hair-cam-anno — 安防摄像头视频标注

对安防摄像头拍摄的视频进行帧提取、视觉分析、结构化标注，输出 dataset.jsonl 格式的 VL 模型微调数据集。

工作流程

第1步：提取视频帧

python3 <skill>/scripts/extract_frames.py \
  --data-dir <视频目录> \
  --output-dir <帧输出目录> \
  --fps 0.5 \
  --max-frames 4

• 从每个视频均匀提取 4 帧（每2秒一帧）
• 生成 manifest.json 记录每个视频的元信息和帧路径

第2步：逐视频分析标注

对每个视频：

1. 查看提取的帧：用 read 工具读取帧图片（支持 jpg/png）
2. 从文件名推断信息：文件名包含关键信息（如 海尔摄像头-1男1女-坐-2 → 品牌=海尔摄像头, 1男1女, 行为=坐）
3. 生成标注 JSON：根据帧画面内容 + 文件名信息，生成结构化标注

标注 JSON 结构：

{
  "title": "场景标题",
  "subtitle": "场景副标题",
  "description": "详细描述（≥50字，含环境、人物外貌、行为姿态）",
  "labels": ["system_suggest_X", ...],
  "risk": {
    "level": "none|low|medium|high",
    "description": "风险描述"
  },
  "simple_description": "简练描述（≤20汉字）"
}

第3步：汇总生成 dataset.jsonl

1. 将所有标注结果收集到 annotations.json，格式：

[
  {"video": "文件名.mp4", "annotation": { ...标注JSON... }},
  ...
]

1. 运行构建脚本：

python3 <skill>/scripts/build_jsonl.py \
  --annotations annotations.json \
  --video-dir <视频目录> \
  --output dataset.jsonl

1. 脚本会自动验证标注数据并生成 dataset.jsonl

关键参考

• System prompt 模板: references/system-prompt.md
• 标签范围: references/labels-reference.md

标签选择规则

• 根据视频实际内容选择匹配标签
• 可多选，但不要选不匹配的标签
• 如果视频中有危险行为（儿童攀爬窗户、摔倒等），risk.level 应为 medium 或 high
• 文件名中的信息（人数、行为）必须与标注一致