Update app.py

app.py

@@ -4,12 +4,20 @@ import numpy as np
 from PIL import Image
 import io
 import base64
+from transformers import AutoModelForImageClassification, AutoFeatureExtractor
+import torch
 
 app = FastAPI()
 
+# Cargar el modelo preentrenado para clasificación de género
+model_name = "nateraw/bert-imagenet"  # Cambiar a un modelo adecuado si se encuentra uno más específico
+model = AutoModelForImageClassification.from_pretrained(model_name)
+feature_extractor = AutoFeatureExtractor.from_pretrained(model_name)
+
 @app.post("/detect/")
 async def detect_face(file: UploadFile = File(...)):
     try:
+        # Leer y preparar la imagen
         image_bytes = await file.read()
         image = Image.open(io.BytesIO(image_bytes))
         img_np = np.array(image)
@@ -17,6 +25,7 @@ async def detect_face(file: UploadFile = File(...)):
         if img_np.shape[2] == 4:
             img_np = cv2.cvtColor(img_np, cv2.COLOR_BGRA2BGR)
 
+        # Detección de rostros con OpenCV
         face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
         gray = cv2.cvtColor(img_np, cv2.COLOR_BGR2GRAY)
         faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
@@ -24,19 +33,38 @@ async def detect_face(file: UploadFile = File(...)):
         if len(faces) == 0:
             raise HTTPException(status_code=404, detail="No se detectaron rostros en la imagen.")
 
+        result_data = []
         for (x, y, w, h) in faces:
+            # Extraer cada rostro
+            face_img = img_np[y:y+h, x:x+w]
+            face_img_pil = Image.fromarray(cv2.cvtColor(face_img, cv2.COLOR_BGR2RGB)).resize((224, 224))
+
+            # Clasificar el rostro
+            inputs = feature_extractor(images=face_img_pil, return_tensors="pt")
+            outputs = model(**inputs)
+            predicted_class = outputs.logits.argmax(dim=-1).item()
+            label = model.config.id2label[predicted_class]
+
+            # Dibujar rectángulo y agregar datos
             cv2.rectangle(img_np, (x, y), (x+w, y+h), (255, 0, 0), 2)
+            result_data.append({
+                "coordenadas": [int(x), int(y), int(w), int(h)],
+                "sexo": label
+            })
 
+        # Preparar imagen resultante
         result_image = Image.fromarray(cv2.cvtColor(img_np, cv2.COLOR_BGR2RGB))
         img_byte_arr = io.BytesIO()
         result_image.save(img_byte_arr, format='JPEG')
         img_byte_arr = img_byte_arr.getvalue()
 
+        # Respuesta
         return {
             "message": "Rostros detectados",
-            "rostros": len(faces),
+            "resultados": result_data,
             "imagen_base64": base64.b64encode(img_byte_arr).decode('utf-8')
         }
 
     except Exception as e:
         raise HTTPException(status_code=500, detail=str(e))
+