视觉系统“看见一个人”以后常常需要输出区域进入、停留、姿态变化或某段动作等结论。这里最大的风险是把简单规则包装成智能判断或反过来用复杂模型处理本可解释的几何条件。本文给出一条从检测结果到视频事件的选型方法。目录事件结论需要什么证据规则、轨迹特征和动作模型如何选择固定案例、实现与验证反例、复核与事件发布边界与验收一、事件结论需要什么证据结论最小证据合适技术进入指定区域稳定目标中心点跨越区域边界几何规则 跟踪在区域内停留同一轨迹持续时间轨迹特征 时间窗口手臂抬起关键点角度持续满足条件姿态规则连续动作类别多帧外观或骨架序列时序动作模型图1规则、轨迹和动作模型解决的是不同复杂度的“判断”问题。二、规则、轨迹特征和动作模型如何选择条件优先方案优点不适用边界区域边界明确、机位稳定几何规则可解释、成本低、可审计镜头移动或区域语义模糊需要持续时间、速度、方向轨迹特征能处理连续对象行为轨迹质量不足时结论不可靠动作取决于关节关系姿态序列规则阈值可解释、便于调试遮挡和复杂动作会降低可见性动作阶段多、节奏差异大时序动作模型可学习时间模式需要代表性数据和严格评测规则并不“低级”。当输入条件稳定、结论可由公开几何条件定义时规则往往比黑盒模型更容易验证。只有规则无法覆盖的变形、顺序和上下文才值得引入时序模型。图2复杂模型不是默认答案证据形式决定技术层级。三、固定案例、实现与验证固定案例为匿名轨迹进入区域后连续停留。输入是track_id、中心点和时间戳输出是ENTERED、DWELLING或EVIDENCE_INSUFFICIENT。持续时间由单调时间差计算不能由帧号猜测。defdwell_event(track_points,zone,min_ms3000):inside[pforpintrack_pointsifzone.contains(p.x,p.y)]iflen(inside)2:returnEVIDENCE_INSUFFICIENTreturnDWELLINGifinside[-1].ts_ms-inside[0].ts_msmin_mselseENTEREDCREATETABLEvisual_event_evidence(idBIGINTPRIMARYKEYAUTO_INCREMENT,event_noVARCHAR(64)NOTNULL,event_typeVARCHAR(32)NOTNULL,track_refVARCHAR(64)NOTNULL,evidence_start_msBIGINTNOTNULL,evidence_end_msBIGINTNOTNULL,decisionVARCHAR(32)NOTNULL,UNIQUEKEYuk_visual_event_no(event_no));SELECTevent_noFROMvisual_event_evidenceWHEREdecisionDWELLINGANDevidence_end_ms-evidence_start_ms3000;测试必须覆盖边界贴线、轨迹断裂、停留不足和时间戳乱序。轨迹不连续时不应拼接为一段停留事件。服务层怎样阻止错误事件进入下游事件服务接收的是轨迹证据而不是“模型已判断”的布尔值。它先校验轨迹质量和规则版本再执行规则无法形成连续窗口就返回证据不足Transactional(rollbackForException.class)publicEventDecisiondecide(EventCommandcommand){TrackEvidenceevidencetrackRepository.requireContinuous(command.trackRef());if(evidence.quality()!TrackQuality.PASS){returnEventDecision.insufficient(TRACK_NOT_CONTINUOUS);}ZoneRuleruleruleRepository.requireVersion(command.ruleVersion());returnrule.dwellMillis(evidence.points())command.minDwellMillis()?EventDecision.accepted(DWELLING):EventDecision.accepted(ENTERED);}deftest_short_window_is_not_dwell():points[Point(100,100,0),Point(100,100,2999)]assertdwell_event(points,zone,3000)ENTERED预期输出需要包括event_type、证据起止时间、规则版本、轨迹引用和决定状态。没有这五项就无法让人工复核判断事件是规则误触发、轨迹错误还是输入画面本身不可用。图3事件不是一个标签而是一段可回放、可复核的证据范围。难例集怎样验证事件判断有了事件证据结构后下一步不是立刻展示“识别成功”的视频而是建立会挑战规则和模型边界的难例集。以区域进入和停留为例至少应包含四类片段目标中心点贴着边界移动、目标短暂离开又返回、跟踪编号在区域内断裂、视频丢帧导致时间间隔突变。对于肢体动作还应加入动作只出现一半、关键关节被遮挡、多人骨架重叠和没有动作但姿态相近的反例。难例主要风险预期系统行为不应出现的结果贴边移动中心点抖动导致反复跨线应用滞回或时间窗口必要时请求复核同一对象连续产生多个进入事件轨迹断裂两段轨迹被错误拼成停留输出证据不足或重新跟踪用不同track_id拼接持续时间时间戳跳变丢帧让停留时长被放大标记输入异常阻止自动发布按帧号推算出虚假时长姿态相近但未完成动作单帧姿势误触发要求完整动作窗口或送人工复核单帧就给出动作结论评测时除了统计事件 recall还要统计误触发率、重复事件数和起止时间偏差。例如一个停留事件虽然被识别到但开始时间早了 2 秒、结束时间晚了 3 秒可能仍不满足业务使用条件。难例评测的输出应包含事件原始结论、人工标注结论、差异类型和证据片段索引这些数据才是调整区域边界、时间窗口或动作模型的依据。defevent_result(expected,actual,start_error_ms,end_error_ms):ifexpected!actual:returnCLASSIFICATION_MISMATCHifabs(start_error_ms)500orabs(end_error_ms)500:returnBOUNDARY_MISMATCHreturnMATCHEDdeftest_large_time_error_is_not_a_pass():assertevent_result(DWELLING,DWELLING,800,0)BOUNDARY_MISMATCH图4难例验证比展示成功片段更能说明视频理解是否可靠。四、反例、复核与事件发布事件规则或动作模型通过离线样本集后仍要为每一次运行保留“不确定”的出口。典型反例包括轨迹刚好贴着区域边界、同一对象因遮挡被拆成两段、关键点短暂消失、动作窗口只有前半段、视频存在跳帧或时间戳倒退。它们不应被硬塞进ENTERED、DWELLING或某个动作类别。AUTO_PUBLISH证据连续、规则/模型版本已验证且结论远离阈值边界。 REVIEW_REQUIRED时间、空间或置信度接近阈值需要查看证据片段。 EVIDENCE_INSUFFICIENT轨迹、关键点或时间戳缺失不能推断结论。 RULE_VERSION_MISMATCH任务引用的规则版本未被当前验收集覆盖。复核问题要展示的证据可以做的决定是否真的进入区域标注视频、区域轮廓、轨迹中心点与时间戳发布、拒绝或调整区域版本是否满足停留时长连续轨迹、开始/结束时间、断轨标记发布、证据不足或重跑跟踪是否触发肢体动作骨架叠加、窗口帧、置信度曲线发布、复核不通过或改用时序模型是否可由规则处理反例集表现、规则版本与覆盖范围保留规则或升级为模型评测事件发布必须是幂等的同一个任务、规则版本、轨迹引用和时间窗口组合只能形成一个正式事件。这样重跑任务或重复点“确认”不会产生多个看似不同的结论。ALTERTABLEvisual_event_evidenceADDCOLUMNrule_versionVARCHAR(64)NOTNULLDEFAULTv1,ADDUNIQUEKEYuk_event_evidence_once(track_ref,event_type,evidence_start_ms,evidence_end_ms,rule_version);-- 自动发布的事件必须具备完整证据区间预期为空。SELECTevent_noFROMvisual_event_evidenceWHEREdecisionAUTO_PUBLISHAND(evidence_end_msevidence_start_msORrule_versionISNULL);人工复核界面只应暴露本次事件附近的脱敏片段和证据摘要不需要将整段原始视频交给每个审核人。复核结果反向记录为“规则边界错误”“轨迹证据不足”“输入质量问题”或“模型判断偏差”这样下一轮改进才有具体方向。图5允许输出证据不足才能避免视觉系统在不可靠条件下强行下结论。五、边界与验收事件结论不能替代人的意图判断区域规则依赖机位与区域版本动作模型依赖标注定义和样本分布。上线时应记录规则/模型版本、证据窗口、轨迹质量和人工复核结果并对“证据不足”建立正常处理路径。验收报告需分别统计自动发布、人工确认、复核拒绝和证据不足的比例不能只展示已经成功发布的事件数量。