import cv2
import numpy as np

# Créez un objet VideoCapture pour accéder à la webcam
cap = cv2.VideoCapture(0)  # L'argument 0 représente la première webcam, vous pouvez changer cela si vous en avez plusieurs.

# Chargez un modèle pré-entrainé de détection de bras (Haar Cascade)
arm_cascade = cv2.CascadeClassifier('haarcascade_arm.xml')  # Assurez-vous d'avoir ce fichier XML dans le même répertoire.

while True:
    # Capturez une image à partir de la webcam
    ret, frame = cap.read()
    
    if not ret:
        break

    # Convertissez l'image en niveaux de gris (c'est souvent plus rapide pour la détection)
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # Détectez les bras dans l'image
    arms = arm_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

    # Dessinez un rectangle autour de chaque bras détecté
    for (x, y, w, h) in arms:
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)

    # Affichez l'image avec les rectangles dessinés
    cv2.imshow('Arm Detection', frame)

    # Arrêtez la boucle si l'utilisateur appuie sur la touche 'q'
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# Libérez la webcam et fermez toutes les fenêtres OpenCV
cap.release()
cv2.destroyAllWindows()