本页目录
概述
本篇解释智能告警从飞行视频到人工结论的形成机制：告警如何产生、证据为何拆分、AI判断与人工复核如何共同形成最终判断。
一、从飞行视频到智能告警的形成逻辑
从业务效果上看，智能告警的形成可以理解为以下链路：
提示
通过WebRTC读取飞行视频 → 实时应用规则包 → 识别目标或行为 → 形成告警及证据 → 等待人工复核
1. 视频接入
飞行过程中，AI通过WebRTC读取无人机视频并实时分析。概览中的“视频接入链路”用于说明这条视频读取与分析链路，页面示例为“无人机视频 → WebRTC播放”。如果视频没有有效覆盖目标区域，即使分析流程正常结束，也可能没有产生有业务价值的告警。
2. 规则包生效
规则包定义本次AI需要关注的业务问题。规则包标识是唯一标识，业务名称用于面向用户展示；“当前子规则”表示该规则包下的规则数量。例如业务名称“厂区安全”的规则包下包含“车辆违停”规则。
规则决定AI“看什么”，视频决定AI“能够看到什么”。因此，告警数量是否合理，必须同时结合规则配置和实际飞行画面判断。
3. 产生疑似告警
当AI认为画面满足某条规则条件时，系统把相关时间段组织为一条告警。告警列表中的标题、分类、发生时间和持续时间，帮助用户从长视频中快速定位疑似问题。
4. 生成告警证据
告警不能只保留一个标签。系统进一步组织证据视频、关键帧截图和地图位置，让人工能够回答：目标是否真实存在、是否满足规则条件、发生地点是否合理。
证据需要同时满足视频、截图、定位和数据一致性要求。出现视频不可用、截图生成失败、定位缺失或数据不一致中的任意一种情况，证据状态都会标记为“证据异常”。
5. 人工形成业务结论
模型判断可能受到拍摄角度、遮挡、光照、画面模糊和场景相似目标的影响。人工复核的作用不是重复点击AI结论，而是利用证据判断这条告警能否作为业务事实被采纳。
二、告警证据为什么要分成多种视图
单一证据往往只能回答一个侧面的问题。智能告警把证据拆分为视频、截图和地图位置，是为了让不同证据相互校验。
| 证据 | 主要作用 | 不能单独解决的问题 |
|---|---|---|
| 证据视频 | 查看事件发生前后的连续变化 | 快速比较多个关键瞬间不够方便 |
| 证据截图 | 查看关键帧、目标细节和AI标注 | 缺少完整时间过程，可能产生单帧误判 |
| 地图定位 | 确认告警位置与飞行轨迹关系 | 不能证明画面中的目标一定满足规则 |
| 飞行回放 | 将告警放回更长的飞行过程，结合遥测和轨迹理解上下文 | 不代替正式的人工复核记录 |
| 执行事件 | 说明同一时刻任务、设备和分析链路发生了什么 | 不直接证明业务告警是真是假 |
可靠的复核通常需要“时序、画面、位置”三方面能够相互印证。例如判断车辆是否满足“车辆违停”规则，仅看单张截图中的车辆不够，还应结合连续视频确认行为过程，并结合地图判断发生位置。
三、AI判断、人工复核与最终判断的区别
1. AI判断
AI判断记录模型输出，例如AI确认、AI排除或判断失败。它是人工复核时需要核对的信息之一，但不能替代人工查看证据。
2. 人工复核
人工复核记录业务人员是否采纳或忽略告警。采纳表示人工认为AI结果正确；忽略表示人工认为AI结果错误或不合理。复核备注可以不填写，但存在判断争议或需要交接时，建议写明依据。
3. 最终判断
最终判断按照以下规则形成：人工尚未复核时，以AI判断为准；人工完成复核后，以人工复核结果为准。
4. 复核记录
同一告警可以多次复核，新的复核结果会覆盖上一次结果。复核记录保留历次人员和动作，用于解释当前状态如何形成；查看告警时，应以当前复核状态为准，并结合历史记录了解结论变化。
提示
核心认识：AI告警是一项“带证据的机器判断”；人工复核才是把机器判断转化为业务结论的治理过程。