app.py

import requests

# URL de l'API
url = 'https://generativelanguage.googleapis.com/v1beta/models/gemini-1.5-flash-latest:generateContent?key=AIzaSyB5WiEJf_yLMD1dMQf305EAbaPTzF_QD-I

# En-têtes de la requête
headers = {
    'Content-Type': 'application/json',
}

# Corps de la requête
data = {
    "contents": [
        {
            "parts": [
                {"text": "Explain how AI works"}
            ]
        }
    ]
}

# Envoyer la requête POST
response = requests.post(url, headers=headers, json=data)

# Afficher la réponse
print(response.json())



from transformers import AutoTokenizer, AutoModel
from PIL import Image
import torch

# Charger le modèle GOT-OCR2_0 pour la reconnaissance des plaques d'immatriculation
ocr_tokenizer = AutoTokenizer.from_pretrained('ucaslcl/GOT-OCR2_0', trust_remote_code=True)
ocr_model = AutoModel.from_pretrained('ucaslcl/GOT-OCR2_0', trust_remote_code=True, low_cpu_mem_usage=True, device_map='cuda', use_safetensors=True)
ocr_model.eval().cuda()

# Charger le modèle de suivi et reconnaissance de couleur des véhicules
vehicle_model = torch.hub.load('ultralytics/yolov5', 'custom', path='sujithvamshi/Real-Time-Vehicle-Tracking-And-Colour-Recognition/best.pt')

# Fonction pour extraire la plaque d'immatriculation avec OCR
def get_license_plate(image):
    # Utiliser le modèle GOT-OCR pour extraire le texte (plaque d'immatriculation)
    image_tensor = ocr_tokenizer(image, return_tensors="pt").input_ids
    with torch.no_grad():
        output = ocr_model(image_tensor)
        plate_text = ocr_tokenizer.decode(output.logits[0], skip_special_tokens=True)
    return plate_text

# Fonction pour extraire la couleur du véhicule
def get_vehicle_color(image):
    # Utiliser le modèle Real-Time-Vehicle-Tracking-And-Colour-Recognition pour obtenir la couleur
    results = vehicle_model(image)
    color_info = results.pandas().xyxy[0].color  # Hypothèse: le modèle retourne une info de couleur
    return color_info

# Fusionner les deux résultats
def process_image(image_path):
    image = Image.open(image_path)
    
    # 1. Extraire la plaque d'immatriculation
    license_plate = get_license_plate(image)
    
    # 2. Extraire la couleur du véhicule
    vehicle_color = get_vehicle_color(image)
    
    # 3. Retourner la fusion des résultats
    return {
        "license_plate": license_plate,
        "vehicle_color": vehicle_color
    }

# Exemple d'utilisation
image_path = "path_to_your_image.jpg"
result = process_image(image_path)
print(f"Plaque d'immatriculation: {result['license_plate']}, Couleur du véhicule: {result['vehicle_color']}")