تشخیص چهره چیست؟ (بخش دوم)

# مرحله ۱: تشخیص و هم‌ترازی چهره
import cv2
from insightface.app import FaceAnalysis

# بارگذاری مدل buffalo_l — بهترین مدل متن‌باز ۲۰۲۵
app = FaceAnalysis(
    name="buffalo_l",
    providers=['CUDAExecutionProvider', 'CPUExecutionProvider']
)
app.prepare(ctx_id=0, det_size=(640, 640))  # ctx_id=0 برای GPU، -1 برای CPU

def detect_and_align(image_path):
    img = cv2.imread(image_path)
    faces = app.get(img)
    
    if len(faces) == 0:
        print("هیچ چهره‌ای تشخیص داده نشد!")
        return None, img
    
    # انتخاب بهترین تشخیص (بالاترین امتیاز)
    best_face = max(faces, key=lambda x: x.det_score)
    bbox = best_face.bbox.astype(int)
    
    # رسم مستطیل سبز دور چهره
    cv2.rectangle(img, (bbox[0], bbox[1]), (bbox[2], bbox[3]), (0, 255, 0), 3)
    cv2.putText(img, f"Score: {best_face.det_score:.3f}", 
                (bbox[0], bbox[1]-10), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0,255,0), 2)
    
    # رسم ۵ نقطه کلیدی (چشم‌ها، بینی، دهان)
    landmarks = best_face.landmark_2d_106
    for point in landmarks[[30, 35, 60, 66, 93]]:  # چشم چپ، چشم راست، بینی، لب‌ها
        cv2.circle(img, (int(point[0]), int(point[1])), 4, (0, 0, 255), -1)
    
    cv2.imwrite("output_detected.jpg", img)
    print(f"چهره با موفقیت تشخیص داده شد! امتیاز: {best_face.det_score:.3f}")
    return best_face, img

# تست
face, result_img = detect_and_align("test.jpg")

# مرحله ۲: تولید امضای دیجیتال چهره
def get_face_embedding(face):
    if face is None:
        return None
    return face.normed_embedding  # وکتور ۵۱۲ بعدی نرمال‌شده

# ساخت دیتابیس افراد شناخته‌شده
known_faces = {}

def add_known_person(name, image_path):
    face, _ = detect_and_align(image_path)
    if face:
        embedding = get_face_embedding(face)
        known_faces[name] = embedding
        print(f"{name} به دیتابیس اضافه شد.")
    else:
        print(f"خطا در اضافه کردن {name}")

# اضافه کردن افراد شناخته‌شده
add_known_person("احمد رضایی", "known/ahmad.jpg")
add_known_person("سارا محمدی", "known/sara.jpg")
add_known_person("دکتر حسینی", "known/hosseini.jpg")

print(f"دیتابیس آماده شد — {len(known_faces)} نفر ثبت شده.")

# مرحله ۳: شناسایی هویت
from scipy.spatial.distance import cosine

def recognize_face(embedding, threshold=0.38):
    if embedding is None:
        return "ناشناس", 0.0

    best_match = "ناشناس"
    highest_similarity = 0.0

    for name, known_emb in known_faces.items():
        # محاسبه شباهت (۱ - فاصله کسینوسی)
        similarity = 1 - cosine(embedding, known_emb)

        if similarity > highest_similarity:
            highest_similarity = similarity
            best_match = name

    # تصمیم‌گیری نهایی
    if highest_similarity > (1 - threshold):
        return best_match, highest_similarity
    else:
        return "ناشناس", highest_similarity

# تست شناسایی
test_face, _ = detect_and_align("test_unknown.jpg")
if test_face:
    name, confidence = recognize_face(get_face_embedding(test_face))
    print(f"شناسایی شد: {name} — اطمینان: {confidence:.1%}")

# مرحله ۴: تشخیص زنده بودن (ضد Deepfake)
from deepface import DeepFace

def check_liveness(image_path):
    try:
        result = DeepFace.extract_faces(
            img_path=image_path,
            anti_spoofing=True,
            enforce_detection=False
        )

        face_obj = result[0]
        is_real = face_obj["anti_spoofing"]["is_real"]
        spoof_score = face_obj["anti_spoofing"]["score"]

        if is_real and spoof_score > 0.7:
            print(f"واقعی است! امتیاز زنده بودن: {spoof_score:.3f}")
            return True, spoof_score
        else:
            print(f"هشدار: جعلی تشخیص داده شد! امتیاز: {spoof_score:.3f}")
            return False, spoof_score

    except Exception as e:
        print("خطا در تشخیص زنده بودن:", e)
        return False, 0.0

# تست
is_live, score = check_liveness("test_live.jpg")

# فایل: app.py
import streamlit as st
from PIL import Image
import cv2
import numpy as np

st.set_page_config(page_title="تشخیص چهره ۲۰۲۵", layout="centered")
st.title("سیستم تشخیص چهره حرفه‌ای — سال ۲۰۲۵")
st.caption("ساخته‌شده با بهترین مدل‌های متن‌باز | دقت ۹۹.۵٪+ | ضد Deepfake")

uploaded_file = st.file_uploader(
    "عکس خود را آپلود کنید",
    type=["jpg", "jpeg", "png"],
    help="عکس واضح از چهره بگیرید"
)

if uploaded_file:
    image = Image.open(uploaded_file)
    st.image(image, caption="عکس دریافت شد", width=300)
    image.save("temp_upload.jpg")

    with st.spinner("در حال تحلیل چهره..."):
        # تشخیص چهره
        face, result_img = detect_and_align("temp_upload.jpg")
        if face:
            # شناسایی
            name, confidence = recognize_face(get_face_embedding(face))
            # تشخیص زنده بودن
            is_live, live_score = check_liveness("temp_upload.jpg")

            st.image(result_img, caption="نتیجه تشخیص")

            col1, col2 = st.columns(2)
            with col1:
                st.success(f"شناسایی: **{name}**")
                st.metric("اطمینان شناسایی", f"{confidence:.1%}")
            with col2:
                if is_live:
                    st.success("واقعی است!")
                    st.metric("امتیاز زنده بودن", f"{live_score:.3f}")
                else:
                    st.error("هشدار: ممکن است جعلی باشد!")
        else:
            st.error("چهره‌ای در عکس پیدا نشد.")