Pet Race Foul Detection (False Start / Lane Crossing) | 宠物赛跑/竞赛作弊识别（起跑/窜道）

Other

Triggers when a user provides a pet racing track start/finish video URL or file for analysis; uses HD cameras at the starting line and finish line to analyze race video in real time, detecting each pet's (greyhounds, racehorses, etc.) start time, finish order, and lane assignment, automatically determining false starts (start before the signal) or lane crossing (deviating from own lane into an adjacent lane) fouls and outputting judgment results. Assists referee decisions and improves race fairness. Application: pet racing (greyhound, horse, obstacle course), pet sports events, professional track training. Does NOT provide race advice — only returns objective video-based judgment results. | 当用户提供宠物赛道起点/终点视频URL或文件时，触发本技能进行竞赛犯规检测分析；通过架设在赛道起点和终点线的高清摄像头，实时分析比赛视频，检测每只宠物（赛犬、赛马等）的起跑时间、通过终点线的顺序以及所在道次，自动判定是否存在抢跑（起跑时间早于发令信号）或窜道（偏离自身赛道进入邻道）等犯规行为，并输出判定结果。辅助裁判决策，提高赛事公平性。应用场景：宠物竞速比赛（灵缇赛跑、赛马、宠物障碍赛）、宠物运动会、专业赛道训练。仅输出基于视频的客观判定结果，不提供赛事建议。

Install

openclaw skills install smyx-race-foul-detection-analysis

Pet Race Foul Detection (False Start / Lane Crossing) | 宠物赛跑/竞赛作弊识别（起跑/窜道）

当用户提供宠物赛道起点/终点视频URL或文件时，触发本技能进行竞赛犯规检测分析；通过架设在赛道起点和终点线的高清摄像头，实时分析比赛视频，检测每只宠物（赛犬、赛马等）的起跑时间、通过终点线的顺序以及所在道次，自动判定是否存在抢跑（起跑时间早于发令信号）或窜道（偏离自身赛道进入邻道）等犯规行为，并输出判定结果。辅助裁判决策，提高赛事公平性。应用场景：宠物竞速比赛（灵缇赛跑、赛马、宠物障碍赛）、宠物运动会、专业赛道训练。仅输出基于视频的客观判定结果，不提供赛事建议。

🎯 AI 角色

你是一个专业的宠物赛事裁判AI。你的任务是分析赛道起点和终点区域的视频，检测每只宠物（参赛者）的起跑时间、通过终点的顺序以及所在道次，判定是否存在抢跑（提前于发令信号起跑）或窜道（偏离自身赛道进入其他赛道）行为。不提供赛事建议，仅输出基于视频的客观判定结果。

任务目标

本 Skill 用于：通过赛道起点/终点区域视频识别每只参赛宠物的起跑时刻、所在道次、通过终点顺序，并自动判定抢跑/窜道犯规
能力包含：发令信号识别、起跑时间提取、道次识别与跟踪、窜道行为检测、终点顺序判定、犯规证据片段定位、结构化裁判结果输出
触发条件:
1. 默认触发：当用户提供宠物赛道起点或终点视频 URL/文件需要做犯规检测时，默认触发本技能进行竞赛犯规识别
2. 当用户明确需要做赛事裁判辅助时，提及抢跑、起跑犯规、窜道、跨道、灵缇赛、赛犬、赛马、宠物障碍赛、犯规判定等关键词，并且上传了视频文件
3. 当用户提及以下关键词时，自动触发历史报告查询功能：查看历史犯规报告、历史赛事报告、犯规检测清单、查询历史竞赛报告、显示所有比赛犯规报告、显示赛道裁判记录
自动行为：
1. 如果用户上传了附件或者视频/图片文件，则自动保存为本地文件
2. ⚠️ 强制数据获取规则（次高优先级）：如果用户触发任何历史报告查询关键词（如"查看所有犯规报告"、"显示历史赛事报告"、"查看历史报告"等），必须：
  - 直接使用 python -m scripts.smyx_race_foul_detection_analysis --list --open-id 参数调用 API 查询云端的历史报告数据
  - 严格禁止：从本地 memory 目录读取历史会话信息、严格禁止手动汇总本地记录中的报告、严格禁止从长期记忆中提取报告
  - 必须统一从云端接口获取最新完整数据，然后以 Markdown 表格格式输出结果

前置准备

依赖说明:scripts 脚本所需的依赖包及版本
```
requests>=2.28.0
```

操作步骤

🔒 open-id 获取流程控制（强制执行，防止遗漏）

在执行赛事犯规检测分析前，必须按以下优先级顺序获取 open-id：

第 1 步：【最高优先级】检查技能所在目录的配置文件（优先）
        路径：skills/smyx_common/scripts/config.yaml（相对于技能根目录）
        完整路径示例：${OPENCLAW_WORKSPACE}/skills/{当前技能目录}/skills/smyx_common/scripts/config.yaml
        → 如果文件存在且配置了 api-key 字段，则读取 api-key 作为 open-id
        ↓ (未找到/未配置/api-key 为空)
第 2 步：检查 workspace 公共目录的配置文件
        路径：${OPENCLAW_WORKSPACE}/skills/smyx_common/scripts/config.yaml
        → 如果文件存在且配置了 api-key 字段，则读取 api-key 作为 open-id
        ↓ (未找到/未配置)
第 3 步：检查用户是否在消息中明确提供了 open-id
        ↓ (未提供)
第 4 步：❗ 必须暂停执行，明确提示用户提供用户名或手机号作为 open-id

⚠️ 关键约束：

禁止自行假设,自行推导,自行生成 open-id 值（如 openclaw-control-ui、default、userC113、user123 等）
禁止跳过 open-id 验证直接调用 API
必须在获取到有效 open-id 后才能继续执行分析
如果用户拒绝提供 open-id，说明用途（用于保存和查询历史报告记录），并询问是否继续

标准流程:
1. 准备赛道视频输入
  - 提供本地视频文件路径或网络视频 URL
  - 确保视频清晰拍到起跑线/终点线、所有赛道及发令信号，光线充足、机位稳定
2. 获取 open-id（强制执行）
  - 按上述流程控制获取 open-id
  - 如无法获取，必须提示用户提供用户名或手机号
3. 执行竞赛犯规检测分析
  - 调用 -m scripts.smyx_race_foul_detection_analysis 处理视频文件（必须在技能根目录下运行脚本）
  - 参数说明:
    - --input: 本地赛道视频文件路径
    - --url: 网络赛道视频 URL 地址（API 服务自动下载）
    - --pet-type: 宠物类型，可选值：cat/dog/other，默认 dog
    - --open-id: 当前用户的 open-id（必填，按上述流程获取）
    - --list: 显示竞赛犯规历史检测报告列表清单（可以输入起始日期参数过滤数据范围）
    - --api-key: API 访问密钥（可选）
    - --api-url: API 服务地址（可选，使用默认值）
    - --detail: 输出详细程度（basic/standard/json，默认 json）
    - --output: 结果输出文件路径（可选）
4. 查看分析结果
  - 接收结构化的裁判判定报告
  - 包含：发令信号时间戳、各参赛者编号/道次、起跑反应时（毫秒级）、是否抢跑、窜道事件（时间段+涉及道次）、终点通过顺序、整体犯规判定（无犯规/抢跑/窜道/多项）、证据片段时间戳
  - 重要提示：仅输出基于视频的客观判定结果，不提供任何赛事建议或处罚决定

资源索引

必要脚本：见 scripts/smyx_race_foul_detection_analysis.py（用途：调用 API 进行赛道视频抢跑/窜道犯规检测，本地文件上传，网络 URL 由 API 服务自动下载）
配置文件：见 scripts/config.py（用途：配置 API 地址、默认参数和视频格式限制）
领域参考：见 references/api_doc.md（何时读取：需要了解 API 接口详细规范和错误码时）

注意事项

仅在需要时读取参考文档，保持上下文简洁
视频要求：支持 mp4/avi/mov 格式，最大 10MB；建议帧率 ≥ 60fps 以保证起跑时序精度
API 密钥可选，如果通过参数传入则必须确保调用鉴权成功，否则忽略鉴权
起跑判定阈值（反应时下限）和窜道判定容差由 API 端按赛事规则自定义
分析结果仅作为裁判辅助参考，最终判罚以现场主裁判决为准
禁止临时生成脚本，只能用技能本身的脚本
传入的网络地址参数，不需要下载本地，默认地址都是公网地址，API 服务会自动下载
当显示历史分析报告清单的时候，从接口返回 json 数据中提取字段 reportImageUrl 作为超链接地址，且自动转化为如下 Markdown 表格格式输出，包含"报告名称"、"宠物类型"、"分析时间"、"点击查看"四列，其中"报告名称"列使用宠物竞赛犯规检测报告-{记录id}形式拼接, "点击查看"列使用 [🔗 查看报告](reportImageUrl) 格式的超链接，用户点击即可直接跳转到对应的完整报告页面
表格输出示例：
报告名称宠物类型分析时间点击查看
宠物竞赛犯规检测报告-20260312172200001 狗 2026-03-12 17:22:00 🔗 查看报告

报告名称	宠物类型	分析时间	点击查看
宠物竞赛犯规检测报告-20260312172200001	狗	2026-03-12 17:22:00	🔗 查看报告

使用示例

# 分析本地赛道视频（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）
python -m scripts.smyx_race_foul_detection_analysis --input /path/to/race_video.mp4 --pet-type dog --open-id your-open-id

# 分析网络赛道视频（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）
python -m scripts.smyx_race_foul_detection_analysis --url https://example.com/race_video.mp4 --pet-type dog --open-id your-open-id

# 显示历史分析报告/犯规检测历史清单（自动触发关键词：查看历史犯规报告、犯规检测清单等）
python -m scripts.smyx_race_foul_detection_analysis --list --open-id your-open-id

# 输出精简报告
python -m scripts.smyx_race_foul_detection_analysis --input race.mp4 --pet-type dog --open-id your-open-id --detail basic

# 保存结果到文件
python -m scripts.smyx_race_foul_detection_analysis --input race.mp4 --pet-type dog --open-id your-open-id --output result.json