摄像头看到一个人很容易，真正困难的是确认这个人在门口待了多久、做了什么、门锁有没有同时发生异常。
百家乐安防结合摄像头、视频门铃、门锁、PIR、毫米波、门磁、声音与环境传感器，理解家庭周围正在发生什么，而不是只做"检测到运动"这一层判断，目标是Event Understanding，而不是简单的Motion Detected。
点击下方按钮，查看不同证据组合下系统给出的风险等级示例（模拟数据，仅用于说明判断逻辑）。
以上为模拟场景演示，风险等级仅供参考，不构成对具体人员的身份判断。
一个人在同一天出现在门口摄像头画面里两次，很容易让人下意识觉得"这不正常"。但重复出现本身只是一个统计特征，背后的原因可能是外卖员送错了地址又折返、邻居来还东西又忘记东西再来一次、维修工人分两趟搬运工具——这些都是完全正常的生活场景，和真正值得警惕的情况在"出现次数"这一个维度上是没有区别的。
百家乐安防在设计事件理解流程时，刻意把系统的输出限制在"发生了什么"这个层面：例如"同一体貌特征的人员于14:05与16:40两次出现在前门摄像头范围内，两次均未尝试解锁"，而不会输出"检测到危险人物"这样的结论性标签。原因很直接：系统没有能力也不应该去做身份定性判断，它能做的是尽可能完整地呈现观察到的证据，把是否需要进一步关注的判断权留给家庭成员。
这种证据边界感看起来"不够智能"，但恰恰是负责任的安防系统应有的克制——把统计特征当成风险信号的输入之一是合理的，把统计特征直接等同于结论则是危险的简化，容易造成误伤，也经不起验证。
摄像头的成像质量高度依赖光线条件。夜间弱光环境下，即便配合红外补光，画面细节、色彩和动作连贯性也会明显下降，模型基于这类画面做出的判断置信度自然更低。这个时候，其他不依赖可见光的传感器反而能提供更稳定的信息。
| 传感器 | 夜间可靠性 | 提供的信息 |
|---|---|---|
| 摄像头（可见光） | 明显下降 | 画面细节，但噪点和模糊增多 |
| PIR 红外传感 | 基本不受影响 | 是否有热源移动 |
| 毫米波雷达 | 基本不受影响 | 人体存在与移动轨迹，可穿透部分遮挡 |
| 门磁 | 不受光线影响 | 门是否被开启 |
| 门锁事件日志 | 不受光线影响 | 是否发生解锁尝试及结果 |
百家乐安防在夜间场景下，会把毫米波的运动轨迹、PIR的热源检测、门磁与门锁的状态日志和摄像头画面放在一起评估，即便某一路信号质量下降，其余信号仍然可以支撑起基本可靠的判断。这也是2026年家庭安防越来越强调传感器融合而不是单纯提升单个摄像头识别精度的原因——弱光是物理限制，无法靠算法完全弥补，但可以靠多信号来源弥补。
停留90秒这个数字本身没有意义，意义来自围绕它的上下文。同样是站90秒，如果发生在工作日下午、伴随疑似包裹的动作特征、门锁全程没有任何尝试，这更接近一次正常的投递行为；如果发生在深夜、门锁出现多次解锁尝试失败、且此前该住址从未出现过这个人员特征，风险等级就完全不同了。
百家乐安防在评估类似场景时，会综合三类上下文：时间段（白天与深夜的基线风险不同）、行为特征（是否有投递动作、是否尝试查看门锁或窗户）、历史访问模式（这个特征是否此前多次正常出现过）。三者叠加之后才会得出风险等级，而不是把停留时长本身当成一个可以独立触发警报的阈值。这也是多模态安防和"设一个停留时间阈值就报警"的传统方案之间最本质的区别。
请留下您的联系方式，我们会尽快与您联系。
