import cv2
import json
import time

# Inicializa o vídeo a partir da webcam (ou outro dispositivo de captura)
cap = cv2.VideoCapture(0)

# Variáveis para controle de tempo
file_path = 'face.json'  # Caminho do arquivo para salvar as coordenadas

# Lista para armazenar as leituras
readings = []

while True:
    # Captura o frame da câmera
    ret, frame = cap.read()

    # Conversão para escala de cinza para facilitar a detecção
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # Utiliza um classificador de Haar Cascade para detectar objetos (neste caso, rostos)
    face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.3, minNeighbors=5)

    current_readings = []

    # Adicionar as coordenadas na lista
    for idx, (x, y, w, h) in enumerate(faces):
        cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)
        cv2.putText(frame, f"Rosto {idx + 1}", (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (255, 0, 0), 2)
        current_readings.append({'id': idx, 'x': int(x), 'y': int(y), 'a': int(w), 'l': int(h)})

    timestamp = time.time()  # Captura o timestamp atual
    readings.append({'timestamp': timestamp, 'rostos': current_readings})

    # Se a lista atingir o limite máximo, remover a leitura mais antiga
    if len(readings) > 10:
        readings.pop(0)

    # Salvar as coordenadas no arquivo a cada intervalo de tempo
    if len(readings) == 10:
        with open(file_path, 'w') as file:
            json.dump({'frames': readings}, file)

    # Mostra o frame com os retângulos
    cv2.imshow('Detecção de Objetos', frame)

    # Verifica se o usuário pressionou a tecla 'q' para sair do loop
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# Libera a captura de vídeo e fecha as janelas
cap.release()
cv2.destroyAllWindows()