治安冲突视频分析（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。语义降格、合规红线全部代码化。
English | 简体中文
图：管线五拍（判定字段为真实管道输出）——真实街头冲突检出经白名单/消歧闸后进入复合分级，产出 behavior/brawl risk4 线索"疑似群体冲突 (卷入约9人)"，全链路措辞"疑似"、定性权在人审与公安。
酒吧街、夜市、KTV、校园周边、交通枢纽的夜间安保，长期存在四项结构性 空白：
| 挑战 | 现状描述 |
|---|---|
| "打架"语义不可达 | "打"是意图不是像素——端到端 RGB 大模型对真实斗殴的判别不具备可验收性，强行承诺"识别打架"的方案都过不了审计 |
| 摆拍→真实域差 | 真实样本极稀缺、标注主观、剧烈遮挡；拿什么训练、怎么验收，是长尾事件的第一难题 |
| 告警疲劳 | 安保第 3 次误报后就会忽视第 10 次真报——把真系统变成噪音发生器只需一个周末 |
| 夜间低照 | 斗殴高发在夜间，普通相机在主战场时段底座先失明 |
| 原则 | 落地 |
|---|---|
| 承诺降级 | 不承诺"识别打架"，承诺"剧烈肢体冲突动作的疑似告警 + 强制人审"；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 | ①接触交互（<0.5m ∧ 相对速度>1.5m/s 持续≥2s，地面标定）＋②动作模式（骨架识别命中挥击/踢击/拉拽/缠斗）＋③场景激化（聚集/倒地）；单特征不触发推送 |
| 人审是主流程 | 每条推送级告警必经 10s 短片人审（≤30s 达标、60s 超时升级）；reject 原因枚举即飞轮负样本标注 |
| 告警预算制 | 每点位 ≤8 条/夜，超预算自动降敏（仅 risk4 紧急级透传）+ 运维提示，次日自动恢复；台账持久化，重启不清零 |
| 高危点位限定 | 星光级相机为点位准入，布防窗按营业时段（跨午夜、站点时区）；时段外零告警（有准出用例） |
帧源(布防闸) → 健康门控 → 人形+跟踪+姿态(行为域底座) → 骨架动作识别(注入契约)
→ 白名单闸(舞蹈/健身区) → 打闹消歧(play抑制/uncertain直推人审)
→ 复合分级(r2推搡/r3冲突/r4群体) → 预算闸(≤8条/夜, risk4透传)
→ 强制人审(10s短片) → 确认: 联动处置+倒地合并+跨点位串联+以图搜人取证
→ 误报: 原因枚举 → 数据飞轮负样本
三道消歧闸各司其职：白名单（时段内"对抗动作"应有完全不同的解释—— 广场舞整体剔除，真实检出 × 最坏对抗注入实测 22/22 零泄漏）； 打闹消歧（对抗朝向/肢体末端速度/交替进攻三特征，play 证据充分才 抑制、uncertain 一律直推人审不硬判）；告警预算（最后闸门：宁可 少报，不造疲劳）。
| 模型 | 职责 | 回答的问题 |
|---|---|---|
| AI-Detect（开放词汇检测） | L1 人形检出 | "夜里这条街上有人吗？几个人、在地面标定坐标的哪里？" |
| AI-Recognize（免提示提议 + 区域嵌入） | L2 取证语义 | "这名已确认的涉事人员，还出现在哪些点位、什么时间？（以图搜人路径回溯）" |
| AI-Reference（Qwen3VL grounding） | 预筛裁决 | "这段片段是肢体冲突——还是广场舞/嬉戏打闹/拥抱搀扶？" |
三件套是流水线，不是三个孤岛——但本域的大脑是规则引擎，三模型是感官： AI-Detect 只回答"人在哪"，"是不是冲突"由特征三取二复合评分判定（接触 交互/动作模式/场景激化，单特征永不触发）；时序特征与语义判读互补而非 冗余——打闹与斗殴在单帧上语义近似（都是肢体接触），区分点在时序对抗 张力（骨架动作序列 + 消歧三特征），这正是骨架动作识别以注入契约接入 的原因；AI-Reference 对主观冲突判读诚实降级为预筛——只过滤显著 误报族（舞蹈/嬉戏/拥抱，设计口径 30~40%），存疑不硬判、直推强制人审， 不承担最终判定；AI-Recognize 只收人审确认事件的人框 crop（合规 红线），嵌入驱动涉事人员到达/离开路径回溯。
- 复合分级引擎 + 首告优先——Episode 内同级别静默、升级才追加
（
source_id带:u{level}后缀稳定可幂等）；冷却防连发但 risk4 永远透传（与预算降敏纪律一致——修复前冷却内群体斗殴被 静默 10 秒零告警，回归测试固化）。 - 前兆监视器——口角对峙/奔跑聚集产出 risk1 提示级（不推送不占 预算），持续期只提示一次防逐轮刷屏；为升级判定提供时间上下文。
- 数据飞轮——人审 confirm=正样本 / reject+原因枚举=负样本， 全量落审计可导出，季度微调只依赖审计导出（§4.2 ③ 落地形态）。
- 涉事取证链——确认事件人框入索引、以图搜人 Top-N 路径回溯； 取证包导出双人审批（请求人与审批人不得同一，自批拒绝有测试）、 校园等未成年人场景须主管审批；索引仅存影像嵌入+时间+点位， 不做身份识别。
- 工程纪律——模型全部注入式（GPL 隔离，分析后端由部署 entrypoint
注入
FrameAnalysis产出器）；SQLite 三张审计台账（人审/预算/取证）- outbox at-least-once HMAC 推送；缺持久化路径配置即 fail-loud （禁止静默落内存库"审计失忆"）。
- 332 张真实图门禁——242 张标注语料（11 类 × 22，百度图片检索， MD5 跨批次去重）+ 90 张历史语料；11 类全量人形召回门禁按实测校准； 检测缓存 + 设备自选（CUDA 空闲显存检查，不足降级 CPU），共享 GPU 环境不假失败。
以下标注均为真实管道输出（人形检测框与置信度取自 detections.json，
未经手工修改）。
正例（高危场景底座检出）：
| 街头冲突 | 群体冲突 | 夜市点位 |
|---|---|---|
 |
 |
 |
负样本（检出但正确不告警 = 系统的另一半能力）：
| 广场舞（白名单） | 拥抱 | 醉酒互搀 |
|---|---|---|
 |
 |
 |
| 口角对峙（前兆） | 嬉戏打闹（消歧） | 体育对抗（白名单） |
|---|---|---|
 |
 |
 |
总览：
以一个周五夜为例（时间为示意，判定与路由为真实逻辑）：
| 时刻 | 环节 | 说明 |
|---|---|---|
| 20:00 | 布防生效 | 布防窗 20:00~次日 02:00（站点时区，跨午夜）；时段外零告警 |
| 22:31 | 前兆提示 | 两人口角对峙 20s（<1m、静止、相向）→ risk1 提示，不推送不占预算 |
| 22:47 | 特征满足 | 两 track 近距对冲持续 ≥2s + 动作识别命中 → 复合分级 risk3 |
| 22:47+2s | 预算闸 | 当夜第 3 条推送级告警，预算内放行（≤8 条/夜） |
| 22:47+3s | 强制人审 | 10s 短片推安保值班终端；18s 判读〔冲突〕→ 联动处置（MTTD 口径：模式满足即产出） |
| 22:49 | 升级 | 第 3 人卷入 + 围观聚集 → risk4 群体冲突，多点位关联检查 |
| 23:10 | 倒地联动 | 同点位 fall 告警合并 → 医疗呼叫 + 优先级提升 |
| 案后 | 取证包 | 双人审批导出：时间线 + 片段 + 涉事人框索引（不含身份识别） |
| 次日 | 飞轮 | confirm/reject 全量入审计 → 季度微调数据源 |
基准口径：332 张真实图片门禁语料（242 张标注：11 类 × 22 + 90 张 历史）+ 92 项单元/门禁测试，详见 CHANGELOG 与 measure_report.json。
图片门禁 16/16 通过（2026-09-18 实测）：
| 门禁 | 准出 | 实测 |
|---|---|---|
| 白名单闸零泄漏（真实检出 × 最坏对抗注入） | 0 | 0/22 ✓ |
| 白名单对照组（去白名单必须告警） | ≥83% | ✓ |
| 人形底座召回（11 类全量，实测校准） | 见 manifest | 11/11 类过 ✓ |
| 全链（线索→outbox→契约→路由→人审→飞轮→取证双审批） | 通过 | ✓ |
| 语料完整性（332 张解码 + MD5 唯一） | 通过 | ✓ |
| 指标 | 数值 | 口径 |
|---|---|---|
| 人形底座召回（第一梯队） | 广场舞/体育 100% · 夜市/街头/群体/舞台 91~95% | AI-Detect，score≥0.5 |
| 人形底座召回（中间档） | 对峙 18/22 · 醉酒互搀 17/22 | 同为底座改进输入 |
| 人形底座召回（域差梯队） | 拥抱 7/22 · 嬉戏 9/22 · 拉拽 13/22 | 近距框合并/儿童/特写——诚实公开 |
| MTTD | 持续窗满足即产出（单测 mttd_s<0.2s） | 设计口径 ≤5s（帧时间戳起算） |
| 人审 SLA | ≤30s 达标率统计 · 60s 无操作二次提醒 | FR-COM-04 |
| 告警预算 | ≤8 条/点位/夜 · 超预算降敏 · risk4 透传 | FR-COM-05 |
| 工程质量 | 92 项测试全绿（含 16 项图片门禁） | 共享 GPU 环境可复现（设备自选+检测缓存） |
诚实口径：图片门禁覆盖底座召回/白名单消歧/管线全链/取证链， 不冒充语义门禁——冲突语义 R/P（设计目标 ≥85%/≥65%）需要时序 轨迹，由 §8.2 受控摆拍视频集 + 骨架动作识别评测承担，尚未建设 （动作识别模型经
TrackObs.action注入契约接入，规则桩先行）。 语义维度的验收承诺当前不可声明。
import time
from conflict_guard import (ConflictPipeline, PointConfig,
SceneObs, TrackObs)
pipe = ConflictPipeline(PointConfig(point_id="NM-1",
scene_type="bar_street",
night_budget=8))
tracks = [TrackObs(track_id=1, cx=10.0, cy=10.0, speed_mps=3.0,
action="swing", action_conf=0.9, facing=(1, 0),
limb_tip_speed=4.0),
TrackObs(track_id=2, cx=10.3, cy=10.0, speed_mps=-0.5,
action="kick", action_conf=0.85, facing=(-1, 0),
limb_tip_speed=4.5)]
ts = time.time()
for k in range(5): # 0.5s 节拍 ×5 → 喂满 2s 接触持续窗
result = pipe.process(tracks, SceneObs(), ts=ts + k * 0.5)
# result.pushed_alerts → 强制人审队列 (10s 短片)# 单元 + 图片门禁 (检测缓存使 332 张语料门禁秒级可复现)
python -m pytest conflict_guard/tests -q
# §8.4 轨迹口径验收报告
python -m conflict_guard.acceptance
# 运行时部署 (布防闸+健康门控+outbox 推送; 分析后端由部署 entrypoint 注入)
python -m conflict_guard.runner --config conflict_guard/deploy/runner.example.json
- 语义判定模型未上线：动作模式（特征②）依赖骨架序列动作识别 （设计选型 ST-GCN 级，双人/多人骨架图拓扑），当前为注入契约 + 规则桩；三层数据引擎（受控摆拍/授权素材/运行时飞轮）冷启动未开始。
- §8.2 验收数据集未建设：摆拍正例 ≥400 组、负样本 ≥300 段、 试点实采 ≥60 夜——R≥85%/P≥65% 的验收承诺在数据集建成前不可声明。
- 图片门禁是底座/链路门禁，不是语义门禁：运动维按"最坏对抗注入" 构造（静态图没有时间维）。
- 底座域差已知：近距接触族（拥抱/嬉戏/拉拽）人形召回显著低于 人群场景，夜间实采底座衰减需 §8.3 Gate-0 现场实测。
- 高危点位限定是精度前提：只在夜市/酒吧街/校园周边等高危点位 部署（星光级相机准入），不做全城铺开——点位密度换精度。
代码为商业软件（Commercial Software），未经授权不得复制、修改、分发
或商用。门禁语料图片来自百度图片搜索，不随仓库分发（仓库提供
抓取脚本 fetch_conflict_images*.py、manifest.json、
measure_report.json 与检测缓存，可复现重建；标注仅供研究）。
系统全链路措辞为"疑似肢体冲突"，确认权在人审、定性权在公安；
未成年人场景（校园）推送对象限校保卫处、取证包导出双审批加严。
本方案的检测底座、流式推理运行时与导出链路由开源框架 AutoVision 提供（pip install autovision-framework）；接入设计见《行业方案接入》。