TaoCore‑Human 是怎么工作的（给年轻工程师看的版）
这篇讲 taocore-human，不讲花哨词，直接说它在做什么。
1. 一句话概括
它把照片/视频变成数字信号，建图，算稳定性，然后不稳定就拒绝解释。
流程图：
2. 输入和适配器
照片文件夹
- 输入：一堆图片
- 适配器会按顺序读取，变成
ImageFrame - 然后交给提取器算特征
简单示意：
image_01.jpg → ImageFrame(index=0, data=HxWxC)
image_02.jpg → ImageFrame(index=1, data=HxWxC)视频
- 输入：一个视频文件
- 读出每帧，转成 RGB
- 按时间切成窗口（有重叠）
窗口示意：
3. 信号（提取器）
会输出这些数字信号：
- 人脸置信度
- 情绪相关的“代理值”（不是结论）
- 画面亮度、模糊度（质量）
默认可以用 stub 提取器（假的但可复现），方便测试。
4. 建图
照片流程
- 每个人 = 一个
PersonNode - 同时出现就连边
示意：
person_1 —— person_2
|
person_3视频流程
有两层图：
- 每个时间窗口一个小图
- 全部窗口合成一个大图
这样可以看“时间上有没有稳定的趋势”。
5. 算指标
会复用 TaoCore 的指标：
- Balance：数值是否正常
- Cluster：有没有小团体
- Hub：谁更中心
- Flow（视频才有）：变化稳不稳
6. 稳定性判断
计算完后跑稳定性求解：
x_{t+1} = f(x_t)不稳定就直接拒绝。
7. 拒绝规则（很保守）
如果出现这些情况，就拒绝：
- 覆盖率不够
- 置信度不够
- 稳定性不收敛
- 视频波动太大
默认阈值：
- 照片：
min_images=3，min_coverage=0.3，min_confidence=0.5 - 视频：
min_duration=10s，window_duration=5s，window_overlap=1s
8. 一个小例子
假设 3 张照片：
photo_1.jpg: person_1, person_2
photo_2.jpg: person_1
photo_3.jpg: person_1, person_2那么：
person_1 覆盖率 = 3/3
person_2 覆盖率 = 2/3都通过阈值 → 允许解释。
如果视频里波动很大，就会反过来拒绝。
9. 你该记住的点
- 这是“信号系统”，不是“读心术”
- 只做稳定性判断，不做确定结论
- 不稳就拒绝，这就是它的安全性
如果你想看更细的源码路径，我可以继续补充。