"""InsightFace wrapper: load model, decode images, extract 512-d embeddings.

Скопировано и расширено из work-pcs-adm-time-tracker. Импорты InsightFace и PIL
сделаны ленивыми — face-service может запускаться без них (SKIP_MODEL_LOAD=true)
для интеграционных тестов raw-embedding эндпоинтов.
"""
import os
import base64
import io
import logging
import numpy as np

logger = logging.getLogger(__name__)

MODEL_NAME = os.getenv("MODEL_NAME", "buffalo_l")
DET_SCORE_THRESHOLD = float(os.getenv("DET_SCORE_THRESHOLD", "0.7"))

_app = None  # FaceAnalysis | None — ленивый импорт.


def load_model():
    global _app
    if _app is not None:
        return _app
    from insightface.app import FaceAnalysis  # ленивый импорт
    logger.info(f"Загружаю модель InsightFace '{MODEL_NAME}'...")
    app = FaceAnalysis(name=MODEL_NAME, providers=["CPUExecutionProvider"])
    app.prepare(ctx_id=0, det_thresh=DET_SCORE_THRESHOLD, det_size=(640, 640))
    _app = app
    logger.info("Модель загружена.")
    return _app


def decode_image(base64_str: str) -> np.ndarray:
    """Декодирует base64-строку в numpy-массив (BGR, формат OpenCV)."""
    from PIL import Image  # ленивый импорт
    if "," in base64_str:
        base64_str = base64_str.split(",", 1)[1]

    image_bytes = base64.b64decode(base64_str)
    image = Image.open(io.BytesIO(image_bytes)).convert("RGB")
    img_array = np.array(image)
    return img_array[:, :, ::-1].copy()


def detect_best_face(base64_str: str):
    """Возвращает (embedding, quality, bbox_norm) лучшего лица или (None, None, None).

    bbox_norm — [x1, y1, x2, y2] в нормализованных 0..1 координатах относительно
    размера изображения. UI рисует overlay поверх displayed image.
    """
    app = load_model()

    try:
        img = decode_image(base64_str)
    except Exception as e:
        logger.warning(f"Ошибка декодирования изображения: {e}")
        return None, None, None

    faces = app.get(img)
    if not faces:
        return None, None, None

    best_face = max(faces, key=lambda f: f.det_score)
    if best_face.det_score < DET_SCORE_THRESHOLD:
        return None, None, None

    embedding = best_face.normed_embedding.astype(np.float32)
    quality = float(best_face.det_score)

    h, w = img.shape[:2]
    box = best_face.bbox.tolist()  # [x1, y1, x2, y2] в пикселях
    bbox = {
        "box": [
            max(0, int(box[0])),
            max(0, int(box[1])),
            min(w, int(box[2])),
            min(h, int(box[3])),
        ],
        "imgW": w,
        "imgH": h,
    }
    return embedding, quality, bbox


def get_embedding(base64_str: str) -> np.ndarray | None:
    """Обратная совместимость: только эмбеддинг лучшего лица."""
    embedding, _, _ = detect_best_face(base64_str)
    return embedding


def is_model_loaded() -> bool:
    return _app is not None