import os import cv2 import torch import numpy as np import pandas as pd from facenet_pytorch import MTCNN # === CONFIGURAÇÕES === ROOT_DIRS = ["login", "suspeitas"] DEVICE = 'cuda' if torch.cuda.is_available() else 'cpu' OUTPUT_CSV = "relatorio_verificacao_reflexos.csv" # --- Inicializa detector --- print("Carregando MTCNN (modo rigoroso aprimorado + reflexos)...") mtcnn = MTCNN( image_size=160, margin=0, min_face_size=40, thresholds=[0.7, 0.8, 0.8], factor=0.709, post_process=True, device=DEVICE ) print("Detector carregado.") # === FUNÇÕES AUXILIARES === def calcular_iluminacao(img): hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) return np.mean(hsv[:, :, 2]) def calcular_saturacao(img): hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) return np.mean(hsv[:, :, 1]) def laplacian_var(img): gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) return cv2.Laplacian(gray, cv2.CV_64F).var() def contraste_local(img): gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) return np.std(gray) def bbox_iou(a, b): if a is None or b is None: return 0.0 xi1, yi1 = max(a[0], b[0]), max(a[1], b[1]) xi2, yi2 = min(a[2], b[2]) inter = max(0, xi2 - xi1) * max(0, yi2 - yi1) area_a = (a[2]-a[0])*(a[3]-a[1]) area_b = (b[2]-b[0])*(b[3]-b[1]) return inter / (area_a + area_b - inter + 1e-6) def detectar_retangulo_tela(img): """Detecta retângulos grandes e brilhantes (telas de celular, monitor, etc).""" h, w = img.shape[:2] hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) v = hsv[:, :, 2] _, bin_bright = cv2.threshold(v, 190, 255, cv2.THRESH_BINARY) bin_bright = cv2.medianBlur(bin_bright, 5) bin_bright = cv2.morphologyEx(bin_bright, cv2.MORPH_CLOSE, cv2.getStructuringElement(cv2.MORPH_RECT, (9, 9))) contours, _ = cv2.findContours(bin_bright, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for cnt in contours: area = cv2.contourArea(cnt) if area < 0.1 * w * h: continue approx = cv2.approxPolyDP(cnt, 0.02 * cv2.arcLength(cnt, True), True) if len(approx) == 4 and cv2.isContourConvex(approx): x, y, ww, hh = cv2.boundingRect(approx) aspect = ww / float(hh) if (0.4 <= aspect <= 0.75) or (1.3 <= aspect <= 2.6): return True, (x, y, x + ww, y + hh) return False, None def detectar_reflexos(img, face_box): """Mede brilho e contraste ao redor do rosto para identificar reflexos de tela.""" h, w = img.shape[:2] x1, y1, x2, y2 = [max(0, int(v)) for v in face_box] margem = 40 # Cria uma região expandida ao redor do rosto x1a, y1a = max(0, x1 - margem), max(0, y1 - margem) x2a, y2a = min(w, x2 + margem), min(h, y2 + margem) rosto = img[y1:y2, x1:x2] arredores = img[y1a:y2a, x1a:x2a] brilho_face = calcular_iluminacao(rosto) brilho_arredores = calcular_iluminacao(arredores) reflexo_intensidade = brilho_arredores - brilho_face contraste_ao_redor = contraste_local(arredores) return reflexo_intensidade, contraste_ao_redor # === ANÁLISE PRINCIPAL === def analisar_imagem(caminho): try: img = cv2.imread(caminho) if img is None: return {"arquivo": caminho, "resultado": "Arquivo inválido"} h, w = img.shape[:2] brilho = calcular_iluminacao(img) saturacao = calcular_saturacao(img) textura = laplacian_var(img) tela, tela_box = detectar_retangulo_tela(img) boxes, probs = mtcnn.detect(img) if boxes is None or len(boxes) == 0: if tela: resultado = "🚫 Tela detectada (sem rosto)" else: resultado = "❌ Nenhum rosto detectado" return {"arquivo": caminho, "brilho": brilho, "saturacao": saturacao, "textura": textura, "resultado": resultado} # Face principal (maior área) areas = [(b[2]-b[0])*(b[3]-b[1]) for b in boxes] idx = int(np.argmax(areas)) x1, y1, x2, y2 = map(int, boxes[idx]) face = img[y1:y2, x1:x2] # --- Métricas de rosto --- face_brilho = calcular_iluminacao(face) face_satur = calcular_saturacao(face) face_textura = laplacian_var(face) proporcao = ((x2-x1)*(y2-y1)) / (w*h) contraste = abs(face_brilho - brilho) iou = bbox_iou((x1, y1, x2, y2), tela_box) if tela else 0.0 # --- Reflexo e contraste --- reflexo_intensidade, contraste_local_ao_redor = detectar_reflexos(img, (x1, y1, x2, y2)) # --- Regras rigorosas com reflexo --- suspeito = False motivos = [] if proporcao < 0.06 or proporcao > 0.6: suspeito = True; motivos.append("tamanho anormal do rosto") if face_brilho > 200 and face_satur < 70: suspeito = True; motivos.append("face muito clara e lavada") if face_textura < 60 and not (80 < face_brilho < 190 and 60 < face_satur < 160): suspeito = True; motivos.append("baixa textura (imagem lisa)") if contraste > 70: suspeito = True; motivos.append("contraste alto face/fundo") if tela and iou > 0.3: suspeito = True; motivos.append("rosto dentro de tela brilhante") if reflexo_intensidade > 30 or contraste_local_ao_redor > 60: suspeito = True; motivos.append("reflexo/contraste intenso ao redor do rosto") # --- Resultado final --- resultado = "🚫 Possível tela/foto de celular" if suspeito else "✅ Rosto humano válido" return { "arquivo": caminho, "brilho_global": round(brilho, 2), "saturacao_global": round(saturacao, 2), "textura_global": round(textura, 2), "face_brilho": round(face_brilho, 2), "face_satur": round(face_satur, 2), "face_textura": round(face_textura, 2), "face_proporcao": round(proporcao, 4), "contraste_face_fundo": round(contraste, 2), "reflexo_intensidade": round(reflexo_intensidade, 2), "contraste_local_ao_redor": round(contraste_local_ao_redor, 2), "tela_detectada": tela, "iou_face_tela": round(iou, 3), "resultado": resultado, "motivos": "; ".join(motivos) if suspeito else "" } except Exception as e: return {"arquivo": caminho, "resultado": f"Erro: {e}"} # === EXECUÇÃO === registros = [] for pasta in ROOT_DIRS: if not os.path.exists(pasta): continue for root, _, files in os.walk(pasta): for f in files: if f.lower().endswith(('.jpg', '.jpeg', '.png')): caminho = os.path.join(root, f) r = analisar_imagem(caminho) registros.append(r) print(f"{caminho} → {r['resultado']} {r.get('motivos','')}") # === RELATÓRIO FINAL === if registros: df = pd.DataFrame(registros) df.to_csv(OUTPUT_CSV, index=False, encoding='utf-8-sig') print(f"\n✅ Relatório salvo em: {OUTPUT_CSV}") else: print("Nenhuma imagem encontrada para verificar.")