Update app.py

recupere class et player depuis csv du dataset et renvoie dans le json

app.py

@@ -512,8 +512,6 @@ async def get_video_frames(file_name: str, frame_id: int) -> dict:
     try:
         # URL du fichier vidéo dans le dataset
         video_url = f"https://huggingface.co/datasets/{DATASET_REPO}/resolve/main/{file_name}"
-
-        # Télécharger la vidéo
         headers = {"Authorization": f"Bearer {HF_TOKEN}"}
         response = requests.get(video_url, headers=headers)
 
@@ -522,56 +520,49 @@ async def get_video_frames(file_name: str, frame_id: int) -> dict:
 
         # Charger la vidéo en mémoire
         video_bytes = io.BytesIO(response.content)
-
-        # Écriture dans un fichier temporaire pour OpenCV
         temp_video_path = "/tmp/temp_video.mp4"
         with open(temp_video_path, "wb") as f:
             f.write(video_bytes.getvalue())
 
-        # Ouvrir la vidéo avec OpenCV
         cap = cv2.VideoCapture(temp_video_path)
-
         if not cap.isOpened():
             raise HTTPException(status_code=500, detail="Impossible de charger la vidéo")
 
-        # Obtenir le nombre total de frames dans la vidéo
         total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
-
-        # Définir la plage de frames à extraire
-        start_frame = max(0, frame_id ) 
-        end_frame = min(total_frames, frame_id + 30)  # extraction de 12 framees
+        start_frame = max(0, frame_id)
+        end_frame = min(total_frames, frame_id + 30)
 
         frames = []
-        frame_size = (128, 128)  # Taille des images pour Bubble
+        frame_size = (128, 128)
+        csv_filename = Path(file_name).stem + ".csv"
+        csv_path = UPLOAD_DIR / csv_filename
+        
+        df_annotations = None
+        if csv_path.exists():
+            df_annotations = pd.read_csv(csv_path)
 
-        # Lire les frames dans la plage définie
         for i in range(start_frame, end_frame):
             cap.set(cv2.CAP_PROP_POS_FRAMES, i)
             ret, frame = cap.read()
             if not ret:
-                break  # Arrêter si la lecture échoue
+                break
 
-            # Convertir la frame BGR en RGB
             frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
-
-            # Redimensionner la frame
             img = Image.fromarray(frame_rgb).resize(frame_size)
-
-            # Sauvegarder l'image dans un buffer
             img_byte_arr = io.BytesIO()
             img.save(img_byte_arr, format="PNG")
             img_byte_arr.seek(0)
-
-            # Encoder l'image en base64 avec le préfixe Bubble
             img_base64 = f"data:image/png;base64,{base64.b64encode(img_byte_arr.getvalue()).decode('utf-8')}"
 
-            # Ajouter à la liste des frames
-            frames.append({"frame_index": i, "image": img_base64})
+            class_label, player = None, None
+            if df_annotations is not None and i in df_annotations["frame"].values:
+                row = df_annotations[df_annotations["frame"] == i].iloc[0]
+                class_label, player = row["class"], row["player"]
 
-        cap.release()
+            frames.append({"frame_index": i, "image": img_base64, "class": class_label, "player": player})
 
+        cap.release()
         return {"status": "success", "frames": frames}
-
     except Exception as e:
         raise HTTPException(status_code=500, detail=f"Erreur lors de l'extraction des frames : {str(e)}")