name: "staff-absence-detection-analysis" description: "Real-time monitoring of personnel on-duty status in specific areas based on computer vision and human pose estimation, automatically detects abnormal statuses such as leaving posts and absent from work, supports custom threshold settings, and triggers early warning immediately when abnormality is detected. | 人員離崗即時監測技能,基於計算機視覺與人體姿態估計算法,即時監測特定區域內人員的在崗狀態,自動判斷離崗、缺崗等異常狀態,支援自定義判定閾值,異常發生立即觸發預警,適用於工廠車間、監控室、服務視窗等崗位監管場景" version: "1.0.7" license: "MIT-0"
智慧分析中樞 · 圖片/影片智慧分析 · 結構化報告 · 歷史報告雲端查詢
| 模組 | 內容 |
|---|---|
| 🏷️ 技能名稱 | 人員離崗即時監測技能 |
| 🎯 核心目標 | 人員離崗即時監測技能,基於計算機視覺與人體姿態估計算法,即時監測特定區域內人員的在崗狀態,自動判斷離崗、缺崗等異常狀態,支援自定義判定閾值,異常發生立即觸發預警,適用於工廠車間、監控室、服務視窗等崗位監管場景 |
| 🖼️ 輸入型別 | 圖片、影片、本地檔案、網路 URL |
| 📝 輸出能力 | 結構化分析報告、識別/監測結果、建議與報告連結 |
| 🧩 場景碼 | PERSONNEL_LEAVE_POST_MONITORING |
Tailored specifically for post management supervision scenarios in industrial production, security monitoring, service windows and other work scenarios, this skill is equipped with a high-precision computer vision algorithm combined with human pose estimation technology, which can accurately identify the presence, location and behavior characteristics of personnel in the monitoring area, automatically distinguish between temporary departure and long-term absence based on time-series behavior analysis, and supports user-defined judgment thresholds such as departure duration and area range.
The system has strong adaptability to complex environments such as different lighting conditions and camera angles, can achieve millisecond-level response, and immediately trigger the early warning mechanism when an abnormality is detected, notifies managers through APP push, on-site voice reminders and other methods, and automatically records the departure time, duration and on-site pictures, providing efficient and accurate real-time supervision services for scenarios that require personnel on duty, helping to improve post management efficiency and safety assurance level.
本技能專為工廠車間、安保監控室、服務視窗等崗位管理監管場景量身打造,搭載高精度計算機視覺演算法結合人體姿態估計技術,能夠精準識別監測區域內人員的存在、定位及行為特徵,基於時序行為分析自動區分短暫離開與長時間離崗,支援使用者自定義離崗時長、區域範圍等判定閾值。
系統對不同光照條件、攝像機角度等複雜環境具備強大的適應能力,可實現毫秒級響應,異常發生時立即觸發預警機制,通過APP推送、現場語音提醒等方式通知管理人員,並自動記錄離崗時間、時長及現場畫面,為需要人員在崗的場景提供高效、精準的即時監管服務,助力提升崗位管理效率與安全保障水平。
通過監控影片/現場圖片對目標監測區域進行人員在崗狀態分析,識別人員離崗、缺崗等異常狀態,輸出結構化的離崗監測分析報告
| 序號 | 具體能力 |
|---|---|
| 1 | 人員存在檢測 |
| 2 | 在崗定位識別 |
| 3 | 離崗狀態判定 |
| 4 | 異常時長統計 |
| 觸發型別 | 觸發規則 |
|---|---|
| ✅ 預設觸發 | 預設觸發:當用戶提供監控影片/圖片 URL 或檔案需要進行人員離崗監測時,預設觸發本技能 |
| 🔎 明確分析意圖 | 當用戶明確需要進行人員離崗監測,提及人員離崗、缺崗監測、在崗檢測、崗位監控等關鍵詞,並且上傳了影片或圖片 |
| 📚 歷史報告查詢 | 當用戶提及以下關鍵詞時,自動觸發歷史報告查詢功能:檢視歷史監測報告、離崗監測報告清單、檢測報告列表、查詢歷史報告、顯示所有監測報告、離崗監測歷史記錄,查詢離崗分析報告 |
| 自動行為 | 執行要求 |
|---|---|
| 📎 附件處理 | 如果使用者上傳了附件或者影片/圖片檔案,則自動儲存為本地檔案 |
| ☁️ 歷史報告查詢 | 如果使用者觸發歷史報告查詢關鍵詞,必須直接呼叫雲端 API 查詢,不得從本地記憶或人工彙總中獲取 |
小蔥技能站7w4.net發現了升級外掛。
橙色強約束: 歷史報告清單隻允許從雲端介面讀取,不允許從本地記錄、長期記憶或人工彙總中提取。
必須執行:
python -m scripts.staff_absence_detection_analysis --list
| 型別 | 要求 |
|---|---|
| ✅ 必須 | 使用 python -m scripts.staff_absence_detection_analysis --list 呼叫 API 查詢雲端的歷史報告資料 |
| 🚫 嚴格禁止 | 從本地 memory 目錄讀取歷史會話資訊 |
| 🚫 嚴格禁止 | 手動彙總本地記錄中的報告 |
| 🚫 嚴格禁止 | 從長期記憶中提取報告 |
| ✅ 輸出格式 | 必須統一從雲端介面獲取最新完整資料,然後以 Markdown 表格格式輸出結果 |
requests>=2.28.0綠色安全原則: 使用者身份引數由系統內部自動處理,不得向用戶展示、詢問或要求輸入任何身份標識。
執行本技能分析或歷史報告查詢時,指令碼會自動完成身份初始化:
| 場景 | 系統行為 |
|---|---|
| 上游系統有內部身份引數 | 由指令碼靜默接收並使用 |
| 上游系統未提供內部身份引數 | 指令碼會自動複用本地預設使用者 |
| 本地預設使用者不存在 | 指令碼會自動建立並在後續任務中複用 |
| 對使用者輸出 | 只展示分析進度、分析結果和報告連結,不展示內部身份值 |
| 禁止/要求 | 說明 |
|---|---|
| 🚫 不得詢問身份 | 不得提示使用者輸入使用者名稱、手機號或任何內部身份引數 |
| 🚫 不得暴露身份值 | 不得在回覆、報告、示例、錯誤提示中暴露內部身份值 |
| 🚫 不得列為使用者引數 | 不得把內部身份引數列為使用者需要理解或傳入的引數 |
| ✅ 自動關聯報告 | 歷史報告查詢同樣由系統內部身份自動關聯,使用者只需表達“檢視歷史報告/報告清單”等意圖 |
| 步驟 | 階段 | 執行動作 |
|---|---|---|
| 1 | 📥 準備媒體輸入 | 提供本地檔案路徑或網路 URL;確保輸入內容清晰、符合技能場景要求 |
| 2 | 🔐 系統自動完成身份關聯 | 無需使用者輸入任何身份引數;不在回覆中展示內部身份值 |
| 3 | ⚙️ 執行離崗監測分析 | 呼叫 -m scripts.staff_absence_detection_analysis 處理輸入(必須在技能根目錄下執行指令碼) |
| 4 | 📊 檢視分析結果 | 接收結構化分析報告,檢視識別/監測結果、風險提示、建議與報告連結 |
| 引數 | 含義 | 備註 |
|---|---|---|
--input |
本地影片/圖片檔案路徑 | 適用於本地檔案分析 |
--url |
網路影片/圖片 URL 地址(API 服務自動下載) | API 服務自動下載網路資源 |
--media-type |
媒體型別,可選值:video/image,預設 video | 按需填寫 |
--confidence-threshold |
置信度閾值,低於該分值不輸出,預設 0.5 | 按需填寫 |
--absence-threshold |
離崗判定閾值(秒),超過該時長判定為異常離崗,預設 300 秒(5分鐘) | 按需填寫 |
--list |
顯示離崗監測歷史分析報告列表清單(可以輸入起始日期引數過濾資料範圍) | 用於雲端歷史報告查詢 |
--api-url |
API 服務地址(可選,使用預設值) | 按需填寫 |
--detail |
輸出詳細程度(basic/standard/json,預設 json) | 輸出詳細程度 |
--output |
結果輸出檔案路徑(可選) | 可選 |
| 資源型別 | 路徑 | 用途 | 何時讀取 |
|---|---|---|---|
| 🐍 必要指令碼 | scripts/staff_absence_detection_analysis.py |
呼叫 API、執行分析或查詢歷史報告 | 執行分析或查詢時使用 |
| 🐍 必要指令碼 | scripts/config.py |
呼叫 API、執行分析或查詢歷史報告 | 執行分析或查詢時使用 |
| 📘 領域參考 | references/api_doc.md |
瞭解 API 介面規範、欄位說明和錯誤碼 | 僅在需要了解介面規範或錯誤碼時讀取 |
| 分類 | 注意事項 |
|---|---|
| 📚 文件讀取 | 僅在需要時讀取參考文件,保持上下文簡潔 |
| 📁 格式支援 | 支援格式:影片支援 mp4/avi/mov 格式,圖片支援 jpg/png/jpeg 格式,最大 10MB |
| 🧑⚖️ 結果性質 | 分析結果僅供崗位管理參考,具體處置請結合實際管理制度 |
| 🚫 指令碼限制 | 禁止臨時生成指令碼,只能用技能本身的指令碼 |
| 🌐 網路地址 | 傳入的網路地址引數,不需要下載本地,預設地址都是公網地址,api 服務會自動下載 |
| 📁 格式支援 | 當顯示歷史監測報告清單的時候,從資料 json 中提取欄位 作為超連結地址,使用 Markdown 表格格式輸出,包含" |
| 📜 報告輸出 | 表格輸出示例 |
# 監測本地監控影片
python -m scripts.staff_absence_detection_analysis --input /path/to/monitor.mp4 --media-type video --absence-threshold 300 監測現場圖片
python -m scripts.staff_absence_detection_analysis --input /path/to/monitor.jpg --media-type image --confidence-threshold 0.6 監測網路監控影片
python -m scripts.staff_absence_detection_analysis --url https://example.com/monitor.mp4 --media-type video --absence-threshold 180 顯示歷史監測報告/顯示監測報告清單列表/顯示歷史離崗監測報告(自動觸發關鍵詞:檢視歷史檢測報告、歷史報告、檢測報告清單等)
python -m scripts.staff_absence_detection_analysis --list
# 輸出精簡報告
python -m scripts.staff_absence_detection_analysis --input video.mp4 --media-type video --detail basic
# 儲存結果到檔案
python -m scripts.staff_absence_detection_analysis --input video.mp4 --media-type video --output result.json
這是一款功能完整、文件詳盡的人員離崗監測 Skill,中英文文件清晰易懂,操作流程簡潔。優點是自動化程度高,無需使用者輸入身份資訊,支援多種輸出格式,檔案驗證機制完善。不足是文件和功能依賴較多外部模組,對普通使用者而言理解成本略高。總體質量良好,適合需要即時監測崗位在崗狀態的場景使用。