Update app.py

app.py

@@ -10,6 +10,8 @@ st.title("Video Frame to Image Description")
 # Загрузка видеофайла
 uploaded_file = st.file_uploader("Upload a video file", type=["mp4", "avi", "mov"])
 
+cap = None  # Инициализируем объект cap как None
+
 if uploaded_file is not None:
     # Создаем временный файл для хранения видео
     tfile = tempfile.NamedTemporaryFile(delete=False)
@@ -19,33 +21,38 @@ if uploaded_file is not None:
     cap = cv2.VideoCapture(tfile.name)
     length = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
     
-    # Выбор случайного кадра
-    random_frame = np.random.randint(length)
-    cap.set(cv2.CAP_PROP_POS_FRAMES, random_frame)
-    ret, frame = cap.read()
+    if length > 0:
+        # Выбор случайного кадра
+        random_frame = np.random.randint(length)
+        cap.set(cv2.CAP_PROP_POS_FRAMES, random_frame)
+        ret, frame = cap.read()
 
-    if ret:
-        # Отображение выбранного кадра
-        st.image(frame, channels="BGR", caption=f"Random Frame {random_frame}")
-        
-        # Конвертация кадра в формат, пригодный для отправки в модель
-        _, buf = cv2.imencode('.jpg', frame)
-        files = {'file': ('image.jpg', buf.tobytes(), 'image/jpeg')}
-        
-        # Отправка изображения в модель
-        response = requests.post(
-            "https://hf.space/embed/nttdataspain/Image-To-Text-Lora-ViT/api/predict",
-            files=files
-        )
-        
-        # Получение и отображение результата
-        if response.status_code == 200:
-            result = response.json()
-            description = result['data'][0]['generated_text']
-            st.success(f"Generated Description: {description}")
+        if ret:
+            # Отображение выбранного кадра
+            st.image(frame, channels="BGR", caption=f"Random Frame {random_frame}")
+            
+            # Конвертация кадра в подходящий формат для отправки в модель
+            _, buf = cv2.imencode('.jpg', frame)
+            files = {'file': ('image.jpg', buf.tobytes(), 'image/jpeg')}
+            
+            # Отправка изображения в модель
+            response = requests.post(
+                "https://hf.space/embed/nttdataspain/Image-To-Text-Lora-ViT/api/predict",
+                files=files
+            )
+            
+            # Получение и отображение результата
+            if response.status_code == 200:
+                result = response.json()
+                description = result['data'][0]['generated_text']
+                st.success(f"Generated Description: {description}")
+            else:
+                st.error("Error: Could not get a response from the model.")
         else:
-            st.error("Error: Could not get a response from the model.")
+            st.error("Error: Could not read a frame from the video.")
     else:
-        st.error("Error: Could not read a frame from the video.")
+        st.error("Error: Video file does not contain any frames.")
 
-cap.release()
+# Проверяем, был ли cap создан, и только тогда освобождаем ресурсы
+if cap is not None:
+    cap.release()