src/presentation/web/gradio_interface.py

import gradio as gr
import os
from typing import Tuple, Any
from pathlib import Path
from src.application.use_cases.process_video import ProcessVideoUseCase, ProcessVideoRequest
from src.infrastructure.services.weapon_detector import WeaponDetectorService
from src.infrastructure.services.notification_services import NotificationServiceFactory
import logging
import requests

logger = logging.getLogger(__name__)

class GradioInterface:
    """Interface Gradio usando Clean Architecture."""
    
    def __init__(self):
        self.detector = WeaponDetectorService()
        self.notification_factory = NotificationServiceFactory()
        self.default_fps = 2 if self.detector.device_type == "GPU" else 1
        self.default_resolution = "640" if self.detector.device_type == "GPU" else "480"
        self.is_huggingface = os.getenv('SPACE_ID') is not None
        
        # URLs dos vídeos de exemplo do dataset
        self.sample_videos = [
            {
                'url': 'https://huggingface.co/datasets/marcuscanhaco/weapon-test/resolve/main/risco_detectado/video_risco_1.mp4',
                'name': 'Vídeo com Risco 1',
                'ground_truth': '🚨 Risco Detectado'
            },
            {
                'url': 'https://huggingface.co/datasets/marcuscanhaco/weapon-test/resolve/main/risco_detectado/video_risco_2.mp4',
                'name': 'Vídeo com Risco 2',
                'ground_truth': '🚨 Risco Detectado'
            },
            {
                'url': 'https://huggingface.co/datasets/marcuscanhaco/weapon-test/resolve/main/seguro/video_seguro_1.mp4',
                'name': 'Vídeo Seguro 1',
                'ground_truth': '✅ Seguro'
            },
            {
                'url': 'https://huggingface.co/datasets/marcuscanhaco/weapon-test/resolve/main/seguro/video_seguro_2.mp4',
                'name': 'Vídeo Seguro 2',
                'ground_truth': '✅ Seguro'
            }
        ]
        
        self.use_case = ProcessVideoUseCase(
            detector=self.detector,
            notification_factory=self.notification_factory,
            default_fps=self.default_fps,
            default_resolution=int(self.default_resolution)
        )
    
    def list_sample_videos(self) -> list:
        """Lista os vídeos de exemplo do dataset ou da pasta local."""
        try:
            if self.is_huggingface:
                logger.info("Ambiente Hugging Face detectado, usando URLs do dataset")
                return self.sample_videos
            else:
                logger.info("Ambiente local detectado, usando pasta videos")
                video_extensions = ['.mp4', '.avi', '.mov', '.mkv']
                videos = []
                base_dir = Path("videos")
                if not base_dir.exists():
                    os.makedirs(base_dir)
                    logger.info(f"Diretório videos criado: {base_dir}")
                
                # Listar vídeos locais
                for ext in video_extensions:
                    for video_path in base_dir.glob(f'**/*{ext}'):
                        logger.info(f"Vídeo local encontrado: {video_path}")
                        videos.append({
                            'url': str(video_path),
                            'name': video_path.name,
                            'ground_truth': '📼 Vídeo de Teste'
                        })
                
                return videos
            
        except Exception as e:
            logger.error(f"Erro ao listar vídeos: {str(e)}")
            return []

    def load_sample_video(self, video_url: str) -> str:
        """Carrega um vídeo de exemplo do dataset ou pasta local."""
        try:
            if not video_url:
                return ""
                
            if video_url.startswith('http'):
                logger.info(f"Carregando vídeo da URL: {video_url}")
                return video_url
            elif os.path.exists(video_url):
                logger.info(f"Carregando vídeo local: {video_url}")
                return video_url
                
            logger.warning(f"Vídeo não encontrado: {video_url}")
            return ""
        except Exception as e:
            logger.error(f"Erro ao carregar vídeo: {str(e)}")
            return ""
    
    def create_interface(self) -> gr.Blocks:
        """Cria a interface Gradio."""
        title = "Detector de Riscos em Vídeos"
        sample_videos = self.list_sample_videos()
        
        with gr.Blocks(
            title=title,
            theme=gr.themes.Ocean(),
            css="footer {display: none !important}"
        ) as demo:
            gr.Markdown(f"""# 🚨 {title}
            
            Faça upload de um vídeo para detectar objetos perigosos.
            Opcionalmente, configure notificações para receber alertas em caso de detecções.

            **Importante para melhor performance:**
            - Vídeos de até 60 segundos
            - FPS entre 1-2 para análise com maior performance
            - FPS maior que 2 para análise com maior precisão
            """)
            with gr.Group():
                gr.Markdown("""### Configuração de Processamento""")
                with gr.Row():
                    threshold = gr.Slider(
                        minimum=0.1,
                        maximum=1.0,
                        value=0.5,
                        step=0.1,
                        label="Limiar de Detecção",
                    )
                    fps = gr.Slider(
                        minimum=1,
                        maximum=5,
                        value=self.default_fps,
                        step=1,
                        label="Frames por Segundo",
                    )
                    resolution = gr.Radio(
                        choices=["480", "640", "768"],
                        value=self.default_resolution,
                        label="Resolução de Processamento",
                )
            with gr.Group():
                gr.Markdown("""### Configuração de Notificações de Detecção (Opcional)""")
                with gr.Row():
                    notification_type = gr.Radio(
                        choices=self.notification_factory.get_available_services(),
                        value="email",
                        label="Tipo de Notificação",
                        interactive=True,
                    )
                    notification_target = gr.Textbox(
                        label="Destino da Notificação (E-mail)",
                        placeholder="[email protected]",
                    )
            with gr.Row():
                with gr.Column(scale=2):
                    input_video = gr.Video(
                        label="Vídeo de Entrada",
                        format="mp4",
                        interactive=True,
                        height=400
                    )
                
                    submit_btn = gr.Button(
                        "Analisar Vídeo",
                        variant="primary",
                        scale=2
                    )
                with gr.Column(scale=1):
                    status = gr.Textbox(
                        label="Status da Detecção",
                        lines=4,
                        show_copy_button=True
                    )
                    with gr.Accordion("Detalhes Técnicos", open=False):
                        json_output = gr.JSON(
                            label="Detalhes Técnicos",
                        )
                    
                    # Informações adicionais
                    with gr.Accordion("Informações Adicionais", open=False):
                        gr.Markdown("""
                        ### Sobre o Detector
                        Este sistema utiliza um modelo de IA avançado para detectar objetos perigosos em vídeos.
                        
                        ### Tipos de Objetos Detectados
                        - Armas de fogo (pistolas, rifles, etc.)
                        - Armas brancas (facas, canivetes, etc.)
                        - Objetos perigosos (bastões, objetos pontiagudos, etc.)
                        
                        ### Recomendações
                        - Use vídeos com boa iluminação
                        - Evite vídeos muito longos
                        - Mantenha os objetos visíveis e em foco
                        """)
            # Vídeos de exemplo
            if sample_videos:
                with gr.Group():
                    gr.Markdown("### Vídeos de Exemplo")
                    with gr.Row():
                        with gr.Column(scale=4):
                            gr.Markdown("#### Vídeo")
                        with gr.Column(scale=1):
                            gr.Markdown("#### Ação")
                    
                    for video in sample_videos:
                        with gr.Row():
                            with gr.Column(scale=4):
                                gr.Video(
                                    value=video['url'],
                                    format="mp4",
                                    height=150,
                                    interactive=False,
                                    show_label=False
                                )
                            with gr.Column(scale=1, min_width=100):
                                gr.Button(
                                    "📥 Carregar",
                                    size="sm"
                                ).click(
                                    fn=self.load_sample_video,
                                    inputs=[gr.State(video['url'])],
                                    outputs=[input_video]
                                )
            
            # Configurar callback do botão
            submit_btn.click(
                fn=lambda *args: self._process_video(*args),
                inputs=[
                    input_video,
                    threshold,
                    fps,
                    resolution,
                    notification_type,
                    notification_target
                ],
                outputs=[status, json_output]
            )
        
        return demo
    
    def _process_video(
        self,
        video_path: str,
        threshold: float = 0.5,
        fps: int = None,
        resolution: str = None,
        notification_type: str = None,
        notification_target: str = None
    ) -> Tuple[str, Any]:
        """Processa o vídeo usando o caso de uso."""
        if not video_path:
            return "Erro: Nenhum vídeo fornecido", {}
            
        # Usar valores padrão se não especificados
        fps = fps or self.default_fps
        resolution = resolution or self.default_resolution
        
        request = ProcessVideoRequest(
            video_path=video_path,
            threshold=threshold,
            fps=fps,
            resolution=int(resolution),
            notification_type=notification_type,
            notification_target=notification_target
        )
        
        response = self.use_case.execute(request)
        
        return (
            response.status_message,
            response.detection_result.__dict__
        )