app/mediapipe_processor.py

from concurrent.futures import process
import gc
import os
import cv2
import numpy as np
from app.llm import ensure_model_face_exists
import mediapipe as mp
from mediapipe.tasks.python import vision
from mediapipe.tasks.python import BaseOptions
from app.config import FRAME_SKIP_FACE_SIGNALS, FACE_MODEL_PATH
from app.logger import log
import psutil, os
processo = psutil.Process(os.getpid())

def verifify_memory_usage(message, logger=None):
    log(f"{message}: {processo.memory_info().rss / 1024 ** 2:.2f} MB", level="debug", logger=logger)

def extract_face_signals_facelandmarker(video_path, logger=None):
    log(f"Iniciando extração de sinais faciais para {video_path}", logger=logger)

    if not video_path or not os.path.isfile(video_path):
        msg = f"Arquivo de vídeo não encontrado: {video_path}"
        log(msg, level="error", logger=logger)
        raise FileNotFoundError(msg)

    ensure_model_face_exists(logger=logger)

    cap = cv2.VideoCapture(video_path)

    if not cap.isOpened():
        msg = f"Erro: não foi possível abrir o vídeo: {video_path}"
        log(msg, level="error", logger=logger)
        raise FileNotFoundError(msg)
    
    # Valida se existe ao menos 1 frame legível no arquivo.
    has_frame, first_frame = cap.read()
    if not has_frame or first_frame is None:
        cap.release()
        msg = (
            "O arquivo foi aberto, mas não contém frames válidos "
            f"(vazio/corrompido): {video_path}"
        )
        log(msg, level="error", logger=logger)
        raise ValueError(msg)

    # Reinicia para processar desde o início.
    cap.set(cv2.CAP_PROP_POS_FRAMES, 0)

    eye_ratios = []
    head_tilts = []
    eye_deltas = []
    tilt_deltas = []
    prev_eye = None
    prev_tilt = None
    frame_count = 0
    frames_lidos = 0

    # 🔧 Configurar detector
    options = vision.FaceLandmarkerOptions(
        base_options=BaseOptions(
            model_asset_path=str(FACE_MODEL_PATH),
            delegate=BaseOptions.Delegate.CPU,  # para garantir compatibilidade ampla com CPU
        ),
        #output_face_blendshapes=False, # para focar apenas em landmarks
        output_face_blendshapes=True, # para obter informações de expressões faciais 
        output_facial_transformation_matrixes=False,
        running_mode=vision.RunningMode.VIDEO, # para otimizar para vídeo (manter estado entre frames)
        #running_mode=vision.RunningMode.IMAGE, # para evitar problemas de estado entre frames, já que estamos processando de forma mais esparsa e não necessariamente em sequência 
        num_faces=1 # para focar apenas em um rosto (o mais proeminente), o que é comum em vídeos de pacientes
    )

    detector = vision.FaceLandmarker.create_from_options(options)

    try:
        while True:
            ret, frame = cap.read()
            if not ret:
                break
            
            frames_lidos += 1

            if frame_count % FRAME_SKIP_FACE_SIGNALS != 0:
                frame_count += 1
                continue

            rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)

            # 🔄 Converter para formato MediaPipe
            mp_image = mp.Image(image_format=mp.ImageFormat.SRGB, data=rgb)

            # 🔥 alternativa mais precisa de timestamp usando FPS real do vídeo
            fps = cap.get(cv2.CAP_PROP_FPS) or 30
            timestamp = int(frame_count * (1000 / fps))

            try:
                log(f"Processando frame {frame_count}", logger=logger)
                result = detector.detect(mp_image, timestamp) # usando timestamp real para melhorar a precisão temporal, especialmente se o vídeo tiver variações de FPS
                #result = detector.detect(mp_image) # usando detect sem timestamp para evitar problemas de sincronização, já que estamos processando de forma mais esparsa e não necessariamente em sequência
                log(f"Frame {frame_count} processado com sucesso", logger=logger)
            except Exception as e:
                log(f"Erro ao processar frame {frame_count} (timestamp {timestamp}ms): {e}", level="error", logger=logger)
                break

            if result.face_landmarks:
                landmarks = result.face_landmarks[0]

                # 👁️ Eye ratio (simples)
                # landmarks são objetos com .x .y .z
                eye_ratio = abs(landmarks[159].y - landmarks[145].y)
                eye_ratios.append(eye_ratio)

                # 🧠 Head tilt (diferença entre olhos)
                tilt = abs(landmarks[33].y - landmarks[263].y)
                head_tilts.append(tilt)

                if prev_eye is not None:
                    eye_deltas.append(abs(eye_ratio - prev_eye))

                if prev_tilt is not None:
                    tilt_deltas.append(abs(tilt - prev_tilt))

                prev_eye = eye_ratio
                prev_tilt = tilt

            frame_count += 1
    finally:
        cap.release()
        detector.close()
        del detector
        gc.collect()
        try:
            cv2.destroyAllWindows()
        except:
            pass


    # 🔥 valida leitura real
    if frames_lidos == 0:
        msg = f"Erro: nenhum frame foi lido do vídeo: {video_path}"
        log(msg, level="error", logger=logger)
        raise ValueError(msg)

    # 📊 MÉDIAS (como você já tinha)
    avg_eye = sum(eye_ratios)/len(eye_ratios) if eye_ratios else 0
    avg_tilt = sum(head_tilts)/len(head_tilts) if head_tilts else 0

    # 🔥 MOVIMENTO MÉDIO
    movement_eye = sum(eye_deltas)/len(eye_deltas) if eye_deltas else 0
    movement_tilt = sum(tilt_deltas)/len(tilt_deltas) if tilt_deltas else 0

    # 🔥 VARIÂNCIA (DESVIO PADRÃO)
    eye_std = np.std(eye_ratios) if eye_ratios else 0
    tilt_std = np.std(head_tilts) if head_tilts else 0

    # 🔥 SCORE FINAL DE AGITAÇÃO
    agitation_score = movement_eye + movement_tilt + eye_std + tilt_std

    log(f"Eye ratio médio: {avg_eye}", logger=logger)
    log(f"Inclinação cabeça: {avg_tilt}", logger=logger)

    log(f"Movimento olhos: {movement_eye}", logger=logger)
    log(f"Movimento cabeça: {movement_tilt}", logger=logger)

    log(f"Desvio padrão olhos: {eye_std}", logger=logger)
    log(f"Desvio padrão cabeça: {tilt_std}", logger=logger)

    log(f"Score de agitação: {agitation_score}", logger=logger)

    log("Extração de sinais faciais concluída", logger=logger)

    return {
        "eye_ratio": avg_eye,
        "head_tilt": avg_tilt,
        "movement_eye": movement_eye,
        "movement_tilt": movement_tilt,
        "eye_std": eye_std,
        "tilt_std": tilt_std,
        "agitation_score": agitation_score
    }

def extract_face_signals_facemesh(video_path, logger=None):
    mp_face_mesh = mp.solutions.face_mesh
    
    log(f"[FaceMesh] Iniciando extração de sinais faciais para {video_path}", logger=logger)

    if not video_path or not os.path.isfile(video_path):
        msg = f"Arquivo de vídeo não encontrado: {video_path}"
        log(msg, level="error", logger=logger)
        raise FileNotFoundError(msg)

    cap = cv2.VideoCapture(video_path)

    if not cap.isOpened():
        msg = f"Erro: não foi possível abrir o vídeo: {video_path}"
        log(msg, level="error", logger=logger)
        raise FileNotFoundError(msg)

    has_frame, first_frame = cap.read()
    if not has_frame or first_frame is None:
        cap.release()
        msg = f"Arquivo inválido ou sem frames: {video_path}"
        log(msg, level="error", logger=logger)
        raise ValueError(msg)

    cap.set(cv2.CAP_PROP_POS_FRAMES, 0)

    eye_ratios = []
    head_tilts = []
    eye_deltas = []
    tilt_deltas = []

    prev_eye = None
    prev_tilt = None

    frame_count = 0
    frames_lidos = 0

    # 🔥 FaceMesh (leve e estável)
    face_mesh = mp_face_mesh.FaceMesh(
        static_image_mode=False,
        max_num_faces=1,
        refine_landmarks=False,  # 🔥 manter leve
        min_detection_confidence=0.5,
        min_tracking_confidence=0.5
    )

    try:
        while True:
            ret, frame = cap.read()
            if not ret:
                break

            frames_lidos += 1

            if frame_count % FRAME_SKIP_FACE_SIGNALS != 0:
                frame_count += 1
                continue

            # 🔥 reduzir resolução (opcional, recomendado)
            frame = cv2.resize(frame, (320, 240))

            rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)

            try:
                log(f"[FaceMesh] Processando frame {frame_count}", logger=logger)
                results = face_mesh.process(rgb)
            except Exception as e:
                log(f"[FaceMesh] Erro no frame {frame_count}: {e}", level="error", logger=logger)
                break

            if results.multi_face_landmarks:
                landmarks = results.multi_face_landmarks[0].landmark

                # 👁️ Eye ratio (mesma lógica adaptada)
                eye_ratio = abs(landmarks[159].y - landmarks[145].y)
                eye_ratios.append(eye_ratio)

                # 🧠 Head tilt
                tilt = abs(landmarks[33].y - landmarks[263].y)
                head_tilts.append(tilt)

                if prev_eye is not None:
                    eye_deltas.append(abs(eye_ratio - prev_eye))

                if prev_tilt is not None:
                    tilt_deltas.append(abs(tilt - prev_tilt))

                prev_eye = eye_ratio
                prev_tilt = tilt

            frame_count += 1

    finally:
        cap.release()
        face_mesh.close()
        gc.collect()
        try:
            cv2.destroyAllWindows()
        except:
            pass


    if frames_lidos == 0:
        msg = f"Nenhum frame lido do vídeo: {video_path}"
        log(msg, level="error", logger=logger)
        raise ValueError(msg)

    # 📊 MÉTRICAS (mantidas iguais)
    avg_eye = sum(eye_ratios)/len(eye_ratios) if eye_ratios else 0
    avg_tilt = sum(head_tilts)/len(head_tilts) if head_tilts else 0

    movement_eye = sum(eye_deltas)/len(eye_deltas) if eye_deltas else 0
    movement_tilt = sum(tilt_deltas)/len(tilt_deltas) if tilt_deltas else 0

    eye_std = np.std(eye_ratios) if eye_ratios else 0
    tilt_std = np.std(head_tilts) if head_tilts else 0

    agitation_score = movement_eye + movement_tilt + eye_std + tilt_std

    log(f"[FaceMesh] Eye ratio médio: {avg_eye}", logger=logger)
    log(f"[FaceMesh] Inclinação cabeça: {avg_tilt}", logger=logger)

    log(f"[FaceMesh] Movimento olhos: {movement_eye}", logger=logger)
    log(f"[FaceMesh] Movimento cabeça: {movement_tilt}", logger=logger)

    log(f"[FaceMesh] Desvio padrão olhos: {eye_std}", logger=logger)
    log(f"[FaceMesh] Desvio padrão cabeça: {tilt_std}", logger=logger)

    log(f"[FaceMesh] Score de agitação: {agitation_score}", logger=logger)

    log("[FaceMesh] Extração concluída", logger=logger)

    return {
        "eye_ratio": avg_eye,
        "head_tilt": avg_tilt,
        "movement_eye": movement_eye,
        "movement_tilt": movement_tilt,
        "eye_std": eye_std,
        "tilt_std": tilt_std,
        "agitation_score": agitation_score
    }