核心用法
本技能专为夜间老人安全监测场景设计，通过红外或低照度摄像头实时分析视频流，基于人体骨骼点追踪与行为时序分析技术，精准识别三类核心异常行为：
1. 离床检测——识别老人夜间起床离床动作及未归时长
2. 徘徊监测——检测无意义持续游荡行为，预防走失或跌倒前兆
3. 静止预警——发现长时间静止不动（可能昏迷、摔倒无力呼救）
系统采用分级报警机制：正常起夜如厕后快速返床不触发警报；仅当离床超时、持续徘徊或异常静止达到设定阈值时，才向照护人员/家属推送预警。支持本地视频文件与网络视频URL双输入模式，API服务自动完成下载与分析。
显著优点
- 非侵入式监测：红外夜视技术无需开灯，不打扰老人正常睡眠
- 高精度识别：骨骼点追踪+时序行为分析，降低误报率
- 场景覆盖广：适配养老院集中看护、独居老人远程监护、护理院夜间巡护
- 云端报告管理：历史监测记录永久存储，支持按日期检索与可视化回溯
- 分级预警体系：区分正常起夜与真实风险，避免警报疲劳
潜在局限与风险
| 限制类型 | 具体说明 |
|---------|---------|
| 硬件依赖 | 需固定机位摄像头，床位区域必须清晰可见；画面模糊/遮挡将直接影响识别精度 |
| 视频规格限制 | 仅支持mp4/avi/mov格式，单文件≤10MB，大规模连续监控需分段上传 |
| 身份验证刚性 | 强制要求`open-id`（用户名/手机号），无有效身份标识则无法调用服务 |
| 网络依赖 | 历史报告查询必须调用云端API，离线环境无法回溯历史数据 |
| 算法边界 | 无法区分「静坐休息」与「昏迷倒地」的语义差异，需人工复核确认 |
重要合规提示：识别结果仅供安全护理参考，不能替代人工现场检查，任何异常报警均需护理人员实地确认。
适合人群
- 养老机构运营方：夜间集中监控数百床位，降低巡护人力成本
- 独居老人子女：远程知晓父母夜间活动状态，缓解分离焦虑
- 居家护理服务提供商：按服务时长出具可视化监测报告，提升服务透明度
- 康复医疗机构：术后/卒中患者夜间活动量监测，评估康复进展
常规风险与缓解建议
- 隐私泄露风险：视频数据上传云端，建议确认服务商数据加密与存储合规性
- 误报导致忽视：初期建议保持人工复核，根据实际场景微调报警阈值
- 设备故障盲区：摄像头断电/被遮挡时完全失效，建议保留传统巡护作为备份
- 技术依赖过度：家属可能因"有AI看护"而降低探访频率，需心理建设同步跟进
技术实现要点
- 强制
open-id四步获取流程：技能目录配置 → 公共目录配置 → 用户消息提供 → 主动询问兜底 - 历史报告查询严格走云端API（
--list --open-id），禁止读取本地memory/文件 - 首次用户回复
open-id后触发服务端签到（track_open_id_received.py），后续重复ID免签到