models/download_models.py

import os
import urllib.request
import zipfile
import gzip
import shutil
from pathlib import Path

def download_face_detection_model():
    """تحميل نموذج كشف الوجوه المصغر من MediaPipe"""
    model_path = Path("models/face_detection.tflite")
    model_path.parent.mkdir(parents=True, exist_ok=True)
    
    if model_path.exists():
        print("✅ نموذج كشف الوجوه موجود بالفعل")
        return
    
    print("📥 جاري تحميل نموذج كشف الوجوه...")
    # استخدام نموذج MediaPipe BlazeFace
    url = "https://storage.googleapis.com/mediapipe-models/face_detector/blaze_face_short_range/float32/1/face_detection_short_range.tflite"
    
    try:
        urllib.request.urlretrieve(url, model_path)
        print(f"✅ تم التحميل: {model_path}")
    except Exception as e:
        print(f"❌ خطأ في التحميل: {e}")
        # نموذج بديل
        backup_url = "https://github.com/opencv/opencv_zoo/raw/main/models/face_detection_yunet/face_detection_yunet_2022mar.onnx"
        print("🔄 محاولة تحميل نموذج بديل...")
        urllib.request.urlretrieve(backup_url, model_path)

def download_face_recognition_model():
    """تحميل نموذج التعرف على الوجوه المصغر (MobileFaceNet)"""
    model_path = Path("models/face_recognition.tflite")
    model_path.parent.mkdir(parents=True, exist_ok=True)
    
    if model_path.exists():
        print("✅ نموذج التعرف على الوجوه موجود بالفعل")
        return
    
    print("📥 جاري تحميل نموذج التعرف على الوجوه...")
    # نموذج MobileFaceNet مضغوط
    url = "https://github.com/serengil/deepface_models/releases/download/v1.0/facenet_model.h5"
    
    try:
        urllib.request.urlretrieve(url, "models/face_recognition.h5")
        print("⚠️ تم تحميل نموذج Keras، سيتم تحويله إلى TFLite...")
        
        # تحويل إلى TFLite إذا كان TensorFlow متاحاً
        try:
            import tensorflow as tf
            model = tf.keras.models.load_model("models/face_recognition.h5")
            converter = tf.lite.TFLiteConverter.from_keras_model(model)
            tflite_model = converter.convert()
            
            with open(model_path, 'wb') as f:
                f.write(tflite_model)
            
            os.remove("models/face_recognition.h5")
            print(f"✅ تم التحويل والتحميل: {model_path}")
        except:
            print("⚠️ تعذر التحويل إلى TFLite، سيتم استخدام نموذج افتراضي")
            
    except Exception as e:
        print(f"❌ خطأ في التحميل: {e}")
        print("📝 سيتم استخدام نموذج بسيط بديل")

def create_dummy_models():
    """إنشاء نماذج وهمية للتجربة"""
    import numpy as np
    
    # نموذج كشف بسيط
    dummy_detection = np.random.rand(1, 128, 128, 3).astype(np.float32)
    dummy_detection_path = Path("models/face_detection.tflite")
    dummy_detection_path.parent.mkdir(parents=True, exist_ok=True)
    
    if not dummy_detection_path.exists():
        print("📝 إنشاء نموذج كشف تجريبي...")
        dummy_detection.tofile(dummy_detection_path)
    
    # نموذج تعرف بسيط
    dummy_recognition = np.random.rand(1, 112, 112, 3).astype(np.float32)
    dummy_recognition_path = Path("models/face_recognition.tflite")
    
    if not dummy_recognition_path.exists():
        print("📝 إنشاء نموذج تعرف تجريبي...")
        dummy_recognition.tofile(dummy_recognition_path)

if __name__ == "__main__":
    print("🚀 بدء تحميل النماذج...")
    download_face_detection_model()
    download_face_recognition_model()
    
    # إذا فشل التحميل، استخدم نماذج تجريبية
    if not Path("models/face_detection.tflite").exists() or \
       not Path("models/face_recognition.tflite").exists():
        print("⚠️ سيتم إنشاء نماذج تجريبية للتشغيل")
        create_dummy_models()
    
    print("✨ اكتمل إعداد النماذج")