单帧 OCR → 时序判断
单帧识别容易受模糊、角度和遮挡影响。系统利用连续观测进行稳定判断，而不是直接相信某一帧结果。
Engineering MVP / Prototype
BibVision
赛事号码布识别与可搜索视频事件工程系统。
从号码布检测、OCR、时序稳定，到视频索引与片段规划，将不稳定的视觉观测转换为可搜索的视频事件。
Detection → OCR → Temporal Stabilization → Video Indexing → Clip Planning
01 / 问题与约束
问题与约束
赛事视频中的号码布识别并不是单帧 OCR 问题。
实际输入会同时面对：
- 号码布尺寸较小
- 运动模糊与遮挡
- 同一画面可能出现多名运动员
- 相邻视频帧 OCR 结果会波动
- 同一号码会被连续重复观测
- 原始赛事视频可能被拆分成多个文件
系统目标不是只回答“这一帧识别到了什么”，而是把不稳定的视觉观测整理成稳定、可搜索、带时间位置的视频事件。
02 / 系统设计
分层离线处理流水线
BibVision 将检测、OCR、时序稳定和视频索引拆分为职责明确的阶段，尽量将原始视觉证据与后续业务索引逻辑分开。
03 / 关键工程决策
关键工程决策
赛事号码格式约束
利用赛事号码的已知格式规则过滤明显无效的 OCR 候选，减少后续时序阶段需要处理的噪声。
碎片视频的逻辑时间轴
原始视频文件保持独立，同时将事件映射到统一逻辑时间轴，便于跨文件搜索和片段规划。
可复现实验与数据来源
固定 benchmark、模型版本和实验来源，避免模型更新后无法解释指标变化。
04 / 评估
固定检测基准，不是营销数字。
固定检测基准50 images · 66 GT boxes
V2 baseline
mAP50 0.54406
mAP50-95 0.30052
Fixed Recall 0.40909
Fixed F1 0.52427
V3 prototype baseline
mAP50 0.92273
mAP50-95 0.57318
Fixed Recall 0.89394
Fixed F1 0.88060
仅为检测任务结果，不代表端到端 OCR 准确率，也不代表整场赛事级识别准确率。
Detection-only; not an end-to-end OCR or race-level accuracy claim.
05 / 时序 OCR 稳定
时序 OCR 稳定
连续帧中的 OCR 结果可能发生波动，因此 BibVision 不直接将单帧结果作为最终号码。
系统会保留真实出现过的完整 OCR 候选，并在短时间窗口内进行置信度加权投票。
whole-string voting / 完整字符串投票
系统只对真实观察到的完整号码字符串进行投票，不会把不同帧中的字符逐位拼接，生成一个从未真实出现过的号码。
ShortTrack ≠ Person ReID
ShortTrack 只用于短时间范围内的目标关联，不等同于长期身份跟踪，也不是 Person ReID。
06 / 视频索引与片段规划
视频索引与片段规划
原始赛事视频可能由多个独立文件组成。BibVision 保留 local timestamp，同时将识别事件映射为统一的 logical global timeline。
在此基础上可以生成 Bib presence intervals 和 ClipPlan。
ClipPlan 是片段编辑决策列表 / edit decision list，不是已经完成渲染的视频文件。它描述应从哪些原始视频、哪些时间范围提取片段，最终视频渲染属于后续处理步骤。
07 / 结果、限制与经验
已实现、已知限制与工程经验
已实现
- 离线号码识别流水线
- 时序号码稳定
- SQLite 视频索引
- 连续逻辑时间轴
- 号码出现区间聚合
- ClipPlan 与回放流程
- 固定检测 benchmark
已知限制
- 当前不是 Person ReID 系统
- 不支持实时直播流处理
- 不提供生产级实时性能保证
- 极小、严重模糊或被遮挡的号码布仍会导致 OCR 质量下降
- ShortTrack 是短时关联，不是长期身份跟踪
工程经验
- 更多数据不一定意味着更好的数据。
- 检测指标不代表端到端 OCR 质量。
- 视频应被视为时序证据，而不是互不相关的图片。
- 用于 benchmark 的评估集一旦固定，就应保持冻结。