- Expressões novas dos blendshapes que já vinham do MediaPipe: gargalhada, alegria (no mapa), medo, espanto, nojo, tristeza, tensão e bocejo (que deixou de contar como grito); raiva também por olhos semicerrados + lábios apertados. Canais novos opcionais na série (brow_inner, mouth_frown, squint, press, stretch, upper_lip, pucker), z relativo ao neutro do próprio streamer só com os segundos que têm o campo. - Pose da cabeça pela matriz de transformação facial (yaw/pitch/roll) e balanço/aceno por zigue-zague; YuNet nos quadros sem rosto dá a caixa da cabeça (streamer de perfil). - Corpo mesmo sem expressão: balançando, acenando, agitado, chegou perto e saiu do quadro, sem contar rastreio perdido como movimento. - API /face com expr/body por segundo e lista do corpo; linha do juiz com o corpo; painel com os rótulos novos e o "Mapa de expressões" no modal do corte. - Calibrado nas sessões 7, 8, 11 e 15 (doc/clipador/EXPRESSOES.md); intensidade dos picos inalterada (canais novos só rotulam). Testes em tests/test_expressions.py. Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
976 lines
52 KiB
Python
976 lines
52 KiB
Python
"""Rastreio de reação do streamer: lógica pura (sem E/S, sem numpy/opencv/mediapipe).
|
||
|
||
Recebe o que o detector/rastreador já mediu (rosto por quadro com os blendshapes do MediaPipe, ou caixas de
|
||
rosto do YuNet) e transforma em:
|
||
|
||
- uma série por segundo (`FaceSecond`) compacta, para gravar no banco e para o editor reenquadrar a câmera;
|
||
- um sinal de reação por segundo **relativo ao neutro do próprio streamer** (z robusto: mediana + MAD da janela
|
||
recente, só com segundos em que o rosto aparece). Tem streamer que fica sorrindo o tempo todo, tem quem fale
|
||
de boca aberta: o que importa é o desvio do normal DELE, não o valor absoluto do blendshape;
|
||
- picos rotulados (risada, grito, susto, choque, confuso, raiva e, desde 18/11/2026, gargalhada, medo, espanto,
|
||
nojo, tristeza, tenso; bocejo não é reação) com o início da reação, e um texto curto para o juiz;
|
||
- o corpo/cabeça mesmo sem expressão (balançando, acenando, agitado, chegou perto, saiu do quadro) e o mapa de
|
||
expressões por segundo (doc/clipador/EXPRESSOES.md);
|
||
- a posição da câmera no quadro (`locate_cam`) a partir das detecções de alguns quadros espalhados.
|
||
|
||
Sem rosto no segundo → sinal `None`, e `None` nunca vira pico.
|
||
"""
|
||
|
||
from __future__ import annotations
|
||
|
||
import bisect
|
||
import math
|
||
import statistics
|
||
from dataclasses import dataclass, field, replace
|
||
|
||
# Canais com z (o piscar fica de fora: é ruído, não reação). `brow` = sobrancelha levantada (interna ou externa:
|
||
# na live real as duas sobem juntas); `surprise` = olho arregalado. `motion` só ajuda a ROTULAR (susto): fica fora da
|
||
# intensidade — na live real os maiores "picos" de movimento eram o rastreio perdendo o rosto, não reação.
|
||
SIGNAL_CHANNELS: tuple[str, ...] = ("smile", "jaw", "surprise", "frown", "brow", "motion")
|
||
EXPRESSION_CHANNELS: tuple[str, ...] = ("smile", "jaw", "surprise", "frown", "brow")
|
||
BASELINE_STEP_S = 5 # o neutro do streamer é recalculado a cada 5 s (anda devagar; a janela já ignora os últimos 10 s)
|
||
SECOND_FIELDS: tuple[str, ...] = ("cx", "cy", "size", "smile", "jaw", "surprise", "frown", "brow", "blink", "motion")
|
||
|
||
# --- Mapa de expressões (18/11/2026, doc/clipador/EXPRESSOES.md). Tudo OPCIONAL na série: o que foi gravado antes
|
||
# não tem estes campos e continua valendo (canal ausente = parado, nunca vira pico).
|
||
# Expressões a mais dos 52 blendshapes (máximo do segundo). `noseSneer*` e `cheekSquint*` saem ~0 SEMPRE no modelo do
|
||
# MediaPipe (medido em 4 sessões): nojo e raiva não podem depender deles — o lábio de cima (`upper_lip`) faz o papel.
|
||
EXTRA_EXPRESSION_CHANNELS: tuple[str, ...] = (
|
||
"brow_inner", # browInnerUp sozinho (medo/tristeza; `brow` junta a interna e a externa)
|
||
"mouth_frown", # cantos da boca para baixo (tristeza)
|
||
"squint", # olhos semicerrados (raiva/tensão)
|
||
"press", # lábios apertados (tensão/raiva)
|
||
"stretch", # boca esticada para os lados (medo, careta)
|
||
"upper_lip", # lábio de cima levantado (nojo; sobe junto na gargalhada)
|
||
"pucker", # boca em "O" (bico ou funil: espanto, "uuuh")
|
||
)
|
||
POSE_FIELDS: tuple[str, ...] = ("yaw", "pitch", "roll") # graus, média do segundo (matriz de transformação facial)
|
||
# Corpo/cabeça: `shake`/`nod` = idas e voltas da cabeça (yaw/pitch) na janela de 2 s que começa 0,5 s antes do segundo;
|
||
# `head` = fração dos quadros com a CABEÇA visível (rosto com pontos OU só a caixa do detector, quando o MediaPipe
|
||
# perde o rosto de perfil); `head_motion` = caminho da cabeça em tamanhos de cabeça por segundo, sem os saltos de
|
||
# reaquisição; `hsize` = tamanho da caixa do detector nos quadros sem pontos (quem se inclina para a câmera de perfil).
|
||
BODY_FIELDS: tuple[str, ...] = ("shake", "nod", "head", "head_motion", "hsize")
|
||
EXTRA_SECOND_FIELDS: tuple[str, ...] = EXTRA_EXPRESSION_CHANNELS + POSE_FIELDS + BODY_FIELDS
|
||
_ONE_DECIMAL: frozenset[str] = frozenset(POSE_FIELDS + ("shake", "nod")) # graus e contagens: 1 casa basta
|
||
# Rótulos que não são reação: o pico sai como o "neutro" (bocejo abre a boca como grito, mas não é momento de corte).
|
||
NOT_REACTION: frozenset[str] = frozenset({"neutro", "bocejo"})
|
||
# Todos os rótulos de expressão (`label`, `yawn_seconds` e "alegria" do mapa); os de corpo estão em `BODY_PRIORITY`.
|
||
EXPRESSION_LABELS: tuple[str, ...] = (
|
||
"risada", "gargalhada", "alegria", "grito", "susto", "medo", "choque", "espanto", "confuso", "raiva", "nojo",
|
||
"tristeza", "tenso", "bocejo", "neutro",
|
||
)
|
||
|
||
|
||
@dataclass(frozen=True)
|
||
class ReactionParams:
|
||
# --- série por segundo / sinal ---
|
||
min_present: float = 0.3 # fração mínima de quadros com rosto para o segundo contar
|
||
motion_min_present: float = 0.8 # movimento só vale com o rosto em ≥ 80 % do segundo (senão é o rastreio pulando)
|
||
baseline_s: int = 180 # janela do "neutro recente" do streamer
|
||
exclude_recent_s: int = 10 # os últimos segundos ficam fora do neutro (a própria reação não se anula)
|
||
min_baseline_n: int = 30 # menos segundos com rosto que isso na janela → usa todos os segundos com rosto da série
|
||
mad_floor: float = 0.05 # piso do desvio robusto de um canal sem piso próprio em `mad_floors`
|
||
# Pisos por canal, calibrados na live real (doc/FACE_BAKEOFF.md, sessão 3): no calmo o sorriso por segundo
|
||
# tem mediana ~0,10 e picos soltos de 0,38 (fala/tique) → piso 0,10; browInnerUp tem pico solto de 0,38 num
|
||
# segundo calmo contra 0,7–0,8 sustentado no lag → piso 0,10 e peso menor; browDown no calmo fica ≤ 0,07.
|
||
# `motion` em "tamanhos de rosto" por segundo.
|
||
mad_floors: dict[str, float] = field(default_factory=lambda: {
|
||
"smile": 0.10, "jaw": 0.05, "surprise": 0.06, "frown": 0.07, "brow": 0.10, "motion": 0.15,
|
||
})
|
||
weights: dict[str, float] = field(default_factory=lambda: {
|
||
"smile": 1.0, "jaw": 1.0, "surprise": 1.0, "frown": 0.8, "brow": 0.6, "motion": 0.7,
|
||
})
|
||
# --- picos ---
|
||
threshold: float = 3.0 # z mínimo do sinal para virar pico (igual ao `face_threshold` do plano)
|
||
strong_z: float = 6.0 # a partir daqui o texto diz "forte"
|
||
onset_z: float = 1.0 # o início/fim da reação é onde o sinal cai abaixo disto
|
||
max_onset_s: int = 10
|
||
min_gap_s: float = 4.0 # distância mínima entre dois picos
|
||
keep_neutral: bool = False # pico só de movimento (pegar a água, ajeitar a cadeira) vira "neutro" e sai
|
||
# --- rótulo ---
|
||
label_z: float = 2.0 # canal "ligado" no pico quando o z dele passa disto
|
||
smile_raw: float = 0.5 # sorriso alto em valor absoluto também conta (neutro sorridente saturado)
|
||
shout_jaw_raw: float = 0.2 # sobrancelha franzida COM boca aberta pelo menos isso = grito (senão, raiva)
|
||
raw_thresholds: dict[str, float] = field(default_factory=lambda: {
|
||
"smile": 0.4, "jaw": 0.35, "surprise": 0.35, "frown": 0.35, "brow": 0.35, "motion": 0.5,
|
||
}) # usados pelo `label` quando não há z (segundo isolado)
|
||
# --- expressões a mais (EXTRA_EXPRESSION_CHANNELS) e corpo; calibrado em doc/clipador/EXPRESSOES.md ---
|
||
extra_floors: dict[str, float] = field(default_factory=lambda: {
|
||
"brow_inner": 0.10, "mouth_frown": 0.05, "squint": 0.06, "press": 0.08, "stretch": 0.06, "upper_lip": 0.10,
|
||
"pucker": 0.12, "head_motion": 0.15,
|
||
})
|
||
# Peso de cada expressão nova na INTENSIDADE (0 = só rotula). Ver o doc: com peso, viram picos sozinhas.
|
||
extra_weights: dict[str, float] = field(default_factory=lambda: {
|
||
"brow_inner": 0.0, "mouth_frown": 0.0, "squint": 0.0, "press": 0.0, "stretch": 0.0, "upper_lip": 0.0,
|
||
"pucker": 0.0,
|
||
})
|
||
extra_raw: dict[str, float] = field(default_factory=lambda: {
|
||
"brow_inner": 0.5, "mouth_frown": 0.3, "squint": 0.7, "press": 0.5, "stretch": 0.3, "upper_lip": 0.4,
|
||
"pucker": 0.6,
|
||
}) # limiares absolutos das expressões novas para o `label` sem z
|
||
yawn_jaw_raw: float = 0.5 # bocejo: boca muito aberta por ≥ `yawn_min_s` segundos seguidos…
|
||
yawn_min_s: int = 2
|
||
yawn_squint_z: float = 1.0 # …com os olhos apertando em algum deles (ver `yawn_seconds`)
|
||
disgust_smile_max: float = 0.3 # nojo só com o sorriso abaixo disto (valor absoluto)
|
||
laugh_jaw_raw: float = 0.3 # risada de boca escancarada = gargalhada
|
||
head_back_deg: float = 20.0 # cabeça jogada para trás: X graus acima do neutro dele (com risada = gargalhada)
|
||
map_z: float = 2.0 # mapa: segundo com sinal ≥ isto ganha rótulo de expressão (abaixo de `threshold`, sorriso = alegria)
|
||
# Corpo/cabeça
|
||
shake_deg: float = 8.0 # ida ou volta de pelo menos X graus no yaw conta como uma "perna" do balanço
|
||
nod_deg: float = 6.0 # idem no pitch (aceno)
|
||
osc_legs: int = 3 # pernas na janela de 2 s para "balançando"/"acenando" (2 = olhou para o lado e voltou)
|
||
head_min: float = 0.8 # cabeça visível em ≥ 80 % do segundo para o movimento valer (senão é o rastreio pulando)
|
||
head_max_step: float = 1.0 # passo máximo entre dois quadros, em tamanhos de cabeça (mais que isso = reaquisição)
|
||
agitation_z: float = 2.5 # agitação: movimento da cabeça com z ≥ isto…
|
||
agitation_window_s: int = 5 # …em pelo menos `agitation_min_s` segundos de uma janela deste tamanho
|
||
agitation_min_s: int = 3
|
||
lean_ratio: float = 1.18 # chegou perto: cabeça ≥ 18 % maior que o tamanho normal dele (p99,9 nas sessões 8/15)…
|
||
lean_min_s: int = 1 # …por pelo menos isto
|
||
leave_before_s: int = 3 # saiu do quadro: cabeça visível por ≥ 3 s…
|
||
leave_gone_s: int = 3 # …e depois sumida por ≥ 3 s (só com o campo `head`: série antiga não diz "saiu")
|
||
leave_gone_max: float = 0.1 # "sumida" = cabeça em no máximo 10 % dos quadros do segundo
|
||
leave_transition_s: int = 2 # segundos com a cabeça só em parte do quadro entre o "visível" e o "fora"
|
||
# --- câmera (locate_cam) ---
|
||
min_score: float = 0.6 # confiança mínima da detecção
|
||
# Confiança MÉDIA mínima do grupo que vira câmera. Teste ao vivo de 17/11: webcam real (skipnho) 0,92–0,94 em
|
||
# todo quadro; na lofigirl (sem webcam) a tela de um notebook desenhado, parada na borda, deu 0,61–0,66 em 8 de 12
|
||
# quadros e virou "câmera" de 24×34 px com o layout aplicado.
|
||
min_cam_score: float = 0.7
|
||
# Agrupa pelo CENTRO do grupo (média corrente) com tolerância em tamanhos de rosto: comparar com o 1º membro
|
||
# partiu o streamer em dois quando ele se inclinou (0,8 largura de rosto na bancada).
|
||
cluster_faces: float = 1.0 # distância máxima ao centro do grupo, em larguras (x) e alturas (y) de rosto
|
||
min_presence: float = 0.5 # grupo precisa aparecer em ≥ 50 % dos quadros
|
||
stable_faces: float = 0.6 # desvio-padrão máximo do centro do grupo, em tamanhos de rosto (bancada: 0,24)
|
||
full_frame_h: float = 0.4 # rosto mais alto que isso = câmera em tela cheia
|
||
expand_w: float = 3.2 # retângulo estimado = rosto × 3,2 na largura
|
||
expand_h: float = 3.6 # e × 3,6 na altura
|
||
shift_down: float = 0.45 # deslocado para baixo em "alturas de rosto" (ombros/peito aparecem na câmera)
|
||
edge_reach: float = 1.5 # borda da moldura vale se estiver até X larguras de rosto do lado estimado
|
||
headroom: float = 0.35 # a borda de cima nunca encosta no rosto: fica ≥ X alturas de rosto acima (testa/cabelo)
|
||
|
||
|
||
@dataclass(frozen=True)
|
||
class FaceSample:
|
||
"""Um quadro do rastreador. `cx`/`cy`/`size` normalizados (0..1) no recorte da câmera; `size` = altura do rosto."""
|
||
|
||
t: float
|
||
present: bool
|
||
cx: float = 0.0
|
||
cy: float = 0.0
|
||
size: float = 0.0
|
||
blend: dict[str, float] = field(default_factory=dict) # nomes do MediaPipe (jawOpen, mouthSmileLeft…)
|
||
pose: tuple[float, float, float] | None = None # (yaw, pitch, roll) em graus; None = sem matriz de transformação
|
||
# Só a caixa da cabeça (detector), sem pontos nem blendshapes: `present` fica False e `cx`/`cy`/`size` são da caixa.
|
||
head: bool = False
|
||
|
||
|
||
@dataclass
|
||
class FaceSecond:
|
||
"""Resumo de um segundo. Canais `None` quando o rosto não apareceu nesse segundo."""
|
||
|
||
t: int
|
||
present: float = 0.0 # fração dos quadros com rosto
|
||
cx: float | None = None
|
||
cy: float | None = None
|
||
size: float | None = None
|
||
smile: float | None = None
|
||
jaw: float | None = None
|
||
surprise: float | None = None
|
||
frown: float | None = None
|
||
brow: float | None = None
|
||
blink: float | None = None
|
||
motion: float | None = None
|
||
# Mapa de expressões (EXTRA_SECOND_FIELDS): opcionais, ausentes na série gravada antes de 18/11/2026.
|
||
brow_inner: float | None = None
|
||
mouth_frown: float | None = None
|
||
squint: float | None = None
|
||
press: float | None = None
|
||
stretch: float | None = None
|
||
upper_lip: float | None = None
|
||
pucker: float | None = None
|
||
yaw: float | None = None
|
||
pitch: float | None = None
|
||
roll: float | None = None
|
||
shake: float | None = None
|
||
nod: float | None = None
|
||
head: float | None = None
|
||
head_motion: float | None = None
|
||
hsize: float | None = None
|
||
|
||
def to_json(self) -> dict:
|
||
"""Formato compacto para o banco/API: 3 casas (graus e contagens: 1), sem os campos `None`."""
|
||
out: dict = {"t": self.t, "present": round(self.present, 3)}
|
||
for name in SECOND_FIELDS + EXTRA_SECOND_FIELDS:
|
||
value = getattr(self, name)
|
||
if value is not None:
|
||
out[name] = round(value, 1 if name in _ONE_DECIMAL else 3)
|
||
return out
|
||
|
||
@classmethod
|
||
def from_json(cls, data: dict) -> FaceSecond:
|
||
return cls(int(data["t"]), float(data.get("present", 0.0)),
|
||
**{n: (float(data[n]) if data.get(n) is not None else None)
|
||
for n in SECOND_FIELDS + EXTRA_SECOND_FIELDS})
|
||
|
||
|
||
@dataclass
|
||
class ReactionMoment:
|
||
peak_s: int
|
||
onset_s: int # onde a reação começou (o que causou está logo antes)
|
||
end_s: int
|
||
intensity: float # z do sinal no pico
|
||
label: str
|
||
strong: bool
|
||
|
||
def to_json(self) -> dict:
|
||
return {"peakS": self.peak_s, "onsetS": self.onset_s, "endS": self.end_s,
|
||
"intensity": round(self.intensity, 2), "label": self.label, "strong": self.strong}
|
||
|
||
|
||
def seconds_to_json(seconds: list[FaceSecond]) -> list[dict]:
|
||
return [s.to_json() for s in seconds]
|
||
|
||
|
||
def seconds_from_json(data: list[dict]) -> list[FaceSecond]:
|
||
return [FaceSecond.from_json(d) for d in data]
|
||
|
||
|
||
# ---------------------------------------------------------------------------------------------------------------
|
||
# Série por segundo
|
||
|
||
|
||
def _mean(values: list[float]) -> float:
|
||
return sum(values) / len(values)
|
||
|
||
|
||
def _channels(blend: dict[str, float]) -> dict[str, float]:
|
||
"""Blendshapes do MediaPipe → canais de expressão (0..1).
|
||
|
||
Na live real (bancada) `eyeWide*` fica ~0 o tempo todo e `jawOpen` quase nunca passa de 0,1: a surpresa não
|
||
pode depender do olho arregalado: a sobrancelha levantada (`brow`, o maior entre a interna e a externa — na live
|
||
inteira as duas sobem juntas) é canal próprio e, com movimento da cabeça, já é susto. Marcou o lag: 0,27 de
|
||
média contra 0,02 no calmo.
|
||
"""
|
||
def g(name: str) -> float:
|
||
return float(blend.get(name, 0.0))
|
||
|
||
outer_up = (g("browOuterUpLeft") + g("browOuterUpRight")) / 2
|
||
return {
|
||
"smile": (g("mouthSmileLeft") + g("mouthSmileRight")) / 2,
|
||
"jaw": g("jawOpen"),
|
||
"surprise": (g("eyeWideLeft") + g("eyeWideRight")) / 2,
|
||
"frown": (g("browDownLeft") + g("browDownRight")) / 2,
|
||
"brow": max(g("browInnerUp"), outer_up),
|
||
"blink": (g("eyeBlinkLeft") + g("eyeBlinkRight")) / 2,
|
||
}
|
||
|
||
|
||
def _extra_channels(blend: dict[str, float]) -> dict[str, float]:
|
||
"""Blendshapes do MediaPipe → expressões novas do mapa (EXTRA_EXPRESSION_CHANNELS), 0..1."""
|
||
def g(name: str) -> float:
|
||
return float(blend.get(name, 0.0))
|
||
|
||
return {
|
||
"brow_inner": g("browInnerUp"),
|
||
"mouth_frown": (g("mouthFrownLeft") + g("mouthFrownRight")) / 2,
|
||
"squint": (g("eyeSquintLeft") + g("eyeSquintRight")) / 2,
|
||
"press": (g("mouthPressLeft") + g("mouthPressRight")) / 2,
|
||
"stretch": (g("mouthStretchLeft") + g("mouthStretchRight")) / 2,
|
||
"upper_lip": (g("mouthUpperUpLeft") + g("mouthUpperUpRight")) / 2,
|
||
"pucker": max(g("mouthPucker"), g("mouthFunnel")),
|
||
}
|
||
|
||
|
||
def zigzag_legs(values: list[float], delta: float) -> list[float]:
|
||
"""Pernas de um zigue-zague com histerese `delta`: cada ida ou volta de pelo menos `delta` (amplitude).
|
||
|
||
Cabeça parada com tremida < `delta` → nenhuma perna; olhar para o lado e voltar → 2; balançar → 3 ou mais.
|
||
"""
|
||
legs: list[float] = []
|
||
if not values:
|
||
return legs
|
||
start = extreme = values[0]
|
||
direction = 0
|
||
for v in values[1:]:
|
||
if direction == 0:
|
||
if abs(v - start) >= delta:
|
||
direction, extreme = (1 if v > start else -1), v
|
||
legs.append(abs(v - start))
|
||
continue
|
||
if (v - extreme) * direction > 0: # continua na mesma direção: a perna cresce
|
||
legs[-1] += abs(v - extreme)
|
||
extreme = v
|
||
elif abs(v - extreme) >= delta: # virou com folga: perna nova
|
||
legs.append(abs(v - extreme))
|
||
direction, extreme = -direction, v
|
||
return legs
|
||
|
||
|
||
def _body_fields(out: list[FaceSecond], samples: list[FaceSample], first: int, p: ReactionParams) -> None:
|
||
"""Preenche pose, balanço/aceno e cabeça (EXTRA: série antiga não tem nada disto)."""
|
||
ordered = sorted(samples, key=lambda s: s.t)
|
||
posed = [s for s in ordered if s.present and s.pose is not None]
|
||
posed_t = [s.t for s in posed]
|
||
# Movimento da cabeça: passos entre quadros vizinhos da MESMA fonte (pontos × caixa do detector têm tamanhos
|
||
# diferentes), sem buraco de quadro perdido no meio e com o passo limitado: o "pulo" da reaquisição do rosto era o
|
||
# maior pico de movimento da live real.
|
||
visible = [s for s in ordered if (s.present or s.head) and s.size > 0]
|
||
paths = [0.0] * len(out)
|
||
for a, b in zip(visible, visible[1:]):
|
||
i = int(math.floor(b.t)) - first
|
||
if 0 <= i < len(out) and a.present == b.present and b.t - a.t <= 0.4:
|
||
step = (math.hypot(b.cx - a.cx, b.cy - a.cy) + abs(b.size - a.size)) / max(1e-6, (a.size + b.size) / 2)
|
||
paths[i] += min(step, p.head_max_step)
|
||
buckets: list[list[FaceSample]] = [[] for _ in out]
|
||
for s in ordered:
|
||
i = int(math.floor(s.t)) - first
|
||
if 0 <= i < len(out):
|
||
buckets[i].append(s)
|
||
for i, second in enumerate(out):
|
||
bucket = buckets[i]
|
||
if not bucket:
|
||
continue
|
||
seen = [s for s in bucket if (s.present or s.head) and s.size > 0]
|
||
second.head = len(seen) / len(bucket)
|
||
if seen:
|
||
second.head_motion = paths[i]
|
||
boxes = [s for s in seen if not s.present]
|
||
if boxes:
|
||
second.hsize = _mean([s.size for s in boxes])
|
||
poses = [s.pose for s in bucket if s.present and s.pose is not None]
|
||
if not poses:
|
||
continue
|
||
second.yaw, second.pitch, second.roll = (_mean([q[k] for q in poses]) for k in range(3))
|
||
# Janela de 2 s a partir de 0,5 s antes: um balanço de ~2 Hz a 6 qps tem 1–2 quadros por perna.
|
||
lo = bisect.bisect_left(posed_t, second.t - 0.5)
|
||
hi = bisect.bisect_left(posed_t, second.t + 1.5)
|
||
window = posed[lo:hi]
|
||
gaps = [b.t - a.t for a, b in zip(window, window[1:])]
|
||
if len(window) >= 6 and (not gaps or max(gaps) <= 0.4):
|
||
second.shake = float(len(zigzag_legs([s.pose[0] for s in window], p.shake_deg)))
|
||
second.nod = float(len(zigzag_legs([s.pose[1] for s in window], p.nod_deg)))
|
||
|
||
|
||
def per_second(samples: list[FaceSample], duration_s: float, start_s: float = 0.0,
|
||
params: ReactionParams | None = None) -> list[FaceSecond]:
|
||
"""Agrupa os quadros por segundo em [start_s, start_s + duration_s).
|
||
|
||
Posição/tamanho/piscar = média; expressões = máximo do segundo (a reação dura menos que 1 s às vezes);
|
||
`motion` = caminho percorrido pelo centro (mais a variação de tamanho, quem se joga para a câmera) dividido
|
||
pelo tamanho do rosto, ou seja, em "rostos por segundo" — independe do zoom da câmera.
|
||
Mapa de expressões: expressões novas (máximo), pose (média), balanço/aceno e cabeça — ver `_body_fields`.
|
||
"""
|
||
p = params or ReactionParams()
|
||
n = max(0, int(math.ceil(duration_s)))
|
||
first = int(math.floor(start_s))
|
||
buckets: list[list[FaceSample]] = [[] for _ in range(n)]
|
||
for sample in samples:
|
||
i = int(math.floor(sample.t)) - first
|
||
if 0 <= i < n:
|
||
buckets[i].append(sample)
|
||
out: list[FaceSecond] = []
|
||
previous: FaceSample | None = None # última amostra com rosto (para o movimento atravessar a virada do segundo)
|
||
for i, bucket in enumerate(buckets):
|
||
bucket.sort(key=lambda s: s.t)
|
||
second = FaceSecond(first + i, present=(sum(1 for s in bucket if s.present) / len(bucket)) if bucket else 0.0)
|
||
faces = [s for s in bucket if s.present and s.size > 0]
|
||
if faces:
|
||
channels = [_channels(s.blend) for s in faces]
|
||
second.cx = _mean([s.cx for s in faces])
|
||
second.cy = _mean([s.cy for s in faces])
|
||
second.size = _mean([s.size for s in faces])
|
||
for name in ("smile", "jaw", "surprise", "frown", "brow"):
|
||
setattr(second, name, max(c[name] for c in channels))
|
||
if any(s.blend for s in faces): # plano B (sem blendshapes) não inventa expressão nova
|
||
extra = [_extra_channels(s.blend) for s in faces]
|
||
for name in EXTRA_EXPRESSION_CHANNELS:
|
||
setattr(second, name, max(c[name] for c in extra))
|
||
second.blink = _mean([c["blink"] for c in channels])
|
||
path = 0.0
|
||
for s in faces:
|
||
if previous is not None and s.t - previous.t <= 1.0:
|
||
scale = max(1e-6, (s.size + previous.size) / 2)
|
||
path += (math.hypot(s.cx - previous.cx, s.cy - previous.cy) + abs(s.size - previous.size)) / scale
|
||
previous = s
|
||
second.motion = path
|
||
out.append(second)
|
||
_body_fields(out, samples, first, p)
|
||
return out
|
||
|
||
|
||
# ---------------------------------------------------------------------------------------------------------------
|
||
# Sinal relativo ao neutro do streamer
|
||
|
||
|
||
def _has_face(second: FaceSecond, p: ReactionParams) -> bool:
|
||
return second.present >= p.min_present and second.smile is not None
|
||
|
||
|
||
def _robust(values: list[float], floor: float) -> tuple[float, float]:
|
||
"""Mediana e desvio robusto (1,4826 × MAD, com piso)."""
|
||
median = statistics.median(values)
|
||
mad = statistics.median([abs(v - median) for v in values])
|
||
return median, max(floor, 1.4826 * mad)
|
||
|
||
|
||
def channel_z(seconds: list[FaceSecond], params: ReactionParams | None = None) -> list[dict[str, float] | None]:
|
||
"""z robusto de cada canal por segundo contra o neutro recente do próprio streamer; `None` sem rosto."""
|
||
p = params or ReactionParams()
|
||
face_idx = [i for i, s in enumerate(seconds) if _has_face(s, p)]
|
||
# Série antiga (sem o canal) → 0: o canal fica parado em vez de quebrar.
|
||
values = {name: [getattr(seconds[i], name) or 0.0 for i in face_idx] for name in SIGNAL_CHANNELS}
|
||
floors = {name: p.mad_floors.get(name, p.mad_floor) for name in SIGNAL_CHANNELS}
|
||
# O neutro anda devagar: recalcula a cada `BASELINE_STEP_S` (com cache pelos limites da janela), e a janela sai
|
||
# por bisect em `face_idx` — antes era O(n²) e uma live de horas levava segundos por chamada.
|
||
cache: dict[tuple[int, int], dict[str, tuple[float, float]]] = {}
|
||
out: list[dict[str, float] | None] = []
|
||
for t, second in enumerate(seconds):
|
||
if not _has_face(second, p):
|
||
out.append(None)
|
||
continue
|
||
anchor = t - t % BASELINE_STEP_S
|
||
lo = bisect.bisect_left(face_idx, anchor - p.baseline_s)
|
||
hi = bisect.bisect_left(face_idx, anchor - p.exclude_recent_s)
|
||
if hi - lo < p.min_baseline_n:
|
||
# Começo da gravação: ainda não há neutro suficiente; usa a série inteira (a mediana aguenta os picos).
|
||
lo, hi = 0, len(face_idx)
|
||
base = cache.get((lo, hi))
|
||
if base is None:
|
||
base = cache[(lo, hi)] = {name: _robust(values[name][lo:hi], floors[name]) for name in SIGNAL_CHANNELS}
|
||
z: dict[str, float] = {}
|
||
for name in SIGNAL_CHANNELS:
|
||
median, spread = base[name]
|
||
z[name] = ((getattr(second, name) or 0.0) - median) / spread
|
||
if second.present < p.motion_min_present:
|
||
z["motion"] = 0.0
|
||
out.append(z)
|
||
_extra_z(seconds, face_idx, out, p)
|
||
return out
|
||
|
||
|
||
def rolling_baseline(seconds: list[FaceSecond], idx: list[int], name: str, floor: float,
|
||
p: ReactionParams) -> dict[int, tuple[float, float]]:
|
||
"""(mediana, desvio robusto) do campo `name` no neutro recente, para cada índice de `idx` (que já deve conter só
|
||
segundos com o campo). Mesma janela do `channel_z`; com menos de `min_baseline_n` segundos na série inteira,
|
||
devolve {} — canal novo numa série que mal começou a tê-lo não vira pico."""
|
||
if len(idx) < p.min_baseline_n:
|
||
return {}
|
||
values = [float(getattr(seconds[i], name)) for i in idx]
|
||
cache: dict[tuple[int, int], tuple[float, float]] = {}
|
||
out: dict[int, tuple[float, float]] = {}
|
||
for i in idx:
|
||
anchor = i - i % BASELINE_STEP_S
|
||
lo = bisect.bisect_left(idx, anchor - p.baseline_s)
|
||
hi = bisect.bisect_left(idx, anchor - p.exclude_recent_s)
|
||
if hi - lo < p.min_baseline_n:
|
||
lo, hi = 0, len(idx)
|
||
if (lo, hi) not in cache:
|
||
cache[(lo, hi)] = _robust(values[lo:hi], floor)
|
||
out[i] = cache[(lo, hi)]
|
||
return out
|
||
|
||
|
||
def _extra_z(seconds: list[FaceSecond], face_idx: list[int], out: list[dict[str, float] | None],
|
||
p: ReactionParams) -> None:
|
||
"""z das expressões novas e "cabeça para trás" (graus acima do neutro), no mesmo dict do `channel_z`.
|
||
|
||
Ao contrário dos canais antigos, o neutro de um canal novo usa SÓ os segundos que têm o campo: numa sessão em
|
||
que o serviço foi atualizado no meio, os segundos antigos (sem o campo) não podem virar um neutro de zeros.
|
||
"""
|
||
for name in EXTRA_EXPRESSION_CHANNELS:
|
||
idx = [i for i in face_idx if getattr(seconds[i], name) is not None]
|
||
base = rolling_baseline(seconds, idx, name, p.extra_floors.get(name, p.mad_floor), p)
|
||
for i in face_idx:
|
||
z = out[i]
|
||
if z is None:
|
||
continue
|
||
value = getattr(seconds[i], name)
|
||
if i in base and value is not None:
|
||
median, spread = base[i]
|
||
z[name] = (value - median) / spread
|
||
else:
|
||
z[name] = 0.0
|
||
# Pitch diminui quando a cabeça vai para trás (olhar para cima): "head_back" = neutro − pitch, em graus.
|
||
idx = [i for i in face_idx if seconds[i].pitch is not None]
|
||
base = rolling_baseline(seconds, idx, "pitch", 1.0, p)
|
||
for i in face_idx:
|
||
z = out[i]
|
||
if z is not None:
|
||
pitch = seconds[i].pitch
|
||
z["head_back"] = (base[i][0] - pitch) if (i in base and pitch is not None) else 0.0
|
||
|
||
|
||
def _signal_from_z(z: dict[str, float] | None, p: ReactionParams) -> float | None:
|
||
if z is None:
|
||
return None
|
||
signal = max(p.weights.get(name, 1.0) * z[name] for name in EXPRESSION_CHANNELS)
|
||
for name in EXTRA_EXPRESSION_CHANNELS:
|
||
weight = p.extra_weights.get(name, 0.0)
|
||
if weight > 0:
|
||
signal = max(signal, weight * z.get(name, 0.0))
|
||
return max(0.0, signal)
|
||
|
||
|
||
def reaction_signal(seconds: list[FaceSecond], baseline_s: int | None = None,
|
||
params: ReactionParams | None = None) -> list[float | None]:
|
||
"""Intensidade de reação por segundo (máximo ponderado dos z das expressões, ≥ 0); `None` sem rosto."""
|
||
p = params or ReactionParams()
|
||
if baseline_s is not None:
|
||
p = replace(p, baseline_s=baseline_s)
|
||
return [_signal_from_z(z, p) for z in channel_z(seconds, p)]
|
||
|
||
|
||
# ---------------------------------------------------------------------------------------------------------------
|
||
# Rótulo
|
||
|
||
|
||
def label(second: FaceSecond, z: dict[str, float] | None = None, params: ReactionParams | None = None) -> str:
|
||
"""Rótulo da expressão do segundo (um de `EXPRESSION_LABELS`; bocejo e alegria precisam de contexto e saem de
|
||
`yawn_seconds`/`expression_map`).
|
||
|
||
Com `z` (de `channel_z`), um canal está "ligado" quando sobe acima do neutro do streamer; sem `z`, usa limiares
|
||
absolutos (`raw_thresholds`, `extra_raw`).
|
||
|
||
Regras (calibradas na live real, doc/FACE_BAKEOFF.md e doc/clipador/EXPRESSOES.md), na ordem:
|
||
- **risada** = sorriso subindo (sem exigir boca aberta: o streamer da bancada ri de boca quase fechada,
|
||
jawOpen ≤ 0,1); sorriso alto em valor absoluto também conta quando outro canal de rosto sobe junto (no
|
||
streamer que já sorri o tempo todo o sorriso não tem para onde subir); com a cabeça jogada para trás =
|
||
**gargalhada**;
|
||
- **susto** = sobrancelha levantada ou olho arregalado + movimento da cabeça;
|
||
- **medo** = sobrancelha interna levantada + boca esticada para os lados (ou olho arregalado com a sobrancelha
|
||
descendo) — sem isso, olho arregalado é choque;
|
||
- **grito** = boca aberta sem sorriso, ou sobrancelha franzida com a boca ao menos entreaberta (no grito real:
|
||
browDown 0,61 + jawOpen 0,42 num segundo); franzida de boca fechada = **raiva**; olhos semicerrados + lábios
|
||
apertados com a sobrancelha descendo também é raiva; lábio de cima subindo com o sorriso já alto é risada;
|
||
- **nojo** = lábio de cima levantado sem sorriso e de boca fechada (`noseSneer` não funciona no MediaPipe);
|
||
- **tristeza** = cantos da boca para baixo + sobrancelha interna levantada, sem bico nem boca esticada (mão na
|
||
boca faz os dois);
|
||
- **espanto** = boca em "O" com a sobrancelha levantada ou a boca abrindo;
|
||
- **choque** = olho arregalado parado;
|
||
- **confuso** = sobrancelha levantada parada, sem sorriso (cara de "ué?" no lag: browInnerUp 0,27 de média
|
||
contra 0,02 no calmo);
|
||
- **tenso** = lábios apertados + olhos semicerrados, sem sorriso (foco, tensão).
|
||
"""
|
||
p = params or ReactionParams()
|
||
if second.smile is None:
|
||
return "neutro"
|
||
if z is not None:
|
||
on = {name: z.get(name, 0.0) >= p.label_z for name in SIGNAL_CHANNELS + EXTRA_EXPRESSION_CHANNELS}
|
||
half = {name: z.get(name, 0.0) >= p.label_z / 2 for name in SIGNAL_CHANNELS + EXTRA_EXPRESSION_CHANNELS}
|
||
head_back = z.get("head_back", 0.0) >= p.head_back_deg
|
||
else:
|
||
on = {name: (getattr(second, name) or 0.0) >= p.raw_thresholds[name] for name in SIGNAL_CHANNELS}
|
||
on |= {name: (getattr(second, name) or 0.0) >= p.extra_raw[name] for name in EXTRA_EXPRESSION_CHANNELS}
|
||
half = {name: on[name] for name in on}
|
||
head_back = False
|
||
smiling_raw = second.smile >= p.smile_raw
|
||
jaw = second.jaw or 0.0
|
||
# Lábio de cima subindo com o sorriso já alto = rindo mostrando os dentes (sessão 8: 0,6–0,8 nas risadas).
|
||
if on["smile"] or (smiling_raw and (on["jaw"] or on["frown"] or on["brow"] or on["upper_lip"])):
|
||
return "gargalhada" if head_back else "risada"
|
||
if (on["surprise"] or on["brow"]) and on["motion"]:
|
||
return "susto"
|
||
# Medo × choque (FACS): os dois levantam a sobrancelha e arregalam o olho; o medo estica a boca para os lados
|
||
# (AU20) ou junta a sobrancelha descendo (AU4).
|
||
if on["brow_inner"] and (on["stretch"] or (on["surprise"] and half["frown"])):
|
||
return "medo"
|
||
if on["jaw"]:
|
||
return "grito"
|
||
if on["frown"]:
|
||
return "grito" if jaw >= p.shout_jaw_raw else "raiva"
|
||
if on["squint"] and on["press"] and half["frown"]:
|
||
return "raiva"
|
||
# Nojo só sem sorriso: o lábio de cima sobe junto em toda risada de dentes à mostra.
|
||
if on["upper_lip"] and not half["jaw"] and second.smile < p.disgust_smile_max:
|
||
return "nojo"
|
||
# Mão na boca (tique comum: queixo apoiado, coçar o nariz) faz bico e estica a boca: aí não é tristeza.
|
||
if on["mouth_frown"] and half["brow_inner"] and not on["pucker"] and not on["stretch"]:
|
||
return "tristeza"
|
||
if on["pucker"] and (on["brow"] or half["jaw"]):
|
||
return "espanto"
|
||
if on["surprise"]:
|
||
return "choque"
|
||
if on["brow"]:
|
||
return "confuso"
|
||
if on["press"] and on["squint"]:
|
||
return "tenso"
|
||
return "neutro"
|
||
|
||
|
||
# ---------------------------------------------------------------------------------------------------------------
|
||
# Picos e resumo para o juiz
|
||
|
||
|
||
def reaction_moments(seconds: list[FaceSecond], params: ReactionParams | None = None) -> list[ReactionMoment]:
|
||
"""Picos do sinal (≥ `threshold`, do maior para o menor, a `min_gap_s` um do outro), em ordem de tempo.
|
||
|
||
A mesma reação num trecho contínuo acima de `onset_z` vira um pico só (risada de 5 s não conta duas vezes).
|
||
|
||
O rótulo vem do segundo do pico; se o pico for só movimento ("neutro"), olha os vizinhos (±1 s) — o grito pode
|
||
ter o máximo de boca um segundo antes do pulo. Sem rótulo de expressão o pico sai (salvo `keep_neutral`).
|
||
"""
|
||
p = params or ReactionParams()
|
||
zs = channel_z(seconds, p)
|
||
signal = [_signal_from_z(z, p) for z in zs]
|
||
values = [v if v is not None else -1.0 for v in signal]
|
||
# Trecho contínuo acima de `onset_z` de cada segundo: uma risada de 5 s é UM pico, não dois.
|
||
run = [0] * len(values)
|
||
current = 0
|
||
for i, v in enumerate(values):
|
||
if v >= p.onset_z and i > 0 and values[i - 1] >= p.onset_z:
|
||
run[i] = current
|
||
else:
|
||
current += 1
|
||
run[i] = current
|
||
candidates = sorted((i for i, v in enumerate(values) if v >= p.threshold), key=lambda i: -values[i])
|
||
chosen: list[tuple[int, str]] = []
|
||
yawns = yawn_seconds(seconds, zs, p)
|
||
for peak in candidates:
|
||
name = _peak_label(seconds, zs, peak, p, yawns)
|
||
if name in NOT_REACTION and not p.keep_neutral:
|
||
continue
|
||
# Perto demais de um pico maior, ou mesma reação no mesmo trecho contínuo → é o mesmo momento.
|
||
if any(abs(peak - j) < p.min_gap_s or (run[peak] == run[j] and name == other) for j, other in chosen):
|
||
continue
|
||
chosen.append((peak, name))
|
||
moments: list[ReactionMoment] = []
|
||
for peak, name in sorted(chosen):
|
||
begin = peak
|
||
while begin > 0 and peak - begin < p.max_onset_s and values[begin - 1] >= p.onset_z:
|
||
begin -= 1
|
||
end = peak
|
||
while end + 1 < len(values) and end - peak < p.max_onset_s and values[end + 1] >= p.onset_z:
|
||
end += 1
|
||
moments.append(ReactionMoment(seconds[peak].t, seconds[begin].t, seconds[end].t, values[peak], name,
|
||
values[peak] >= p.strong_z))
|
||
return moments
|
||
|
||
|
||
def yawn_seconds(seconds: list[FaceSecond], zs: list[dict[str, float] | None], p: ReactionParams) -> set[int]:
|
||
"""Índices dos segundos de bocejo: boca muito aberta (jawOpen ≥ `yawn_jaw_raw`) por ≥ `yawn_min_s` segundos
|
||
seguidos, com os olhos apertando (z do `squint` ≥ `yawn_squint_z`) em algum deles.
|
||
|
||
Sessão 8 (skipnho, fim de live): os 5 trechos com jawOpen ≥ 0,6 por 3 s eram todos bocejos (olhos fechados,
|
||
braços esticando) e eram os maiores "gritos" da sessão (z 12–16); os gritos e exclamações de verdade abriram a
|
||
boca assim por 1 s só. O bocejo também levanta o "sorriso" (cantos esticados): por isso vem antes da risada.
|
||
"""
|
||
wide = [(s.jaw or 0.0) >= p.yawn_jaw_raw and zs[i] is not None for i, s in enumerate(seconds)]
|
||
out: set[int] = set()
|
||
for i, j in _runs(wide, 0):
|
||
if j - i + 1 >= p.yawn_min_s and any((zs[k] or {}).get("squint", 0.0) >= p.yawn_squint_z
|
||
for k in range(i, j + 1)):
|
||
out.update(range(i, j + 1))
|
||
return out
|
||
|
||
|
||
def _peak_label(seconds: list[FaceSecond], zs: list[dict[str, float] | None], peak: int, p: ReactionParams,
|
||
yawns: set[int] | None = None) -> str:
|
||
if yawns and peak in yawns:
|
||
return "bocejo"
|
||
name = label(seconds[peak], zs[peak], p)
|
||
if name == "neutro":
|
||
for j in (peak - 1, peak + 1):
|
||
if 0 <= j < len(seconds) and zs[j] is not None:
|
||
other = "bocejo" if yawns and j in yawns else label(seconds[j], zs[j], p)
|
||
if other != "neutro":
|
||
return other
|
||
return name
|
||
|
||
|
||
def summarize(seconds: list[FaceSecond], start_s: float = 0.0, end_s: float | None = None,
|
||
params: ReactionParams | None = None, max_items: int = 4,
|
||
moments: list[ReactionMoment] | None = None, relative: bool = True,
|
||
body: list[BodyMoment] | None = None) -> str:
|
||
"""Texto curto para o juiz sobre o rosto no trecho [start_s, end_s], com tempos relativos ao início do trecho.
|
||
|
||
Passe a série inteira (ou bem mais que o trecho): o neutro do streamer vem do que veio antes.
|
||
Ex.: "risada forte em 12 s; susto em 15 s". `moments` (opcional): picos já calculados com `reaction_moments`
|
||
sobre a série inteira — evita recalcular a live toda a cada corte (~1 s por hora de live).
|
||
`relative=False`: tempos da gravação ("risada forte em 1628s"), como o resto do prompt do juiz.
|
||
Corpo/cabeça (`body_moments`, ou `body` já calculado) entra no fim: "balançando a cabeça em 15 s". Com a cabeça
|
||
visível mas sem expressão legível (de perfil, longe), o texto diz isso e traz só o corpo.
|
||
"""
|
||
p = params or ReactionParams()
|
||
end = end_s if end_s is not None else (seconds[-1].t + 1 if seconds else start_s)
|
||
inside = [s for s in seconds if start_s <= s.t <= end]
|
||
|
||
def when(t: float) -> str:
|
||
return f"{int(round(t - start_s))} s" if relative else f"{t:.0f}s"
|
||
|
||
body_parts = [f"{BODY_TEXT.get(b.label, b.label)} em {when(b.peak_s)}"
|
||
for b in (body if body is not None else body_moments(seconds, p)) if start_s <= b.peak_s <= end]
|
||
with_face = [s for s in inside if _has_face(s, p)]
|
||
if not with_face:
|
||
heads = [s for s in inside if (s.head or 0.0) >= p.min_present]
|
||
if not inside or len(heads) < max(1, len(inside) // 3):
|
||
return "rosto do streamer não aparece no trecho"
|
||
text = (f"rosto sem expressão legível (de perfil ou longe; cabeça visível em "
|
||
f"{int(round(100 * len(heads) / len(inside)))}% do trecho)")
|
||
return text + ("; " + "; ".join(body_parts[:max_items]) if body_parts else "; sem movimento marcante")
|
||
parts = []
|
||
for m in (moments if moments is not None else reaction_moments(seconds, p)):
|
||
if start_s <= m.peak_s <= end:
|
||
parts.append(f"{m.label}{' forte' if m.strong else ''} em {when(m.peak_s)}")
|
||
presence = len(with_face) / len(inside)
|
||
text = "; ".join(parts[:max_items]) if parts else "sem reação marcante no rosto"
|
||
if body_parts:
|
||
text += "; " + "; ".join(body_parts[:2])
|
||
if presence < 0.7:
|
||
text += f" (rosto visível em {int(round(presence * 100))}% do trecho)"
|
||
return text
|
||
|
||
|
||
# ---------------------------------------------------------------------------------------------------------------
|
||
# Corpo/cabeça e mapa de expressões
|
||
|
||
# Texto de cada rótulo de corpo no resumo do juiz.
|
||
BODY_TEXT: dict[str, str] = {
|
||
"balançando": "balançando a cabeça", "acenando": "acenando com a cabeça", "agitado": "agitado na cadeira",
|
||
"chegou perto": "chegou perto da câmera", "saiu do quadro": "saiu do quadro",
|
||
}
|
||
BODY_PRIORITY: tuple[str, ...] = ("saiu do quadro", "chegou perto", "agitado", "balançando", "acenando")
|
||
|
||
|
||
@dataclass
|
||
class BodyMoment:
|
||
"""Movimento da cabeça/corpo num trecho (mesmo sem expressão no rosto)."""
|
||
|
||
start_s: int
|
||
end_s: int
|
||
peak_s: int
|
||
label: str # balançando | acenando | agitado | chegou perto | saiu do quadro
|
||
value: float # pernas do balanço, z do movimento, razão do tamanho ou segundos fora, conforme o rótulo
|
||
|
||
def to_json(self) -> dict:
|
||
return {"startS": self.start_s, "endS": self.end_s, "peakS": self.peak_s, "label": self.label,
|
||
"value": round(self.value, 2)}
|
||
|
||
|
||
def _head_ok(second: FaceSecond, p: ReactionParams) -> bool:
|
||
"""Cabeça bem visível no segundo inteiro (rastreio sem pulos). Série antiga: usa o rosto."""
|
||
if second.head is not None:
|
||
return second.head >= p.head_min
|
||
return second.present >= p.motion_min_present
|
||
|
||
|
||
def _runs(flags: list[bool], max_gap: int = 1) -> list[tuple[int, int]]:
|
||
"""Trechos [i, j] de índices ligados, juntando buracos de até `max_gap` segundos."""
|
||
out: list[tuple[int, int]] = []
|
||
for i, on in enumerate(flags):
|
||
if not on:
|
||
continue
|
||
if out and i - out[-1][1] <= max_gap + 1:
|
||
out[-1] = (out[-1][0], i)
|
||
else:
|
||
out.append((i, i))
|
||
return out
|
||
|
||
|
||
def body_moments(seconds: list[FaceSecond], params: ReactionParams | None = None) -> list[BodyMoment]:
|
||
"""Balanço, aceno, agitação, chegar perto e sair do quadro — relativos ao normal do próprio streamer.
|
||
|
||
Rastreio perdido nunca vira movimento: só contam segundos com a cabeça em ≥ `head_min` dos quadros, o passo
|
||
entre quadros é limitado (`head_max_step`) e a agitação exige a janela inteira com a cabeça visível.
|
||
"""
|
||
p = params or ReactionParams()
|
||
n = len(seconds)
|
||
ok = [_head_ok(s, p) for s in seconds]
|
||
out: list[BodyMoment] = []
|
||
|
||
def add(name: str, i: int, j: int, values: list[float]) -> None:
|
||
k = max(range(i, j + 1), key=lambda x: values[x])
|
||
out.append(BodyMoment(seconds[i].t, seconds[j].t, seconds[k].t, name, values[k]))
|
||
|
||
shake = [(s.shake or 0.0) if ok[i] else 0.0 for i, s in enumerate(seconds)]
|
||
nod = [(s.nod or 0.0) if ok[i] else 0.0 for i, s in enumerate(seconds)]
|
||
for i, j in _runs([v >= p.osc_legs for v in shake], 0):
|
||
add("balançando", i, j, shake)
|
||
for i, j in _runs([nod[k] >= p.osc_legs and shake[k] < p.osc_legs for k in range(n)], 0):
|
||
add("acenando", i, j, nod)
|
||
|
||
# Agitação: movimento da cabeça bem acima do normal dele em vários segundos de uma janela sem rastreio perdido.
|
||
idx = [i for i, s in enumerate(seconds) if ok[i] and s.head_motion is not None]
|
||
base = rolling_baseline(seconds, idx, "head_motion", p.extra_floors.get("head_motion", 0.15), p)
|
||
motion_z = [0.0] * n
|
||
for i in idx:
|
||
if i in base:
|
||
median, spread = base[i]
|
||
motion_z[i] = ((seconds[i].head_motion or 0.0) - median) / spread
|
||
hot = [False] * n
|
||
w = p.agitation_window_s
|
||
for i in range(0, max(0, n - w + 1)):
|
||
window = range(i, i + w)
|
||
if all(ok[k] for k in window) and sum(motion_z[k] >= p.agitation_z for k in window) >= p.agitation_min_s:
|
||
for k in window:
|
||
hot[k] = hot[k] or motion_z[k] >= p.agitation_z
|
||
for i, j in _runs(hot, 1):
|
||
add("agitado", i, j, motion_z)
|
||
|
||
# Chegou perto: cabeça bem maior que o tamanho normal dele (rosto com pontos e caixa do detector têm escalas
|
||
# diferentes: cada um contra o próprio neutro).
|
||
ratio = [0.0] * n
|
||
sources = (("size", lambda s: s.present >= p.motion_min_present and bool(s.size)),
|
||
("hsize", lambda s: s.hsize is not None and s.present < p.min_present))
|
||
for name, has in sources:
|
||
idx = [i for i, s in enumerate(seconds) if ok[i] and has(s)]
|
||
base = rolling_baseline(seconds, idx, name, 1e-6, p)
|
||
for i in idx:
|
||
if i in base and base[i][0] > 0:
|
||
ratio[i] = float(getattr(seconds[i], name)) / base[i][0]
|
||
for i, j in _runs([r >= p.lean_ratio for r in ratio], 0):
|
||
if j - i + 1 >= p.lean_min_s:
|
||
add("chegou perto", i, j, ratio)
|
||
|
||
# Saiu do quadro: só com o campo `head` (a caixa do detector segue a cabeça de perfil; sem ele, o MediaPipe
|
||
# perdendo o rosto pareceria saída). Segundo sem dado nenhum (bloco não rastreado) não conta como fora.
|
||
# Levantar e sair leva 1–2 s com a cabeça só em parte do segundo (sessão 15: "++" antes do vazio): até
|
||
# `leave_transition_s` segundos parciais entre o "visível" e o "fora" contam como a saída.
|
||
gone = [s.head is not None and s.head <= p.leave_gone_max for s in seconds]
|
||
for i, j in _runs(gone, 0):
|
||
if j - i + 1 < p.leave_gone_s:
|
||
continue
|
||
start = i
|
||
while (start > 0 and i - start < p.leave_transition_s and seconds[start - 1].head is not None
|
||
and p.leave_gone_max < (seconds[start - 1].head or 0.0) < p.head_min):
|
||
start -= 1
|
||
before = range(max(0, start - p.leave_before_s), start)
|
||
if len(before) == p.leave_before_s and all(
|
||
seconds[k].head is not None and (seconds[k].head or 0.0) >= p.head_min for k in before):
|
||
out.append(BodyMoment(seconds[start].t, seconds[j].t, seconds[start].t, "saiu do quadro",
|
||
float(j - i + 1)))
|
||
return sorted(out, key=lambda b: (b.start_s, BODY_PRIORITY.index(b.label)))
|
||
|
||
|
||
def expression_map(seconds: list[FaceSecond], params: ReactionParams | None = None,
|
||
body: list[BodyMoment] | None = None) -> list[dict]:
|
||
"""Mapa de expressões: por segundo, a expressão dominante (`expr`) e o movimento do corpo (`body`).
|
||
|
||
`expr`: `None` sem rosto; senão o rótulo do segundo (`label` com o z do neutro do streamer). Sorriso que não chega
|
||
a pico (sinal < `threshold`) é **alegria**, não risada. `body`: rótulo do `body_moments` que cobre o segundo
|
||
(prioridade: saiu do quadro > chegou perto > agitado > balançando > acenando) ou `None`.
|
||
"""
|
||
p = params or ReactionParams()
|
||
zs = channel_z(seconds, p)
|
||
yawns = yawn_seconds(seconds, zs, p)
|
||
out = []
|
||
for i, (second, z) in enumerate(zip(seconds, zs)):
|
||
expr = None
|
||
if z is not None:
|
||
expr = "bocejo" if i in yawns else label(second, z, p)
|
||
# Sorriso sem pico e sem boca abrindo/dentes à mostra = alegria; rindo de dentes à mostra continua risada.
|
||
if (expr == "risada" and (_signal_from_z(z, p) or 0.0) < p.threshold
|
||
and z.get("jaw", 0.0) < p.label_z and z.get("upper_lip", 0.0) < p.label_z):
|
||
expr = "alegria"
|
||
out.append({"t": second.t, "expr": expr, "body": None})
|
||
first = seconds[0].t if seconds else 0
|
||
for b in sorted(body if body is not None else body_moments(seconds, p),
|
||
key=lambda b: -BODY_PRIORITY.index(b.label)): # o mais importante escreve por último
|
||
for t in range(b.start_s, b.end_s + 1):
|
||
i = t - first
|
||
if 0 <= i < len(out):
|
||
out[i]["body"] = b.label
|
||
return out
|
||
|
||
|
||
# ---------------------------------------------------------------------------------------------------------------
|
||
# Onde está a câmera
|
||
|
||
|
||
def _rect(x: float, y: float, w: float, h: float) -> dict[str, float]:
|
||
return {"x": round(x, 4), "y": round(y, 4), "w": round(w, 4), "h": round(h, 4)}
|
||
|
||
|
||
def _clip_rect(x0: float, y0: float, x1: float, y1: float) -> tuple[float, float, float, float]:
|
||
x0, y0 = min(1.0, max(0.0, x0)), min(1.0, max(0.0, y0))
|
||
x1, y1 = min(1.0, max(0.0, x1)), min(1.0, max(0.0, y1))
|
||
return x0, y0, max(x0, x1), max(y0, y1)
|
||
|
||
|
||
def locate_cam(detections_per_frame: list[list[tuple[float, float, float, float, float]]], frame_w: float,
|
||
frame_h: float, edges: dict[str, list[float]] | None = None,
|
||
params: ReactionParams | None = None) -> dict:
|
||
"""Acha a câmera do streamer a partir das detecções de rosto de alguns quadros espalhados da live.
|
||
|
||
`detections_per_frame`: um item por quadro (lista vazia = nenhum rosto), cada detecção `(x, y, w, h, score)`
|
||
em pixels. `edges` (opcional): bordas persistentes da moldura da câmera, em fração do quadro —
|
||
`{"xs": [linhas verticais], "ys": [linhas horizontais]}` (ex.: média do gradiente entre os quadros).
|
||
|
||
A câmera é o grupo de rostos que aparece na mesma posição em ≥ `min_presence` dos quadros; rosto de jogo,
|
||
cutscene ou de outra pessoa passa por poucos quadros e é ignorado (na bancada, 6 rostos de uma tela de
|
||
carregamento apareceram em 2 de 12 quadros, sempre no mesmo lugar: é a presença que separa, não a posição).
|
||
Cada detecção entra no grupo cujo CENTRO (média corrente) esteja a até `cluster_faces` larguras/alturas de
|
||
rosto dela — o streamer que se inclina continua no mesmo grupo.
|
||
|
||
Retângulo: rosto expandido (≈3,2× largura, 3,6× altura, deslocado para baixo), com folga acima da testa.
|
||
Câmera sem moldura (streamer recortado sobre o jogo, o caso da bancada) só tem esse caminho; `edges` é opcional
|
||
e só ajusta os lados quando há moldura de verdade. Devolve
|
||
`{hasWebcam, cam: {x,y,w,h} | None, faceRect, confidence, fullFrame}` em frações 0..1.
|
||
"""
|
||
p = params or ReactionParams()
|
||
total = len(detections_per_frame)
|
||
empty = {"hasWebcam": False, "cam": None, "faceRect": None, "confidence": 0.0, "fullFrame": False}
|
||
if total == 0 or frame_w <= 0 or frame_h <= 0:
|
||
return empty
|
||
# Grupos por posição: cada um guarda (quadro, cx, cy, w, h, score) normalizados.
|
||
groups: list[list[tuple[int, float, float, float, float, float]]] = []
|
||
for frame, detections in enumerate(detections_per_frame):
|
||
for x, y, w, h, score in detections:
|
||
if score < p.min_score or w <= 0 or h <= 0:
|
||
continue
|
||
nw, nh = w / frame_w, h / frame_h
|
||
cx, cy = x / frame_w + nw / 2, y / frame_h + nh / 2
|
||
best, best_d = None, math.inf
|
||
for g in groups:
|
||
gx, gy = _mean([d[1] for d in g]), _mean([d[2] for d in g])
|
||
gw, gh = _mean([d[3] for d in g]), _mean([d[4] for d in g])
|
||
dx, dy = abs(cx - gx) / gw, abs(cy - gy) / gh
|
||
if dx <= p.cluster_faces and dy <= p.cluster_faces and max(dx, dy) < best_d:
|
||
best, best_d = g, max(dx, dy)
|
||
if best is None:
|
||
groups.append([(frame, cx, cy, nw, nh, score)])
|
||
else:
|
||
best.append((frame, cx, cy, nw, nh, score))
|
||
candidates = []
|
||
for g in groups:
|
||
frames = len({d[0] for d in g})
|
||
ratio = frames / total
|
||
gw, gh = _mean([d[3] for d in g]), _mean([d[4] for d in g])
|
||
# Estabilidade em tamanhos de rosto: independe do zoom da câmera e da resolução.
|
||
spread = math.hypot(statistics.pstdev([d[1] for d in g]) / gw, statistics.pstdev([d[2] for d in g]) / gh)
|
||
if ratio >= p.min_presence and spread <= p.stable_faces and _mean([d[5] for d in g]) >= p.min_cam_score:
|
||
candidates.append((ratio, _mean([d[5] for d in g]), spread, g))
|
||
if not candidates:
|
||
return empty
|
||
ratio, score, spread, g = max(candidates, key=lambda c: (c[0], c[1]))
|
||
fw, fh = _mean([d[3] for d in g]), _mean([d[4] for d in g])
|
||
fcx, fcy = _mean([d[1] for d in g]), _mean([d[2] for d in g])
|
||
face_rect = _rect(*_xywh(*_clip_rect(fcx - fw / 2, fcy - fh / 2, fcx + fw / 2, fcy + fh / 2)))
|
||
confidence = round(min(1.0, ratio * score * (1.0 - 0.5 * spread / p.stable_faces)), 3)
|
||
if fh > p.full_frame_h:
|
||
return {"hasWebcam": True, "cam": _rect(0, 0, 1, 1), "faceRect": face_rect,
|
||
"confidence": confidence, "fullFrame": True}
|
||
# Estimativa pelo rosto: 3,2× a largura, 3,6× a altura, deslocado para baixo (ombros aparecem na câmera).
|
||
cw, ch = fw * p.expand_w, fh * p.expand_h
|
||
ccy = fcy + p.shift_down * fh
|
||
x0, x1 = fcx - cw / 2, fcx + cw / 2
|
||
y0, y1 = ccy - ch / 2, ccy + ch / 2
|
||
if edges:
|
||
reach_x, reach_y = p.edge_reach * fw, p.edge_reach * fh
|
||
x0 = _snap(x0, edges.get("xs", []), outside_of=fcx - fw / 2, reach=reach_x, side=-1)
|
||
x1 = _snap(x1, edges.get("xs", []), outside_of=fcx + fw / 2, reach=reach_x, side=1)
|
||
# Em cima, a borda só vale acima da folga da testa: moldura falsa (ex.: um banner) não corta a cabeça.
|
||
y0 = _snap(y0, edges.get("ys", []), outside_of=fcy - fh / 2 - p.headroom * fh, reach=reach_y, side=-1)
|
||
y1 = _snap(y1, edges.get("ys", []), outside_of=fcy + fh / 2, reach=reach_y, side=1)
|
||
cam = _rect(*_xywh(*_clip_rect(x0, y0, x1, y1)))
|
||
return {"hasWebcam": True, "cam": cam, "faceRect": face_rect, "confidence": confidence, "fullFrame": False}
|
||
|
||
|
||
def _xywh(x0: float, y0: float, x1: float, y1: float) -> tuple[float, float, float, float]:
|
||
return x0, y0, x1 - x0, y1 - y0
|
||
|
||
|
||
def _snap(estimate: float, lines: list[float], outside_of: float, reach: float, side: int) -> float:
|
||
"""Troca o lado estimado pela borda da moldura mais próxima dele, se houver uma além do rosto e a até `reach`."""
|
||
valid = [v for v in lines if (v <= outside_of if side < 0 else v >= outside_of) and abs(v - estimate) <= reach]
|
||
return min(valid, key=lambda v: abs(v - estimate)) if valid else estimate
|