人形检测 实时
画面中稳定框出并跟踪每一位人员，区分人体与广告牌、树影、招贴等干扰，为后续的行为分析提供目标基础。
灵眸守卫是 NExT-LFM 潜在知识（Latent Knowledge）研究的场景落地：把多模态大模型里「已经具备、但不直接外显」的理解能力激发出来，对齐到看护与安全的具体规则，再转成可复核、可追溯的告警与报告。
研究愿景 →接入现有摄像头，多模态大模型不只画框：它能用一句话说清画面里发生了什么，能听懂老人的求助，也能在每天清晨交出一份可追溯的安全报告。一套底座，覆盖住宅小区、养老敬老院与校园。
同一套大模型能力，按场景配置不同的检测项与告警规则。小区重周界与车行，敬老院重长者看护，校园重秩序与行为规范。
周界围墙、地库出入口、单元门厅、非机动车棚。夜间重点防翻越、防入侵、防车辆异常滞留，消防通道占用随手可查。
房间、走廊、楼梯、活动室与庭院。护理人力有限，靠持续看护兜住摔倒、卧地未起、久卧不动、夜间离床与误入高危区域，并支持老人语音呼叫。
校门口、操场、楼道、教学楼顶连廊、校园湖边与宿舍区。除校外人员与车辆管控外，重点盯防高空攀爬、临水危险、抽烟、冲突与楼道拥挤等极端风险。
不用记通道号，也不用拖时间轴。把想问的话直接说出来，系统在全部录像里做语义检索，返回命中的片段、关键帧，以及一句人话结论。
右侧画面为识别效果示意。右上角标签说明这项能力的工作方式与处置优先级：实时 流式检测 · 大模型 语义理解 · 告警 推送复核 · 紧急 最高优先。点击卡片可放大查看。
画面中稳定框出并跟踪每一位人员，区分人体与广告牌、树影、招贴等干扰，为后续的行为分析提供目标基础。
识别轿车、SUV、货车、电动车等车型，统计出入与停放状态，车辆在禁停区超时滞留即时提醒。
抓拍并识别车牌号码与号牌颜色，支持无感通行、访客登记、黑名单车辆比对与出入记录回溯。
用一句句自然语言说清画面里发生了什么，把看不懂的监控变成可检索、可回溯的文字记录，支持自然语言搜录像。
按区域统计在场人数、进出双向流量与平均停留时长，支持与名单基数核对，用于校园点名、场所超员与夜间滞留核查。
识别画面中的明火与烟雾，低照度、夜间环境同样有效，触发后第一时间推送并联动现场处置。
在没有明火之前就抓住隐患：识别初期烟雾，以及杂物、车辆堆放占用消防通道与安全出口，契合消防检查的日常要求。
自由绘制电子围栏与警戒区，人员进入即刻告警；支持多区域、分时段、分级别的规则配置。
识别攀爬、跨越围墙与护栏的肢体动作，夜间周界防护的核心能力，先告警、后人工复核。
在楼道、仓库、加油站、林区等禁烟场所识别点烟与吸烟动作，及时消除消防隐患。
识别推搡、挥击、纠缠、多人围堵等激烈肢体动作，输出“疑似”结论并附关键帧，交由人工复核确认。
统计区域人数与停留时长，拥挤、聚集超过阈值即提醒，可用于楼道防踩踏、宿舍区夜间聚集与滞留监测。
识别天台、连廊、阳台栏杆处的攀爬、跨越护栏、长时间停留于外沿等动作，秒级推送校方值班与安保，为现场干预争取时间。
识别校园湖岸、河边、水塘栏杆处的翻越动作，以及人员入水后水面持续异常波动，联动广播喊话与救援派单。
识别突然倒地、躺卧不起等姿态，秒级通知护理员与家属端，附事发前后关键帧，便于判断伤情。
摔倒只是第一步判断。若倒地后超过阈值仍无自主起身，事件自动升级并扩大通知范围——从“发现”走到“确认”，而不是丢一条告警就结束。
在房间、沙发、床边等固定区域监测长时间静止状态，超过阈值主动提醒巡查，预防意外无人发现。
夜间识别老人离床、起夜后长时间未返回床位，或独自走向卫生间、阳台与房门，及时提醒护理员，降低夜间跌倒与走失风险。
标注水池、天台、配电房、马路边等高风险区域，老人靠近或进入即预警，及时干预、避免走失与意外。
房间麦克风阵列随时可呼叫："我有点不舒服"即被识别为求助意图，自动通知值班护士并同步生成护理记录，老人不必找手机、不必按按钮。
零散的 20 项能力，落到值班室只需要一条线：几点发生、系统怎么判、谁去处置、有没有闭环。当天所有点位的判断在次日 00:05 由大模型自动归并成一条时间线，不用人写。
201 房老人起夜后 18 分钟未返床，系统提醒巡查。
护理员 3′ 到场305 房卧床姿势 40 分钟无变化，触发主动关怀。
核实为正常睡眠活动室老人说“我有点不舒服”，意图识别后自动派单。
护士 2′ 到场B1 车库纸箱堆放遮挡安全出口，触发消防合规告警。
10′ 清空闭环3 号楼楼梯聚集 N=6，持续 4′12″，物业到场疏导。
已处置西侧围墙 1 人翻越，安保 2 分钟到场核查。
核查后归档全天 1,284 条识别记录归并为 6 条需关注事件：长者关怀 3 条（凌晨离床、上午久卧、语音求助）、安全事件 3 条（消防通道占用、楼道聚集、周界翻越）。全部已闭环，平均响应 2′40″，无未处置项；夜间 22:00–06:00 无异常。
不更换前端设备，复用现有网络摄像头：抽帧与切片 → 多模态大模型理解 → 事件与规则引擎 → 推送到人 → 沉淀为日报。
RTSP / ONVIF 接入现有枪机、球机与门禁摄像机，支持多路并发。
按秒级抽帧，事件触发时自动截取前后片段，避免全量上云。
视觉检测 + 多模态语义判断：谁、在哪、在做什么、是否异常。
按区域、时段、等级去重合并，生成可追溯的结构化事件。
App / 短信 / 企业微信推送，次日自动生成安全事件日报。
每天固定时间汇总当日全部事件：按小时分布、按类型统计、按等级排序，附处置状态与一段自然语言总结，可直接推送给物业、院方或校方值班负责人。
看护守卫不是一条孤立的产品线，而是“感知 → 理解 → 生成”这套底座在安全场景的落地。下面这些能力同样在清单之内，按行业封装成行业包单独交付，与看护守卫共用一个后台。
面向施工现场与厂区，管人的防护穿戴、管机的作业半径、管区的危险边界。
产线工位固定、光照可控，用同一套视觉底座做缺陷判定与尺寸核验，替代人工目检。
把门店已有的监控变成经营数据：来了多少人、停在哪、看得见服务规范有没有落地。
从画面到纸面：证照票据的结构化抽取、合同比对，以及基于企业私有资料的知识库问答。