"""Опорный тест: реальный объект на ~55 м в бэге `doubleT_obstacle`.

Печатает, в скольких кадрах он попал в кандидаты и в подтверждённые треки,
и сколько при этом было посторонних тревог.

    python tools/check_obstacle.py [--memory artifacts/mushroom_body.npz]         [--mbon artifacts/mbon_folds/mbon_roundT_doubleT.npz]
"""
from __future__ import annotations

import argparse

import numpy as np

import _bootstrap as B  # noqa: F401
from _metrics import auc
from flyguard.bag import Bag
from flyguard.mushroom_body import MushroomBody
from flyguard.pipeline import FlyGuard, Params

TRUE_D = (50.0, 62.0)          # объект стоит на 54.7…56.9 м всю запись


def main() -> None:
    ap = argparse.ArgumentParser(description=__doc__)
    ap.add_argument("--bag", default=str(B.DATA / "for_hackathon" / "doubleT_obstacle"))
    ap.add_argument("--memory")
    ap.add_argument("--mbon", default="",
                    help="обученное считывание; для честной цифры берите складку, "
                         "не видевшую этот бэг: artifacts/mbon_folds/mbon_roundT_doubleT.npz")
    ap.add_argument("--limit", type=int, default=200)
    ap.add_argument("--verbose", action="store_true")
    ap.add_argument("--tracks", action="store_true",
                    help="сравнить признаки трека у настоящего объекта и у "
                         "ложных треков: единственная проверка, где метка "
                         "не синтетическая")
    args = ap.parse_args()

    memory = MushroomBody.load(args.memory) if args.memory else None
    readout = None
    if args.mbon:
        from flyguard.mbon_readout import MbonReadout
        readout = MbonReadout.load(args.mbon)
        print(f"считывание MBON: {args.mbon}")
    fg = FlyGuard(Params(), memory=memory, readout=readout)
    bag = Bag(args.bag)

    n = cand_hit = track_hit = other = 0
    novelties, evid = [], []
    trk_X, trk_y = [], []
    for k, (_, pc) in enumerate(bag.frames(stop=args.limit)):
        res = fg.process(pc)
        if res is None:
            continue
        n += 1
        cs = [c for c in res.candidates if TRUE_D[0] < c.d < TRUE_D[1]]
        if cs:
            cand_hit += 1
            novelties.append(max(c.novelty for c in cs))
        objs = res.decision.objects
        mine = [o for o in objs if TRUE_D[0] < o.distance < TRUE_D[1]]
        if mine:
            track_hit += 1
            evid.append(max(o.confidence for o in mine))
        other += len(objs) - len(mine)
        if args.tracks:
            from flyguard.track_readout import describe_track
            cx = fg.cx
            for tr in cx.tracks:
                dd = tr.distance(cx.s_world)
                if not (0.0 < dd <= 220.0) or tr.hits < 2:
                    continue
                trk_X.append(describe_track(tr, cx.s_world))
                trk_y.append(int(TRUE_D[0] < dd < TRUE_D[1]))
        if args.verbose and k % 20 == 0:
            print(f"  кадр {k:4d}: канд. в зоне {len(cs)}, "
                  f"треков всего {len(objs)}, в зоне {len(mine)}, "
                  f"ближайший {res.decision.distance:.1f} м")

    print(f"кадров обработано: {n}")
    print(f"объект среди кандидатов: {cand_hit}/{n} = {cand_hit/max(n,1):.1%}"
          + (f"   новизна медиана {np.median(novelties):.3f}" if novelties else ""))
    print(f"объект подтверждён треком: {track_hit}/{n} = {track_hit/max(n,1):.1%}"
          + (f"   уверенность медиана {np.median(evid):.3f}" if evid else ""))
    print(f"посторонних подтверждённых объектов: {other} ({other/max(n,1):.2f} на кадр)")

    if args.tracks and trk_y:
        from flyguard.track_readout import TRACK_FEATURES
        X, y = np.stack(trk_X), np.array(trk_y)
        idx = {f: k for k, f in enumerate(TRACK_FEATURES)}
        print()
        print(f"наблюдений трека: {len(y)}, настоящего объекта {int(y.sum())}")
        print(f"{'признак':<12}{'объект':>9}{'ложные':>9}{'AUC':>8}")
        for f in ("evidence", "w_mean", "p_mean", "p_max", "rays_mean",
                  "s_std", "u_std", "age"):
            v = X[:, idx[f]]
            print(f"{f:<12}{np.median(v[y == 1]):9.3f}"
                  f"{np.median(v[y == 0]):9.3f}{auc(v, y):8.3f}")


if __name__ == "__main__":
    main()