Merge branch 'main' of https://git.bib.de/PBT3H24AEH/Python_App

bildPy/.idea/.gitignore

@@ -1,10 +0,0 @@
-# Default ignored files
-/shelf/
-/workspace.xml
-# Ignored default folder with query files
-/queries/
-# Datasource local storage ignored files
-/dataSources/
-/dataSources.local.xml
-# Editor-based HTTP Client requests
-/httpRequests/

bildPy/.idea/.name

@@ -1 +0,0 @@
-source.py

bildPy/.idea/bildPy.iml

@@ -1,10 +0,0 @@
-<?xml version="1.0" encoding="UTF-8"?>
-<module type="PYTHON_MODULE" version="4">
-  <component name="NewModuleRootManager">
-    <content url="file://$MODULE_DIR$">
-      <sourceFolder url="file://$MODULE_DIR$/src" isTestSource="false" />
-    </content>
-    <orderEntry type="jdk" jdkName="Python 3.14" jdkType="Python SDK" />
-    <orderEntry type="sourceFolder" forTests="false" />
-  </component>
-</module>

bildPy/.idea/inspectionProfiles/profiles_settings.xml

@@ -1,6 +0,0 @@
-<component name="InspectionProjectProfileManager">
-  <settings>
-    <option name="USE_PROJECT_PROFILE" value="false" />
-    <version value="1.0" />
-  </settings>
-</component>

bildPy/.idea/misc.xml

@@ -1,7 +0,0 @@
-<?xml version="1.0" encoding="UTF-8"?>
-<project version="4">
-  <component name="Black">
-    <option name="sdkName" value="Python 3.14" />
-  </component>
-  <component name="ProjectRootManager" version="2" project-jdk-name="Python 3.14" project-jdk-type="Python SDK" />
-</project>

bildPy/.idea/modules.xml

@@ -1,8 +0,0 @@
-<?xml version="1.0" encoding="UTF-8"?>
-<project version="4">
-  <component name="ProjectModuleManager">
-    <modules>
-      <module fileurl="file://$PROJECT_DIR$/.idea/bildPy.iml" filepath="$PROJECT_DIR$/.idea/bildPy.iml" />
-    </modules>
-  </component>
-</project>

bildPy/src/source.py

@@ -1,164 +0,0 @@
-import cv2
-import os
-import numpy as np
-import pickle
-
-# --- KONFIGURATION ---
-# Pfade zu den Daten und Modellordnern
-RAW_DATA_PFAD = "../data_raw"
-MODEL_PFAD = "../models"
-# Datei für die trainierten biometrischen Daten
-MODEL_FILE = os.path.join(MODEL_PFAD, "trained_lbph.yml")
-# Datei für das Mapping von IDs zu Personennamen
-NAMES_FILE = os.path.join(MODEL_PFAD, "names.pkl")
-
-# Initialisierung des Haar-Cascade-Detektors für die Gesichtserkennung
-face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
-
-# Initialisierung des LBPH-Recognizers [cite: 8]
-recognizer = cv2.face.LBPHFaceRecognizer_create()
-
-
-def create_directory_if_not_exists(directory):
-    """Erstellt den Zielordner, falls dieser nicht existiert."""
-    if not os.path.exists(directory):
-        os.makedirs(directory)
-
-
-def train_model():
-    """Lädt Bilder, extrahiert Gesichter und trainiert das LBPH-Modell."""
-    print("\n--- Training wird gestartet ---")
-    faces = []
-    ids = []
-    names_map = {}
-    current_id = 0
-
-    if not os.path.exists(RAW_DATA_PFAD):
-        print(f"Fehler: Ordner '{RAW_DATA_PFAD}' nicht gefunden.")
-        return
-
-    # Durchläuft alle Personen-Ordner in data_raw
-    for person_name in os.listdir(RAW_DATA_PFAD):
-        person_path = os.path.join(RAW_DATA_PFAD, person_name)
-
-        if not os.path.isdir(person_path):
-            continue
-
-        names_map[current_id] = person_name
-        print(f"Verarbeite Person: {person_name} (ID: {current_id})")
-
-        for image_name in os.listdir(person_path):
-            if image_name.startswith("."):
-                continue
-
-            image_path = os.path.join(person_path, image_name)
-            img = cv2.imread(image_path)
-
-            if img is None:
-                continue
-
-            # Konvertierung in Graustufen für die LBP-Extraktion [cite: 36]
-            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
-
-            # Gesichter im Bild erkennen
-            faces_rects = face_cascade.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=5)
-
-            for (x, y, w, h) in faces_rects:
-                # Gesichtsbereich (ROI) ausschneiden
-                roi = gray[y:y + h, x:x + w]
-                faces.append(roi)
-                ids.append(current_id)
-
-        current_id += 1
-
-    if len(faces) == 0:
-        print("Fehler: Keine Gesichter im 'data_raw' Ordner gefunden.")
-        return
-
-    # Modell mit den gesammelten Gesichtern trainieren
-    print(f"Training mit {len(faces)} Gesichtsproben läuft...")
-    recognizer.train(faces, np.array(ids))
-
-    # Modell und Namenszuordnung speichern
-    create_directory_if_not_exists(MODEL_PFAD)
-    recognizer.write(MODEL_FILE)
-    with open(NAMES_FILE, 'wb') as f:
-        pickle.dump(names_map, f)
-
-    print(f"Erfolg! Modell gespeichert unter: {MODEL_FILE}")
-
-
-def recognize_faces():
-    """Startet die Live-Erkennung über die Webcam."""
-    print("\n--- Live-Erkennung gestartet ---")
-
-    if not os.path.exists(MODEL_FILE) or not os.path.exists(NAMES_FILE):
-        print("Fehler: Kein trainiertes Modell gefunden. Bitte zuerst Option 1 wählen.")
-        return
-
-    # Modell und Namen laden
-    recognizer.read(MODEL_FILE)
-    with open(NAMES_FILE, 'rb') as f:
-        names_map = pickle.load(f)
-
-    # Webcam-Stream öffnen
-    cap = cv2.VideoCapture(0)
-    print("Info: Drücke 'q', um die Erkennung zu beenden.")
-
-    while True:
-        ret, frame = cap.read()
-        if not ret:
-            break
-
-        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
-        faces_rects = face_cascade.detectMultiScale(gray, 1.2, 5)
-
-        for (x, y, w, h) in faces_rects:
-            roi_gray = gray[y:y + h, x:x + w]
-
-            # Vorhersage treffen (ID und Confidence-Wert) [cite: 48, 49]
-            # Hinweis: Ein niedrigerer Confidence-Wert bedeutet eine höhere Genauigkeit bei LBPH.
-            id_, confidence = recognizer.predict(roi_gray)
-
-            if confidence < 85:  # Schwellenwert für die Erkennung [cite: 49]
-                name = names_map[id_]
-                prozent = f"{round(100 - confidence)}%"
-            else:
-                name = "Unbekannt"
-                prozent = f"{round(100 - confidence)}%"
-
-            # Farbe festlegen: Grün für bekannt, Rot für unbekannt
-            color = (0, 255, 0) if name != "Unbekannt" else (0, 0, 255)
-
-            # Rahmen und Text im Bild einblenden
-            cv2.rectangle(frame, (x, y), (x + w, y + h), color, 2)
-            cv2.putText(frame, f"{name} ({prozent})", (x, y - 10),
-                        cv2.FONT_HERSHEY_SIMPLEX, 0.8, color, 2)
-
-        cv2.imshow("Klassenprojekt - LBPH Gesichtserkennung", frame)
-
-        if cv2.waitKey(1) & 0xFF == ord('q'):
-            break
-
-    cap.release()
-    cv2.destroyAllWindows()
-
-
-if __name__ == "__main__":
-    while True:
-        print("\n=== LBPH GESICHTSERKENNUNG MENÜ ===")
-        print("1. Modell trainieren")
-        print("2. Live-Erkennung starten (Webcam)")
-        print("3. Beenden")
-
-        wahl = input("Wähle eine Option (1-3): ")
-
-        if wahl == '1':
-            train_model()
-        elif wahl == '2':
-            recognize_faces()
-        elif wahl == '3':
-            print("Programm beendet.")
-            break
-        else:
-            print("Ungültige Eingabe.")