Update app.py

app.py

@@ -2,7 +2,7 @@ import streamlit as st
 import requests
 from transformers import DetrImageProcessor, DetrForObjectDetection
 import torch
-from PIL import Image, ImageDraw
+from PIL import Image, ImageDraw, ImageFont
 
 # Fonction pour générer du texte avec Gemini
 def generate_text_with_gemini(api_key, prompt):
@@ -36,7 +36,7 @@ def generate_text_with_gemini(api_key, prompt):
     
     return response.status_code, response_json
 
-# Fonction de traitement de l'image et d'encadrement des personnes détectées
+# Fonction de traitement de l'image et d'annotation des personnes détectées
 def process_image(image, confidence_threshold=0.7):
     processor = DetrImageProcessor.from_pretrained("facebook/detr-resnet-50", revision="no_timm")
     model = DetrForObjectDetection.from_pretrained("facebook/detr-resnet-50", revision="no_timm")
@@ -52,52 +52,55 @@ def process_image(image, confidence_threshold=0.7):
     # Convertir l'image pour dessiner
     draw_image = image.copy()
     draw = ImageDraw.Draw(draw_image)
+    font = ImageFont.load_default()
 
     # Compter le nombre de personnes détectées
     persons = 0
-    for score, label, box in zip(results["scores"], results["labels"], results["boxes"]):
+    for idx, (score, label, box) in enumerate(zip(results["scores"], results["labels"], results["boxes"])):
         if score >= confidence_threshold and model.config.id2label[label.item()] == 'person':
             persons += 1
             box = [round(i, 2) for i in box.tolist()]
-            # Dessiner le rectangle rouge autour de la personne détectée
-            draw.rectangle(box, outline="red", width=3)
+            # Dessiner le texte avec le numéro de la personne détectée
+            text = f'Personne {persons}'
+            draw.text((box[0], box[1]), text, fill="blue", font=font)
     
     return draw_image, persons
 
 # Interface Streamlit
 st.title("Analyse d'Images pour Détection de Personnes")
 
-# Saisie du nombre de personnes attendues pour chaque image
-number_of_people = st.number_input("Nombre attendu de personnes pour chaque image", min_value=1, value=10, step=1)
-
-uploaded_files = st.file_uploader("Choisissez jusqu'à 3 images", type=["jpg", "jpeg", "png"], accept_multiple_files=True)
-
-# Option pour définir le seuil de confiance
-confidence_threshold = st.slider("Seuil de confiance pour la détection", 0.0, 1.0, 0.7)
+# Téléchargement des images
+uploaded_files = st.file_uploader("Choisissez des images (vous pouvez en ajouter plusieurs)", type=["jpg", "jpeg", "png"], accept_multiple_files=True)
 
+# Saisie du nombre de personnes attendues pour chaque image
 if uploaded_files:
+    number_of_people = []
+    for i in range(len(uploaded_files)):
+        count = st.number_input(f"Nombre attendu de personnes pour l'image {i + 1}", min_value=1, value=10, step=1, key=f"input_{i}")
+        number_of_people.append(count)
+
     max_absents = -1
     best_image = None
     best_image_name = ""
 
-    for uploaded_file in uploaded_files:
+    for i, uploaded_file in enumerate(uploaded_files):
         # Lire l'image téléchargée
         image = Image.open(uploaded_file)
         st.image(image, caption=f'Image téléchargée : {uploaded_file.name}', use_column_width=True)
         
         # Traitement de l'image
-        modified_image, detected_persons = process_image(image, confidence_threshold)
+        modified_image, detected_persons = process_image(image, confidence_threshold=0.7)
         
         # Calculer le nombre d'absents
-        absents = number_of_people - detected_persons
+        absents = number_of_people[i] - detected_persons
         if absents < 0:
             absents = 0
 
         # Afficher l'image modifiée
-        st.image(modified_image, caption=f'Image avec personnes détectées : {uploaded_file.name}', use_column_width=True)
+        st.image(modified_image, caption=f'Image avec personnes annotées : {uploaded_file.name}', use_column_width=True)
         
         # Afficher le nombre d'absents
-        st.write(f"**Nombre d'absents pour {uploaded_file.name} : {absents}**")
+        st.write(f"**Nombre d'absents pour l'image {i + 1} ({uploaded_file.name}) : {absents}**")
 
         # Garder une trace de l'image avec le plus grand nombre d'absents
         if absents > max_absents: