33 lines
2.8 KiB
Markdown
33 lines
2.8 KiB
Markdown
# T-302 · Go 推理、视频与 Windows UI Spike 决策
|
||
|
||
- 状态：已接受，作为 T-303/T-304 的实施前提
|
||
- 日期：2026-07-22
|
||
- 范围：仅验证 Windows 开发环境的单帧推理、录像解码和 UI 技术路线；不等于 V2 行为验收或客户演示验收。
|
||
|
||
## 结论
|
||
|
||
1. Pose 运行时采用 `github.com/yalue/onnxruntime_go` v1.31.0，CPU 路径，且启动时必须显式指定 `onnxruntime.dll`。包装器当前使用 ONNX Runtime C API 26，构建机须固定 Go、`CGO_ENABLED=1` 和 MinGW；运行端不依赖 Python，但必须随发布物携带版本、来源和 SHA-256 都已锁定的匹配 DLL。
|
||
2. 视频接入采用受控 `ffmpeg.exe` 子进程。它解码录像或 RTSP 为 `bgr24` 原始帧；T-304 将锁定 `ffmpeg.exe`/`ffprobe.exe` 的版本和哈希，并实现来源状态、超时、取消与重连。当前不采用 GoCV，因为此机没有可用的 OpenCV/GoCV 开发绑定。
|
||
3. Windows UI 采用 `github.com/lxn/walk`。它提供原生窗口、顶部 Tab 和控件，UI Spike 在 `CGO_ENABLED=0` 下可编译。正式 UI 继续使用文档中的浅灰蓝底、白色卡片和“红色只表示 CONFIRMED”的语义；Walk 只在 UI 线程渲染，不能调用解码、ONNX 或状态机。
|
||
|
||
## 验证证据
|
||
|
||
命令行 Spike 使用 `demo/1.mp4` 的第一帧（848×480），从 FFmpeg 获取准确的 1,221,120 字节 BGR 帧，转为 1×3×640×640 的 1,228,800 个 `float32` 输入；锁定 `v2/assets/best.onnx` 输出为 1×56×8400 的 470,400 个值。实际运行输出：
|
||
|
||
```text
|
||
SPIKE_OK frame=848x480 input=1228800 output=470400 max=685.7795
|
||
```
|
||
|
||
`go test ./...` 在 `CGO_ENABLED=1` 下通过，且 `go build ./cmd/ui-spike` 在 `CGO_ENABLED=0` 下通过。最小测试覆盖 BGR 尺寸拒绝、letterbox 后 RGB/CHW 布局、Pose 输入长度拒绝和 UI 视觉令牌。
|
||
|
||
开发机的 ONNX Spike 暂时使用 Go 模块缓存内的 `test_data/onnxruntime.dll`，仅用于证明接口可执行；它不是允许交付的 DLL 来源，也未被拷入仓库。
|
||
|
||
## 拒绝的路线
|
||
|
||
- **GoCV/OpenCV**：未配置 Windows 开发库、`pkg-config` 或 CGO 绑定，无法据实声称可用于 V2。
|
||
- **Fyne**：初次 Windows 构建进入 OpenGL/CGO 编译并在 120 秒内未完成，且遗留编译进程；对于当前“稳定现场演示”的目标，引入的 UI 图形链复杂度不合适。随后已停止这些精确的临时进程，没有修改用户文件。
|
||
|
||
## 不在本任务中的内容
|
||
|
||
当前 Go letterbox 是最小 Spike（nearest-neighbour）。它尚未完成或证明与 V1 等价的缩放/补边、NMS、关键点解析、坐标还原、人员跟踪、事件状态机、RTSP 断流、声音、弹窗、截图和打包。T-303 必须以同一录像的关键点、事件数量、非报警案例和确认延迟证明 V1/V2 等价；T-304 才可形成部署与现场演示闭环。
|