# 手术室耗材篮子识别包（离线 + 推流）

段内流程：**手检（≥2 手 union）→ 好坏帧门控 → 耗材分类**；**推流**在每个接触段内与耗材**并行**医生识别；**离线**在全片结束后追加一行医生信息。

与 `configs/default_config.yaml` 当前参数一致（`imgsz_det: 1920`、`contact+1~+6` 等）。

## 环境要求

- Python 3.10+（推荐 conda 环境 `yolo`）
- NVIDIA GPU + CUDA
- `python3-tk`（每次运行首帧弹窗框选篮子 ROI）
- `ffmpeg` / `ffprobe`（HEVC 视频建议先转 H.264，见下文）

## 快速安装

```bash
cd /path/to/6.1
bash setup.sh

# 若用 conda（推荐）
conda activate yolo
pip install -r requirements.txt
```

## 三个入口

| 脚本 | 用途 |
|------|------|
| `main_basket.py` | **离线**：全片篮子接触分段 → Phase2 → gap 合并 → 医生识别 |
| `main_basket_stream.py` | **推流/本地 MP4 模拟推流**：逐帧触发 → 段内耗材+医生并行 → 实时写 15 列 TSV |
| `main_segments_offline.py` | 按 TSV 时间段对离线 MP4 重跑段内识别（校验用） |

## 1. 离线跑视频

```bash
conda activate yolo
cd /path/to/6.1

python main_basket.py \
  --video /path/to/your.mp4 \
  --excel input/视频中的商品信息表.xlsx \
  --out output/result_offline.txt \
  --save-basket-roi output/basket_roi.json \
  --config configs/default_config.yaml
```

运行后**弹窗框选篮子 ROI**，然后自动全片扫描 + 段内识别。

## 2. 推流（或本地 MP4 测试）

```bash
python main_basket_stream.py \
  --rtsp /path/to/your.mp4 \
  --excel input/视频中的商品信息表.xlsx \
  --out output/result_stream.txt \
  --save-basket-roi output/basket_roi_stream.json \
  --config configs/default_config.yaml
```

- 本地 MP4：`stream.infer_source: file` → 段内**回源 4K**（与离线一致）
- 真 RTSP：无法 seek 时回退 JPEG 缓存（`cache_max_width: 1920`）
- 医生识别：`doctor_identity.stream_enabled: true` 时，每段并行识别，TSV 追加 `doctor_id` / `doctor_name` / `doctor_conf`

## 3. HEVC 视频

4K HEVC 可能导致 OpenCV 解码不稳定，建议先转码：

```bash
bash scripts/remux_hevc.sh /path/to/source.mp4
# 输出: input/remuxed/<name>_h264.mp4
```

## 配置说明（`configs/default_config.yaml`）

| 段 | 关键参数 |
|----|----------|
| `phase2` | `imgsz_det: 1920`，`pad_bottom_ratio: 0.5`，`det_conf: 0.6` |
| `classification` | 好帧 0.8，耗材 0.8，重试 0.6 / 0.5 |
| `basket` | `iou_on: 0.03`，`confirm: 0.1`，`cooldown: 3`，窗口 contact+1~+6 |
| `stream` | 段窗口与 basket 一致；`infer_source: file` |
| `io` | `use_whitelist: false`（全 41 类） |
| `doctor_identity` | `enabled` / `stream_enabled`；推流用 `segment_sample_fps` 在段 `[start,end]` 内采样 |

## 模型文件（`weights/`）

- `hand_detect.pt` — 手部检测
- `goodbad_frame.pt` — 好坏帧门控
- `haocai_classify.pt` — 耗材分类
- `doctor_identity_package/doctor_info.pth` — 医生 ReID（需同目录 `train_reid_contrastive.py`）

## 输出格式

- **推流**：15 列 TSV（12 列耗材 + `doctor_id` / `doctor_name` / `doctor_conf`），无末尾汇总行
- **离线**：12 列 TSV + 末尾一行 `医生信息：...`（全片中间窗口识别）

## 目录结构

```
6.1/
├── main_basket.py              # 离线入口
├── main_basket_stream.py       # 推流入口
├── main_segments_offline.py    # TSV 段内重跑
├── configs/default_config.yaml
├── weights/                    # 3 个 YOLO 权重
├── input/视频中的商品信息表.xlsx
├── doctor_identity_package/    # 医生识别（离线整片 + 推流段内）
├── src/  code/                 # 编排与算法
├── output/                     # 结果输出目录
├── setup.sh  requirements.txt
└── README.md
```

## 常见问题

1. **CUDA OOM**：勿将 `imgsz_det` 设为 3840；当前 1920 在 8GB 显卡可用。
2. **无 GUI**：无法弹窗框选 ROI，需另备 ROI JSON（当前入口每次仍弹窗）。
3. **分段过多**：可调大 `basket.confirm_seconds` 或 `cooldown_seconds`。