Upload 2 files

face_classifier.py

@@ -14,7 +14,8 @@ logger = logging.getLogger(__name__)
 # Valores: 0.3 = permisivo (acepta muchos falsos positivos)
 #          0.6 = balanceado
 #          0.8 = estricto (elimina falsos positivos pero puede perder caras reales)
-FACE_CONFIDENCE_THRESHOLD = 0.70  # MÁS ESTRICTO: eliminar camisetas, letreros, etc.
+#          0.85 = MUY estricto (solo caras muy claras)
+FACE_CONFIDENCE_THRESHOLD = 0.85  # MUY ESTRICTO: eliminar camisetas, letreros, etc.
 GENDER_NEUTRAL_THRESHOLD = 0.2    # Diferencia mínima para género neutro
 
 
@@ -37,19 +38,54 @@ def validate_and_classify_face(image_path: str) -> Optional[Dict[str, Any]]:
         o None si falla completament
     """
     try:
+        import cv2
+        import numpy as np
         from deepface import DeepFace
         
         print(f"[DeepFace] Analitzant: {image_path}")
         
-        # Analitzar gènere amb detecció de cara
+        # PREPROCESAMIENTO: Normalizar iluminación y mejorar contraste
+        # Esto reduce el impacto de luz/oscuridad en la detección
+        img = cv2.imread(str(image_path))
+        if img is None:
+            print(f"[DeepFace] No se pudo cargar la imagen: {image_path}")
+            return None
+            
+        # Convertir a escala de grises (más robusto para detección)
+        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
+        
+        # CLAHE: Adaptive Histogram Equalization
+        # Normaliza el contraste de forma local, reduciendo efectos de luz
+        clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
+        normalized = clahe.apply(gray)
+        
+        # Volver a BGR para DeepFace
+        normalized_bgr = cv2.cvtColor(normalized, cv2.COLOR_GRAY2BGR)
+        
+        # Guardar imagen preprocesada temporalmente
+        import tempfile
+        import os
+        temp_dir = tempfile.gettempdir()
+        temp_path = os.path.join(temp_dir, f"normalized_{os.path.basename(image_path)}")
+        cv2.imwrite(temp_path, normalized_bgr)
+        
+        print(f"[DeepFace] Imagen preprocesada con CLAHE: {temp_path}")
+        
+        # Analitzar gènere amb detecció de cara (usando imagen normalizada)
         result = DeepFace.analyze(
-            img_path=image_path,
+            img_path=temp_path,
             actions=['gender'],
             enforce_detection=True,  # Intentar detectar cara
             detector_backend='opencv',
             silent=True
         )
         
+        # Limpiar archivo temporal
+        try:
+            os.remove(temp_path)
+        except:
+            pass
+        
         # DeepFace pot retornar llista si detecta múltiples cares
         if isinstance(result, list):
             print(f"[DeepFace] Resultado es lista con {len(result)} elementos")

vision_tools.py

@@ -52,8 +52,36 @@ try:
 except Exception:
     face_recognition = None  # type: ignore
 
-# FaceRecognizer not available in this deployment
-DFRecognizer = None  # type: ignore
+# FaceRecognizer - Implementación directa con DeepFace
+class DFRecognizer:
+    """Wrapper simple para DeepFace como backend de embeddings."""
+    def __init__(self, model_name: str = 'Facenet512'):
+        self.model_name = model_name
+        if DeepFace is None:
+            raise ImportError("DeepFace not available")
+    
+    def get_face_embedding_from_path(self, image_path: str) -> Optional[np.ndarray]:
+        """Extrae embedding de cara usando DeepFace."""
+        try:
+            # Usar DeepFace para obtener embedding
+            embedding = DeepFace.represent(
+                img_path=image_path,
+                model_name=self.model_name,
+                enforce_detection=False,  # No forzar detección (ya detectada)
+                detector_backend='skip'
+            )
+            
+            if isinstance(embedding, list) and len(embedding) > 0:
+                # DeepFace.represent devuelve lista de diccionarios
+                emb = embedding[0].get('embedding')
+                if emb:
+                    return np.array(emb, dtype=float)
+            
+            return None
+            
+        except Exception as e:
+            log.debug("DeepFace embedding failed for %s: %s", image_path, e)
+            return None
 
 try:
     from deepface import DeepFace