import cv2
import numpy as np
from PIL.Image import Image

from core.establish import get_image_save_path
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）
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）


_model_loaded = False


def load_model():
    """加载所有检测模型（仅首次调用时执行）"""
    global _model_loaded
    if _model_loaded:
        print("模型已加载，无需重复执行")
        return

    # 依次加载OCR、人脸、YOLO模型
    ocrLoadModel()
    faceLoadModel()
    yoloLoadModel()

    _model_loaded = True
    print("所有检测模型加载完成")


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：
        frame: 待检测的图像帧（OpenCV格式，numpy.ndarray类型）
    返回：
        (检测结果布尔值, 检测详情, 检测模型类型)
    """
    # 1. YOLO检测（优先级1）
    yolo_flag, yolo_result = yoloDetect(frame)
    print(f"YOLO检测结果：{yolo_result}")
    if yolo_flag:
        full_save_path, display_path = get_image_save_path(model_type="yolo", client_ip=client_ip)
        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=str(full_save_path))
        return (True, yolo_result, "yolo")
    #
    # # 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:
        full_save_path, display_path = get_image_save_path(model_type="yolo", client_ip=client_ip)
        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"✅ face违规图片已保存：{display_path}")
        save_db(model_type="face", client_ip=client_ip, result=str(full_save_path))
        return (True, face_result, "face")

    # 3. OCR检测（优先级3）
    ocr_flag, ocr_result = ocrDetect(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="yolo", client_ip=client_ip)
        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"✅ ocr违规图片已保存：{display_path}")
        save_db(model_type="ocr", client_ip=client_ip, result=str(full_save_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")