核心功能
Kami Package Detection 是一款面向智能家居与小型商业场景的持续包裹监控技能，基于 YOLOv8-World ONNX 模型实现纯本地化 AI 推理。它并非一次性检测工具，而是通过 RTSP 协议持续拉取摄像头视频流，实时识别包裹、纸箱、背包、手提包及行李箱等目标物。
显著优点
1. 智能去重机制：采用 IoU（交并比）与面积变化双重判定，仅当包裹位置或尺寸显著变化时才触发告警，避免同一包裹反复打扰。
2. 静态帧过滤：自动跳过画面无变化的帧，大幅降低算力消耗，适配边缘设备（ARM64/x86_64，2GB 内存即可运行）。
3. 多通道即时通知：原生集成飞书、Telegram、Discord Webhook，告警信息包含类别、置信度、摄像头名称及时间戳。
4. 多摄像头并发：支持多路 RTSP 摄像头独立后台进程监控，每路配置可单独调整置信度阈值。
5. 纯本地隐私架构：推理全程离线，仅告警时产生外发流量（通知渠道），原始帧仅存于内存，仅告警截图落盘。
潜在局限与风险
- 硬件依赖：需自备 RTSP 摄像头并保障局域网连通性，ONNX 模型文件约 100MB+ 占用存储。
- 光照与角度敏感：YOLO-World 对遮挡、极端光照变化或小目标包裹的识别率可能下降。
- 误报可能：类似包裹形态的物体（如坐垫、收纳箱）可能被误识别，需根据场景调整
--class_names与置信度。 - 无云存储回查：仅保存触发告警的单帧截图，不录制视频流，历史追溯能力有限。
- 网络单点：若依赖飞书/Telegram 等云端通知渠道，需考虑这些服务的可用性。
适合人群
- 个人用户：希望实时掌握 doorstep 快递动态，防范 porch piracy。
- 小型办公室/前台：管理前台包裹代收，减少人工巡检。
- 仓储与物业：临时货物看护、特定区域物品监控。
- Home Assistant 玩家：已部署 RTSP 摄像头，希望以低代码方式扩展 AI 视觉能力。
常规风险
- 隐私合规：虽为本地推理，但摄像头覆盖区域可能涉及他人隐私，需确保监控范围合法合规。
- 资源占用：持续后台运行占用 CPU/GPU 资源，低配设备可能影响其他服务。
- 模型更新：YOLO-World 版本迭代需手动重新导出 ONNX，缺乏自动更新机制。
- 配置泄露风险：
config.json中可能包含摄像头 URL、Webhook 密钥等敏感信息，需妥善保管文件权限。