# 架构设计

## 系统结构

```text
海康 RTSP 流（凭证仅在本机）
  ↓
RTSP 采集器 / 帧时间戳
  ↓
Pose 推理适配器（person box + 17 keypoints）
  ↓
人员跟踪器（track_id）
  ↓
姿态质量门控 + 倒地证据提取
  ↓
每人摔倒事件状态机
  ↓
确认事件
  ├── PyQt 实时画面：红框、骨架、状态
  ├── 本地声音与弹窗
  ├── 标注截图
  └── JSONL 事件日志
```

V1 的同一数据流既可接 RTSP，也可回放本地录像。V2 复用同一配置、事件字段和录像集，但将 Pose 推理替换为 ONNX 适配器；不得改变事件语义。

## 模块职责

| 模块 | V1 位置 | 职责 | 不负责 |
| --- | --- | --- | --- |
| 应用入口 | `v1/app.py` | 装配配置、窗口、线程和依赖 | 推理细节、事件判定 |
| 配置 | `v1/config.py` | 解析示例和本地配置，校验非敏感字段 | 保存真实凭证 |
| 视频源 | `v1/video_source.py` | 打开、读取、重连 RTSP 或录像，附带时间戳 | Pose、报警 |
| Pose 适配器 | `v1/pose.py` | 统一返回 box、关键点、置信度 | 跟踪、摔倒业务结论 |
| 跟踪 | `v1/tracking.py` | 为连续人员输出 `track_id` | 根据姿态报警 |
| 质量与证据 | `v1/evidence.py` | 过滤低质量点，计算水平姿态、下移和持续性证据 | GUI 状态 |
| 状态机 | `v1/fall_state.py` | 管理每个 ID 的 NORMAL、SUSPECT、CONFIRMED、RECOVERING | 播放声音或存文件 |
| 报警工件 | `v1/alerts.py` | 对确认事件去重、播放声音、保存截图、写日志 | 推理或事件计算 |
| PyQt UI | `v1/gui.py` | 渲染帧、骨架、状态、设置和弹窗 | 直接读 RTSP 或写判定规则 |
| 回归工具 | `v1/tests/` 与 `v1/scripts/` | 回放录像、断言事件和延迟 | 生产 UI |

## 状态模型

每个 `track_id` 独立维护状态：

```text
NORMAL
  └─ 高质量证据显示快速下移或倒地姿态 → SUSPECT
SUSPECT
  ├─ 倒地证据在配置时间窗内持续 → CONFIRMED（产生一次 FallEvent）
  └─ 证据消失 → NORMAL
CONFIRMED
  └─ 经配置冷却与恢复稳定站立 → RECOVERING
RECOVERING
  ├─ 恢复证据持续 → NORMAL
  └─ 再次倒地证据 → SUSPECT
```

状态机只以秒和单调时间为准，不以固定帧数为准。这样 15 FPS、30 FPS、丢帧或录像回放速度变化不会改变 1–3 秒业务目标。

## 数据和文件

| 数据 | 位置 | 规则 |
| --- | --- | --- |
| 公共配置示例 | `v1/config.example.json` | 可提交；只含 `rtsp_url_env`，不含 URL 或密码。 |
| 本地配置 | `v1/config.local.json` | 忽略提交；可引用环境变量。 |
| V1 模型 | `v1/models/best.pt` 或受控相对路径 | 记录 SHA-256、来源与验证日期。 |
| V2 模型 | `v2/assets/best.onnx` | 从锁定 V1 权重导出，记录导出命令、输入尺寸和 SHA-256。 |
| 事件截图 | `artifacts/events/YYYYMMDD/` | 文件名含事件 ID，不含客户姓名或 RTSP 地址。 |
| 事件日志 | `artifacts/events/YYYYMMDD/events.jsonl` | 一行一个 `FallEvent`。 |
| 回归录像 | `testdata/videos/` | 只保存经同意的演示素材；外部客户视频不提交。 |
| 回归标签 | `testdata/expected_events.json` | 每段录像的期望事件、非事件和最大延迟。 |

## 关键风险与应对

| 风险 | 原因 | 应对 |
| --- | --- | --- |
| 单帧误报 | 当前 `demo/` 任一规则命中即报警 | V1 用质量门控、跟踪和时序状态机；反例录像必测。 |
| 俯视关键点不稳 | 1.6 米俯视、遮挡或远距离会影响膝踝 | 全身可见前提、ROI、质量拒绝和现场回归；必要时再采集数据。 |
| RTSP 断流 | 网络抖动或摄像头重连 | 视频源显式状态、退避重连、断流不报警。 |
| 同一事件重复报警 | CONFIRMED 状态持续多帧 | 每个事件 ID 仅执行一次报警副作用，恢复后才允许新事件。 |
| Go 行为漂移 | ONNX 预后处理与 Python 不同 | 导出后跑同一录像，比较关键点、事件数量、确认时间和截图。 |
| 模型误解 | Pose 指标被误当摔倒指标 | 文案仅说明姿态模型；事件级指标单独记录。 |

## 开发顺序

1. 冻结 `demo/`、创建 V1 配置和可验证骨架。
2. 用本地录像打通 Pose、质量门控、跟踪和状态机。
3. 加入 PyQt 实时画面、RTSP 重连、报警和截图。
4. 用正反例录像和现场流完成 V1 事件级验收。
5. 锁定模型并导出 ONNX，完成 Python/ONNX 一致性。
6. 由 Go V2 重复相同行为后，再作为客户演示部署版。

## 目标目录

```text
v1/
├── app.py
├── config.py
├── config.example.json
├── gui.py
├── video_source.py
├── pose.py
├── tracking.py
├── evidence.py
├── fall_state.py
├── alerts.py
├── models/
├── scripts/
└── tests/
v2/
├── cmd/silver-pose/
├── internal/
├── assets/
└── testdata/
```