feat: 人员识别与管理模块 - MediaPipe人脸检测、人脸识别、人员库管理

local_analyzer.py

@@ -5,7 +5,7 @@ Local Analyzer - 本地视觉分析（无需大模型）
 功能：
 - 帧间差分：检测运动
 - 背景建模：检测前景物体
-- 人体检测：检测人员进出
+- 人员识别：检测并识别人物（新人员自动入库）
 - 亮度检测：检测光线变化
 - 自动判断是否需要调用大模型
 """
@@ -13,6 +13,18 @@ import cv2
 import numpy as np
 from pathlib import Path
 import datetime
+import sys
+import os
+
+# 添加项目路径
+sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))
+
+try:
+    from person_manager import person_manager
+    HAS_PERSON_MANAGER = True
+except ImportError:
+    HAS_PERSON_MANAGER = False
+    print("[LocalAnalyzer] PersonManager not available")
 
 
 class LocalAnalyzer:
@@ -104,40 +116,90 @@ class LocalAnalyzer:
                 })
                 self.motion_count += 1
             
-            # 2. 人体检测
-            human_result = self._detect_human(current_frame)
-            metrics['human_count'] = human_result['count']
+            # 2. 人员检测与识别
+            person_result = {'persons': [], 'total_count': 0, 'new_count': 0, 'known_count': 0}
             
-            # 记录人数变化
-            human_count_change = human_result['count'] - self.prev_human_count
-            metrics['human_count_change'] = human_count_change
-            
-            if human_count_change > 0:
-                events.append({
-                    'event_type': '人物活动',
-                    'description': f'检测到 {human_count_change} 人进入，当前共 {human_result["count"]} 人',
-                    'confidence': '高',
-                    'source': 'local'
-                })
-                self.human_count += human_count_change
-            elif human_count_change < 0:
-                events.append({
-                    'event_type': '人物活动',
-                    'description': f'检测到 {abs(human_count_change)} 人离开，当前剩 {human_result["count"]} 人',
-                    'confidence': '高',
-                    'source': 'local'
-                })
-            elif human_result['count'] > 0:
-                # 人数没变但有人
-                events.append({
-                    'event_type': '人物活动',
-                    'description': f'检测到 {human_result["count"]} 个人（无变化）',
-                    'confidence': '低',
-                    'source': 'local'
-                })
-            
-            # 更新前一帧人数（在 should_call_model 中更新）
-            # self.prev_human_count = human_result['count']
+            if HAS_PERSON_MANAGER:
+                print(f"[LocalAnalyzer] Using PersonManager for face detection...")
+                person_result = person_manager.analyze_image(image_path, save_new_person=True)
+                
+                metrics['person_count'] = person_result['total_count']
+                metrics['new_persons'] = person_result['new_count']
+                metrics['known_persons'] = person_result['known_count']
+                
+                # 记录人员变化
+                prev_person_count = self.prev_human_count  # 用之前的变量名
+                person_count_change = person_result['total_count'] - prev_person_count
+                metrics['person_count_change'] = person_count_change
+                
+                for person in person_result['persons']:
+                    if person['is_new']:
+                        events.append({
+                            'event_type': '人物活动',
+                            'description': f'新人出现: {person["name"]}，当前共 {person_result["total_count"]} 人',
+                            'confidence': '高',
+                            'source': 'local'
+                        })
+                        self.human_count += 1
+                    else:
+                        events.append({
+                            'event_type': '人物活动',
+                            'description': f'已知人员: {person["name"]}，已访问 {person_manager.persons.get(person["person_id"], {}).get("visit_count", 1)} 次',
+                            'confidence': '高',
+                            'source': 'local'
+                        })
+                
+                # 检测人员进出
+                if person_count_change > 0:
+                    events.append({
+                        'event_type': '人员进出',
+                        'description': f'检测到 {person_count_change} 人进入，当前共 {person_result["total_count"]} 人',
+                        'confidence': '高',
+                        'source': 'local'
+                    })
+                elif person_count_change < 0:
+                    events.append({
+                        'event_type': '人员进出',
+                        'description': f'检测到 {abs(person_count_change)} 人离开，当前剩 {person_result["total_count"]} 人',
+                        'confidence': '高',
+                        'source': 'local'
+                    })
+                
+                # 更新前一帧人数
+                self.prev_human_count = person_result['total_count']
+                
+            else:
+                # 使用传统人体检测（备用）
+                human_result = self._detect_human(current_frame)
+                metrics['human_count'] = human_result['count']
+                
+                human_count_change = human_result['count'] - self.prev_human_count
+                metrics['human_count_change'] = human_count_change
+                
+                if human_count_change > 0:
+                    events.append({
+                        'event_type': '人物活动',
+                        'description': f'检测到 {human_count_change} 人进入，当前共 {human_result["count"]} 人',
+                        'confidence': '高',
+                        'source': 'local'
+                    })
+                    self.human_count += human_count_change
+                elif human_count_change < 0:
+                    events.append({
+                        'event_type': '人物活动',
+                        'description': f'检测到 {abs(human_count_change)} 人离开，当前剩 {human_result["count"]} 人',
+                        'confidence': '高',
+                        'source': 'local'
+                    })
+                elif human_result['count'] > 0:
+                    events.append({
+                        'event_type': '人物活动',
+                        'description': f'检测到 {human_result["count"]} 个人（无变化）',
+                        'confidence': '低',
+                        'source': 'local'
+                    })
+                
+                self.prev_human_count = human_result['count']
             
             # 3. 亮度检测
             brightness_result = self._detect_brightness_change(current_gray, prev_image_path)
@@ -306,23 +368,25 @@ class LocalAnalyzer:
         """判断是否需要调用大模型"""
         
         # 条件1：人数变化（最重要）
-        current_human_count = metrics.get('human_count', 0)
-        human_count_change = abs(current_human_count - self.prev_human_count)
+        current_person_count = metrics.get('person_count', metrics.get('human_count', 0))
+        person_count_change = metrics.get('person_count_change', metrics.get('human_count_change', 0))
         
-        # 更新前一帧人数
-        self.prev_human_count = current_human_count
-        
-        if human_count_change >= self.config['human_count_change_threshold']:
-            print(f"[LocalAnalyzer] Human count changed: {self.prev_human_count} -> {current_human_count}, triggering model")
+        # 更新前一帧人数（如果还没更新）
+        if abs(person_count_change) >= self.config['human_count_change_threshold']:
+            print(f"[LocalAnalyzer] Person count changed: {current_person_count - person_count_change} -> {current_person_count}, triggering model")
             return True
         
-        # 条件2：运动面积超过阈值（排除有人但不动的情况）
-        # 只有在没有人变化时才用这个条件
+        # 条件2：检测到新人
+        if metrics.get('new_persons', 0) > 0:
+            print(f"[LocalAnalyzer] New person detected: {metrics.get('new_persons', 0)}, triggering model")
+            return True
+        
+        # 条件3：运动面积超过阈值（排除有人但不动的情况）
         if metrics.get('motion_ratio', 0) > self.config['trigger_model_threshold'] * 2:
             print(f"[LocalAnalyzer] Large motion detected: {metrics.get('motion_ratio', 0):.2%}")
             return True
         
-        # 条件3：亮度大幅变化（灯开关等）
+        # 条件4：亮度大幅变化（灯开关等）
         if abs(metrics.get('brightness_change', 0)) > self.config['brightness_change_threshold'] * 2:
             print(f"[LocalAnalyzer] Brightness changed: {metrics.get('brightness_change', 0)}")
             return True