-    analyze_btn.click(
-        fn=analyze_gait_with_risk_score,
-        inputs=video_input,
-        outputs=output_text
-    )
+# التشغيل الرئيسي مع تحسين اكتشاف نوع الملف
+print("📁 رفع فيديو للمشي لتحليل المشية")
+print("⚠️ تأكد من رفع ملف فيديو (mp4, avi, mov) وليس صورة")
+uploaded = files.upload()
 
-if __name__ == "__main__":
-    demo.launch(share=True, show_error=True)
+if uploaded:
+    file_name = list(uploaded.keys())[0]
+    
+    if is_image_file(file_name):
+        print(f"❌ خطأ: الملف '{file_name}' هو صورة وليس فيديو!")
+        print("📹 يرجى رفع ملف فيديو حقيقي للمشي")
+    elif is_video_file(file_name):
+        print(f"✅ تم رفع الفيديو: {file_name}")
+        
+        gait_metrics, frame_count = analyze_video_gait(file_name)
+        
+        if gait_metrics and frame_count > 0:
+            risk_scores = calculate_risk_scores(gait_metrics, frame_count)
+            report = generate_report(risk_scores, frame_count)
+            print(report)
+        else:
+            print("❌ فشل في تحليل الفيديو أو لم يتم اكتشاف أي شخص")
+        
+        try:
+            os.remove(file_name)
+        except:
+            pass
+    else:
+        print(f"❌ نوع الملف غير مدعوم: {file_name}")
+        print("📹 يرجى رفع ملف فيديو (mp4, avi, mov)")
+else:
+    print("📂 لم يتم رفع أي ملف")