video_module.py

import cv2
import numpy as np
import os
from PIL import Image
from image_module import analyze_image


def analyze_video(video_path, num_samples=10):
    """
    使用 OpenCV 对视频进行均匀抽帧，并复用图像引擎进行鉴别
    :param video_path: 视频文件的路径
    :param num_samples: 准备抽取的代表性帧数（默认 10 帧）
    """
    # 1. 打开视频文件
    cap = cv2.VideoCapture(video_path)
    if not cap.isOpened():
        return {"error": "无法打开视频文件"}

    # 2. 获取视频的基础信息
    total_frames = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
    fps = cap.get(cv2.CAP_PROP_FPS)

    # 3. 计算均匀抽帧的索引 (比如从 300 帧里均匀选 10 个时间点)
    if total_frames < num_samples:
        num_samples = total_frames  # 如果视频太短，有几帧抽几帧
    intervals = np.linspace(0, total_frames - 1, num_samples, dtype=int)

    frame_scores = []

    # 4. 开始逐帧提取
    for frame_idx in intervals:
        cap.set(cv2.CAP_PROP_POS_FRAMES, frame_idx)  # 跳转到指定帧
        ret, frame = cap.read()

        if ret:
            # OpenCV 默认读取的是 BGR 格式，我们需要转成正常的 RGB 格式
            frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
            pil_img = Image.fromarray(frame_rgb)

            # 临时保存为图片文件，喂给咱们之前写好的图像模块
            temp_path = f"temp_frame_{frame_idx}.jpg"
            pil_img.save(temp_path)

            try:
                # 🌟 核心：直接调用咱们炼好的图像鉴别引擎！
                result = analyze_image(temp_path)
                frame_scores.append(result['final_probability'])
            finally:
                # 阅后即焚，清理临时文件
                if os.path.exists(temp_path):
                    os.remove(temp_path)

    cap.release()

    if not frame_scores:
        return {"error": "未能成功提取任何视频帧"}

    # 5. 综合计算这 10 张图的得分
    avg_score = np.mean(frame_scores)
    max_score = np.max(frame_scores)  # 记录最可疑的一帧

    return {
        "avg_probability": avg_score,
        "max_probability": max_score,
        "sampled_frames": num_samples,
        "total_frames": total_frames,
        "fps": fps
    }