AutoVision 行业方案¶
基于 AutoVision 开源底座的行业视频分析方案族：一套通用范式 + 八个场景 方案 + 一个交付平台。每个方案把行业口径、合规红线与误报治理工程化成 可验收的系统，而不是"一个模型识别一切"。
通用范式：三模型流水线¶
所有方案共享同一条判定链——发现、确认、裁决分离，每层只回答自己的问题：
| 模型 | 职责 | 回答的问题 |
|---|---|---|
| AI-Detect | 开放词汇检测，L1 发现 | "画面里有可判定的对象/事件吗？" |
| AI-Recognize | 时序身份追踪 + 区域语义，L2 确认 | "还是之前那个目标吗？相对基线变了吗？出现在哪些点位？" |
| AI-Reference | 多模态 grounding 裁决（Qwen3-VL） | "那真的是目标事件——还是光影、雾霭、道具或规范工况？" |
判定链之外的四条统一纪律：
- 范围先行：每个方案的开篇都是"范围外声明"——系统只输出"疑似/线索"， 认定权在行业主管（交管/公安/防火条例），措辞纪律有单测保证。
- 人审是主流程：AI 产出线索，默认进入复核队列；告警预算与台账治理 控制"狼来了"效应。
- 误报治理结构化：白名单台账、豁免区域、作业窗口、持续确认窗、 双源融合——用结构消歧，不靠阈值硬调。
- fail-loud 与降敏：断流告警、相机健康门（冻结/散焦/遮挡/移位）、 夜间与恶劣天气按天气分桶降级声明。
方案总览¶
-
交通事件三域分析
遗撒散落物 · 事故复合评分分级 · 拥堵监测
-
林草火险 + 防汛防台
早期烟柱 · 水位尺读数 · 星空地三源合并
-
违规操作视频监管
SOP 分解为动作清单 · 注册表驱动 · 逐项独立验收
-
治安冲突视频分析
打架/斗殴 T3 长尾 · 疑似告警 + 强制人审 · 告警预算
-
周界防护视频分析
越界拌线 · 禁区闯入 · 徘徊 · 离岗
-
持械/管制器具监管
卡口实时告警 · 以图搜械检索 · 定性权在公安
-
城市生命线视频分析
井盖缺失 · 路面积水 · 路灯故障 · 双源融合派单
-
城市治理视频分析
九类市容事件 · 检出、复核、工单闭环
交付平台：hi-agi-lab/hi-ai-vision （私有）——多点位编排、告警工单、台账治理与复核工作台。
ai-traffic · 交通事件三域分析¶
遗撒散落物 + 事故复合评分分级 + 拥堵监测。疑似/确认两级口径，认定权在交管。
- 事故复合评分：①异常停车 且 ②碎屑 → 疑似（≤60s 抢响应）；加 ③倒地人 → 较可能，且③命中即升 risk4 一票否决，不等确认窗；3 分钟持续确认窗 自动升级/关闭，事件内幂等合并。
- 遗撒双路线：车道内新增 + 静止 ≥10s 承诺达标精度；行驶掉落走 120s 观测窗静态确认，以图搜车串联取证。
- 消歧三层生效：车道多边形过滤、白名单台账（公交站/施工区/锥桶）、 拥堵排队消歧（排队中的静止不计异常停车）。
- 提示词工程量化：同一批 130 图，通用提示词检出 0%，领域提示词把 散落物拉到 79%、事故特征 50%——提示词随代码产线化交付。
技术架构¶
ai-wildfire · 林草火险 + 防汛防台¶
瞭望塔双光谱早期烟柱 · 水位尺读数 · 星空地三源合并。零漏报纪律与误报 预算全部工程化。
- 早期烟窗口：可见色度 + 热像温升双通道发现；升起/增长/持续三特征 齐备才确认，早期烟（<10min）是扑救窗口，漏报的代价是灾损。
- 误报裁决：云、雾、晨霭、扬尘、工业白烟是烟柱的光学近亲—— AI-Reference 逐条裁决"真的从林冠线升起的烟，还是光学近亲"。
- 法定报告链：火情报告制度是人工职责——系统不替代，只提速；夜间/ 浓雾能力边界写入降级声明。
- 水位尺读数：防汛水位自动判读与预警联动，星空地三源在分钟桶配对。
技术架构¶
ai-illop · 违规操作视频监管¶
把企业安全规程（SOP）分解成可训练、可验收的动作清单。注册表驱动， 逐项独立验收，合规红线全部代码化。
- 第一原则：引擎不认识"违规操作"，只认识注册表里的 N 个独立任务—— 违规定义来自每家企业的规程，强训"一个大模型"必然不可验收。
- 8 种规则件：ppe_absence（未戴防护）、region_absence（警示牌缺失）、 class_in_anchor（人/车锚点关系）等 + 消抖/豁免区域/作业窗口/台账对账。
- 排除台账同等重要：对"为什么 AI 做不了这条"给出书面答复， 期望管理前置。
- KPI 口径：只有清单级"达标率"（达到各自 SLO 的动作项数/已启用项数）， 永远不存在"违规识别整体准确率"。涉员工监控的制度依据/告知/用途限定 是上线前置条件。
技术架构¶
ai-conflict · 治安冲突分析¶
打架/斗殴 T3 长尾专项：疑似肢体冲突告警 + 强制人审 + 告警预算 + 以图搜人取证。
- 承诺降级：不承诺"识别打架"（"打"是意图不是像素），承诺"剧烈肢体 冲突动作"的疑似告警；全链路措辞"疑似肢体冲突"，确认前不出现定性词 （措辞纪律有单测）。
- 特征三取二：接触交互（<0.5m ∧ 相对速度 >1.5m/s 持续 ≥2s）+ 动作 模式（挥击/踢击/拉拽/缠斗骨架命中）+ 场景激化（聚集/倒地）；单特征 不触发推送。
- 告警预算制：每点位 ≤8 条/夜，超预算自动降敏（仅紧急级透传）， 次日恢复；打闹消歧三特征把嬉闹从告警里摘出去。
- 人审即标注：每条推送必经 10s 短片人审，reject 原因枚举直接成为 飞轮负样本；星光级相机是点位准入。
技术架构¶
ai-perimeter · 周界防护¶
越界/拌线 · 禁区闯入 · 徘徊逗留 · 离岗，四类事件一套底座。地面几何 判定，fail-safe 不静默，告警零丢失。
- 地面几何判定：透视下画面画框不可靠——脚点轨迹投影到地面坐标再做 拌线交叉/多边形包含，同一个框近处远处不再代表不同区域。
- 相机健康门：冻结、过暗、散焦、遮挡、移位、断流六类问题逐类型 记账；检测器连续异常同样降级——不拿"看不见"当"没有"。
- 告警可靠性：平台抖动不丢告警，网络分区恢复后补投；撤防窗口零 事件（连规则状态机都不推进），布防按站点时区跨午夜归属。
- 点位准入：夜间/红外/远景小人衰减写入点位画像，准入后才承诺指标。
技术架构¶
ai-security · 持械/管制器具监管¶
双形态：卡口实时告警 + 以图搜械检索。合规红线全部代码化。
- 范围声明：通用点位的实时持械检测不承诺、不建设——远距/遮挡/小 目标掉点严重；玩具刀与真刀光学同构（87 crop 实测天花板 74%）， 纯视觉原理上判不了"真实性"。
- 形态一 · 卡口告警：专用安检口近距受控通过，器械 ≥64px 硬准入； 开放词汇检测 + 负提示消歧 + 持握累积 + AI-Reference 三态裁决。
- 形态二 · 以图搜械：低频轮巡把手持"器械状物"crop 入索引；案件 驱动，双人授权查询 Top-N + 出现时间线——历史视频从死资产变可检索。
- 定性权在公安：系统只判"器械状物"，告警措辞不含定性词。
技术架构¶
ai-life-line · 城市生命线¶
复用存量摄像头的城市生命线视频分析：井盖缺失、路面积水、路灯故障的 自动发现与派单。
- 存量复用：不加装传感器，轮巡式分析（复用既有 GA-T1400 视频接入） 替代逐帧解码，覆盖巡查盲区。
- 三场景统一运行时：井盖变化（登记式基线）、路面积水（物理分割 + 干态基线门控）、路灯故障（台账 + 亮度基线）共享同一轮巡/推送/复核链路。
- 双源融合定级：视频线索与 IoT 传感、市民上报在分钟桶融合总线配对， 双源命中即高置信直派——单源不可信时不硬判。
- 气象联动：暴雨预警主备双源触发，积水点位自动升频，预警解除回落。
技术架构¶
ai-urban · 城市治理¶
复用存量摄像头的九类市容事件视频分析：检出、复核、工单闭环。
- 九类事件统一注册：占道经营、流动摊贩、暴露垃圾、渣土遗撒、道路 破损、绿化损毁、违规户外广告、违建、乱倒污水——提示词库、规则参数、 验收目标、复核问句、工单默认均在单一注册表声明，新增类目仅需一行。
- 轮巡规模：A/B 档点位 1 帧/30s，万路规模约 8–11 张 L4（tile 2×2 口径）； 违建快照每日 1 帧另计。
- 两阶段判定：AI-Detect + 规则引擎保召回、抑制瞬态；AI-Reference 仅 对被标记线索做语义裁决（单张约 1–2s、5GB 显存）。
- 线索不立案：AI 仅产出线索，默认进人工复核；疏导点白名单必配； 证据帧带"AI 生成线索"水印，行政处罚须现场重新取证。
技术架构¶
底座：AutoVision 开源框架¶
方案引擎统一通过 pip install autovision-framework（Apache-2.0）消费
底座稳定接缝，不做重复建设：
| 稳定接缝 | 方案侧用途 |
|---|---|
InferenceResult 事件契约 |
检出对象 → 平台事件的标准载体（mask 默认 RLE） |
PolygonZone / LineZone |
车道多边形、禁区、拌线、岗位区域判定 |
run_stream / multi_stream |
断流告警、重连退避、多点位并发轮巡 |
registry + model card |
底座权重版本固定与交付审计（sha256 钉住） |
export（ONNX/TensorRT + parity 门禁） |
边缘盒子部署，数值可对拍 |
serving 参考 FastAPI |
平台接入原型对齐 |