app.py

import gradio as gr
from ultralytics import YOLO
import cv2
import numpy as np
import tempfile
# charger le modèle
model = YOLO("yolov8n-seg.pt")

# Fonction pour la détection sur image
def detect_objects_image(img):
    results = model(img)  # Détection
    annotated_frame = results[0].plot()  # Annoter les résultats
    return annotated_frame
def detect_objects_video(video):
    # Si l'entrée est une chaîne, utiliser telle quelle. Sinon, utiliser .name (cas Gradio)
    video_path = video.name if hasattr(video, 'name') else video

    temp_output = tempfile.NamedTemporaryFile(suffix=".mp4", delete=False)
    cap = cv2.VideoCapture(video_path)

    width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
    height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
    fps = cap.get(cv2.CAP_PROP_FPS)

    fourcc = cv2.VideoWriter_fourcc(*'mp4v')
    out = cv2.VideoWriter(temp_output.name, fourcc, fps, (width, height))

    while True:
        ret, frame = cap.read()
        if not ret:
            break

        results = model(frame)
        annotated_frame = results[0].plot()
        out.write(annotated_frame)

    cap.release()
    out.release()

    return temp_output.name


# Lancer l'interface avec deux onglets
with gr.Blocks(theme='shivi/calm_seafoam') as demo:
    gr.Markdown("## 📸 Détection d’objets avec YOLOv8 - Image et Vidéo")

    with gr.Tab("🖼️ Image"):
        image_input = gr.Image(type="numpy", label="Importer une image")
        image_output = gr.Image(type="numpy", label="Image avec détection")
        image_btn = gr.Button("Analyser l'image")
        image_btn.click(fn=detect_objects_image, inputs=image_input, outputs=image_output)

    with gr.Tab("🎞️ Vidéo"):
        video_input = gr.Video(label="Importer une vidéo (.mp4)")
        video_output = gr.Video(label="Vidéo traitée")
        video_btn = gr.Button("Analyser la vidéo")
        video_btn.click(fn=detect_objects_video, inputs=video_input, outputs=video_output)

demo.launch()