📌 Pision 집중도 측정 로직 정리

✅ 전체 흐름 요약

카메라 영상 입력
   ↓
Vision 프레임 분석 (얼굴, 포즈, EAR, yaw, blink)
   ↓
ML 모델 예측 (30프레임 누적 시)
   ↓
프레임 기록 (yaw, EAR, blink, ML 결과)
   ↓
점수 계산 (30초마다 Core, 60초마다 Aux)
   ↓
집중 여부 판단 → 집중 시간 측정
   ↓
세션 종료 시 결과 요약 및 기록

---

🧩 1단계: 실시간 카메라 입력

📁 파일: CameraManager.swift
📌 핵심 코드:

videoOutput.setSampleBufferDelegate(self, queue: sessionQueue)

func captureOutput(...) {
  visionManager.processFaceLandMark(pixelBuffer: pixelBuffer)
  visionManager.processBodyPose(pixelBuffer: pixelBuffer)
}

---

🧩 2단계: Vision 프레임 분석

📁 파일: VisionManager.swift

🧠 얼굴 분석 (Yaw, Roll, EAR, Blink)

• VNDetectFaceLandmarksRequest
• EAR < 0.2 && 0.3초 간격 이상 → 깜빡임으로 간주 → blinkCount++

📌 클로저:

onFaceDetection?(faces, yaws, rolls)
onBlinkDetection?(ear, isBlinking, blinkCount)

🧍‍♂️ 포즈 분석

• VNDetectHumanBodyPoseRequest → 관절 정보 추출 → MLManager로 전달

📌 클로저:

onPoseDetection?(observation)

---

🧩 3단계: ML 모델 예측

📁 파일: MLManager.swift

• 포즈 버퍼 30개 모이면 예측 시작

if poseBuffer.count == 30 { bodyPosePredict() }

• 입력 형식: [30, 3, 18] (프레임, 좌표축, 관절)
• 출력 결과:

let label = result.label // "focus", "snooze"
let confidence = result.labelProbabilities[label]

📌 클로저:

onPrediction?(label, confidence)

---

🧩 4단계: 프레임 데이터 기록

📁 파일: SessionManager.swift

func addFrameData(_ frameData: FrameData)

저장 구조

struct FrameData {
  let timestamp: Date
  let yaw: Float
  let ear: Float
  let blinkDetected: Bool
  let mlPrediction: String?
  let mlConfidence: Double?
}

• 최대 2분치만 유지

---

🧩 5단계: 점수 계산

📁 파일: SessionManager.swift

---

🧮 Core Score (30초 주기)

calculateCoreScore()

항목	설명	계산식	가중치
yawScore	고개 흔들림 정도	(1 - normalize(avgYaw, 0 ~ 0.4)) * 100	0.4
eyeOpenScore	눈을 얼마나 떴는지	normalize(avgEAR, 0.15 ~ 0.35) * 100	0.25
eyeClosedScore	눈을 덜 감았는지	(1 - eyeClosedRatio) * 100	0.2
blinkScore	깜빡임이 적은지	(1 - normalize(blinkPerMinute, 0 ~ 30)) * 100	0.15

coreScore = yawScore + eyeOpenScore + eyeClosedScore + blinkScore

📦 저장: ScoreDetailData

---

📡 Aux Score (60초 주기)

calculateAuxScore()

항목	설명	계산식	가중치
blinkScoreAux	깜빡임 빈도	(1 - normalize(blinkCount, 0 ~ 30)) * 100	0.25
yawStabilityScore	고개 안정성	(1 - normalize(avgYawChange, 0 ~ 0.2)) * 100	0.25
mlSnoozeScore	졸음 예측 비율	(1 - snoozeRatio)^2 * 100	0.5

snooze 조건:

mlPrediction == "snooze" || ear < 0.18 || abs(yaw) > 0.3

📦 저장: ScoreDetailData

---

🧩 6단계: Total Score + 집중 추적

currentTotalScore = coreScore * 0.7 + auxScore * 0.3

집중 판단

let isFocused = totalScore >= 50

• 시작 시 currentFocusStart = Date()
• 해제 시 (start, end) → focusSegments 기록

totalFocusTime = sum(focusSegments.map { $0.end - $0.start })

---

🧩 7단계: 세션 종료 결과 생성

📁 getSessionData()

SessionData(
  startTime: sessionStartTime,
  endTime: Date(),
  totalDuration: end - start,
  totalFocusTime: totalFocusTime,
  averageScore: mean(scoreHistory.map { $0.totalScore }),
  scoreHistory: [ScoreData],
  focusSegments: [(start, end)]
)

---

🧱 핵심 데이터 구조 요약

FrameData

struct FrameData {
  let timestamp: Date
  let yaw: Float
  let ear: Float
  let blinkDetected: Bool
  let mlPrediction: String?
  let mlConfidence: Double?
}

ScoreDetailData

struct ScoreDetailData {
  let avgYaw, avgEAR, eyeClosedRatio, blinkCount: Float
  let yawScore, eyeOpenScore, eyeClosedScore, blinkScore: Float
  let avgYawChange, snoozeRatio, totalFrames, blinkCountAux: Float?
  let yawStabilityScore, mlSnoozeScore, blinkScoreAux: Float?
}

ScoreData

struct ScoreData {
  let timestamp: Date
  let coreScore: Float
  let auxScore: Float?
  let totalScore: Float
  let isFocused: Bool
  let mlPrediction: String?
  let mlConfidence: Double?
  let detailData: ScoreDetailData?
}

SessionData

struct SessionData {
  let startTime: Date
  let endTime: Date
  let totalDuration: TimeInterval
  let totalFocusTime: Int
  let averageScore: Float
  let scoreHistory: [ScoreData]
  let focusSegments: [(start: Date, end: Date)]
}

---

🔁 전체 클로저 흐름 정리

카메라 프레임
 ↓
CameraManager.captureOutput
 ↓
VisionManager.processFaceLandMark / processBodyPose
 ↓
  ├─ onFaceDetection → CameraManager → ViewModel
  ├─ onBlinkDetection → SessionManager.addFrameData
  └─ onPoseDetection → MLManager.addPoseObservation
                          ↓
                      MLManager.bodyPosePredict
                          ↓
                      onPrediction → VisionManager → onMLPrediction → SessionManager.updateMLPrediction

---

✅ 최종 요약

Vision으로 얼굴과 포즈를 인식해 EAR, yaw, blink, ML 예측 결과를 추출하고, 이를 매 프레임마다 기록해 30초/60초 주기로 Core/Aux 집중 점수를 계산한 후, 집중 지속 여부에 따라 시간 구간을 추적하고, 세션 종료 시 전체 집중 시간과 평균 집중 점수를 SessionData로 저장합니다.