Vehicle_Road_Counter/src/videoService/video_pipeline.hpp

#pragma once

#include <atomic>
#include <condition_variable>
#include <map>
#include <memory>
#include <mutex>
#include <opencv2/opencv.hpp>
#include <queue>
#include <string>
#include <thread>
#include <vector>

#include "spdlog/spdlog.h"
#include "yoloDetector/yolo_detector.hpp"

// ... TrackedVehicle 结构体保持不变 ...
struct TrackedVehicle {
	int id;
	cv::Rect box;
	float ev_score;
	int missing_frames;
	int last_class_id;
	std::string label;
};

// [新增] 每一帧的数据包
struct FrameData {
	long frame_id;						   // 帧序号，用于排序
	cv::Mat original_frame;				   // 原始图像
	std::vector<DetectionResult> results;  // 检测结果
};

class VideoPipeline {
public:
	VideoPipeline();
	~VideoPipeline();

	void Start(const std::string& inputUrl, const std::string& outputUrl);
	void StartTest(const std::string& filePath, const std::string& outputUrl);
	void Stop();

private:
	void processLoop(std::string inputUrl, std::string outputUrl, bool isFileSource);

	// [新增] 工作线程函数
	void inferenceWorker();

	void drawOverlay(cv::Mat& frame, const std::vector<TrackedVehicle>& trackedObjects);
	void updateTracker(const std::vector<DetectionResult>& detections);
	float computeIOU(const cv::Rect& box1, const cv::Rect& box2);

private:
	std::atomic<bool> running_;
	std::thread processingThread_;	// 主处理线程
	std::unique_ptr<YoloDetector> detector_;

	// 追踪相关
	std::map<int, TrackedVehicle> tracks_;
	int next_track_id_ = 0;

	// === [新增] 多线程并行处理相关 ===
	std::vector<std::thread> worker_threads_;  // 3个工作线程

	// 输入队列 (待检测)
	std::queue<FrameData> input_queue_;
	std::mutex input_mtx_;
	std::condition_variable input_cv_;
	const size_t MAX_INPUT_QUEUE_SIZE = 5;	// 限制缓冲大小，防止内存爆炸

	// 输出缓冲区 (已检测，等待排序)
	// 使用 map 自动按 frame_id 排序，解决乱序问题
	std::map<long, FrameData> output_buffer_;
	std::mutex output_mtx_;
	std::condition_variable output_cv_;
};