从服务器读取IP并将检测数据写入数据库

core/all.py

@@ -1,9 +1,18 @@
 import cv2
+import numpy as np
+from PIL.Image import Image
+
 from core.ocr import load_model as ocrLoadModel, detect as ocrDetect
 from core.face import load_model as faceLoadModel, detect as faceDetect
 from core.yolo import load_model as yoloLoadModel, detect as yoloDetect
 # 导入保存路径函数（根据实际文件位置调整导入路径）
-from core.establish import get_image_save_path
+import numpy as np
+import base64
+from io import BytesIO
+from PIL import Image
+from ds.db import db
+from mysql.connector import Error as MySQLError
+
 # 模型加载状态标记（避免重复加载）
 
 
@@ -26,7 +35,28 @@ def load_model():
     print("所有检测模型加载完成")
 
 
-def detect(frame):
+def save_db(model_type, client_ip, result):
+    conn = None
+    cursor = None
+    try:
+        # 连接数据库
+        conn = db.get_connection()
+        # 往表插入数据
+        cursor = conn.cursor(dictionary=True)  # 返回字典格式结果
+        insert_query = """
+            INSERT INTO device_danger (client_ip, type, result)
+            VALUES (%s, %s, %s)
+        """
+        cursor.execute(insert_query, (client_ip, model_type, result))
+        conn.commit()
+    except MySQLError as e:
+        raise Exception(f"获取设备列表失败: {str(e)}") from e
+    finally:
+        db.close_connection(conn, cursor)
+
+
+
+def detect(client_ip, frame):
     """
     执行模型检测，检测到违规时按指定格式保存图片
     参数：
@@ -38,23 +68,19 @@ def detect(frame):
     yolo_flag, yolo_result = yoloDetect(frame)
     print(f"YOLO检测结果：{yolo_result}")
     if yolo_flag:
-        # 元组解构：获取「完整保存路径」和「显示用短路径」
-        full_save_path, display_path = get_image_save_path(model_type="yolo")
-        if full_save_path:  # 只判断完整路径是否有效（用于保存）
-            cv2.imwrite(full_save_path, frame)
-            # 打印时使用「显示用短路径」，符合需求格式
-            print(f"✅ YOLO违规图片已保存：{display_path}")
+        save_db(model_type="yolo", client_ip=client_ip, result=numpy_array_to_base64(frame))
+        # if full_save_path:  # 只判断完整路径是否有效（用于保存）
+        #     cv2.imwrite(full_save_path, frame)
+        #     # 打印时使用「显示用短路径」，符合需求格式
+        #     print(f"✅ YOLO违规图片已保存：{display_path}")
         return (True, yolo_result, "yolo")
-
-    # 2. 人脸检测（优先级2）
+    #
+    # # 2. 人脸检测（优先级2）
     face_flag, face_result = faceDetect(frame)
     print(f"人脸检测结果：{face_result}")
     if face_flag:
-        # 同样解构元组，分离保存路径和显示路径
-        full_save_path, display_path = get_image_save_path(model_type="face")
-        if full_save_path:
-            cv2.imwrite(full_save_path, frame)
-            print(f"✅ 人脸违规图片已保存：{display_path}")
+        # 将帧转化为 base64 字符串
+        save_db(model_type="face", client_ip=client_ip, result=numpy_array_to_base64(frame))
         return (True, face_result, "face")
 
     # 3. OCR检测（优先级3）
@@ -62,12 +88,70 @@ def detect(frame):
     print(f"OCR检测结果：{ocr_result}")
     if ocr_flag:
         # 解构元组，保存用完整路径，打印用短路径
-        full_save_path, display_path = get_image_save_path(model_type="ocr")
-        if full_save_path:
-            cv2.imwrite(full_save_path, frame)
-            print(f"✅ OCR违规图片已保存：{display_path}")
+        save_db(model_type="ocr", client_ip=client_ip, result=ocr_result)
+        # if full_save_path:
+        #     cv2.imwrite(full_save_path, frame)
+        #     print(f"✅ OCR违规图片已保存：{display_path}")
         return (True, ocr_result, "ocr")
 
     # 4. 无违规内容（不保存图片）
     print(f"❌ 未检测到任何违规内容，不保存图片")
-    return (False, "未检测到任何内容", "none")
+    return (False, "未检测到任何内容", "none")
+
+
+def numpy_array_to_base64(arr, img_format='PNG'):
+    """
+    将numpy数组转换为base64字符串
+
+    参数:
+        arr: numpy数组，通常是图像数据，形状为(height, width, channels)
+        img_format: 图像格式，默认为'PNG'，也可以是'JPEG'等PIL支持的格式
+
+    返回:
+        str: 转换后的base64字符串
+
+    异常:
+        ValueError: 当输入不是有效的numpy数组或不支持的形状时抛出
+        Exception: 处理过程中出现的其他异常
+    """
+    try:
+        # 检查输入是否为numpy数组
+        if not isinstance(arr, np.ndarray):
+            raise ValueError("输入必须是numpy数组")
+
+        # 处理单通道图像（灰度图）
+        if len(arr.shape) == 2:
+            arr = np.expand_dims(arr, axis=-1)
+
+        # 检查数组形状是否有效
+        if len(arr.shape) != 3 or arr.shape[2] not in [1, 3, 4]:
+            raise ValueError("numpy数组必须是形状为(height, width, channels)的图像数据，通道数应为1、3或4")
+
+        # 处理数据类型，确保是uint8类型
+        if arr.dtype != np.uint8:
+            # 归一化到0-255并转换为uint8
+            arr = ((arr - arr.min()) / (arr.max() - arr.min() + 1e-8) * 255).astype(np.uint8)
+
+        # 将单通道图像转换为PIL支持的模式
+        if arr.shape[2] == 1:
+            arr = arr.squeeze(axis=-1)
+            image = Image.fromarray(arr, mode='L')  # L模式表示灰度图
+        elif arr.shape[2] == 3:
+            image = Image.fromarray(arr, mode='RGB')
+        else:  # 4通道
+            image = Image.fromarray(arr, mode='RGBA')
+
+        # 将图像保存到内存缓冲区
+        buffer = BytesIO()
+        image.save(buffer, format=img_format)
+
+        # 从缓冲区读取数据并编码为base64
+        buffer.seek(0)
+        base64_str = base64.b64encode(buffer.read()).decode('utf-8')
+
+        return base64_str
+
+    except ValueError as ve:
+        raise ve
+    except Exception as e:
+        raise Exception(f"转换过程中发生错误: {str(e)}")