摄像头模型返回一个手势标签时，桌面程序还不能立刻执行动作。模型描述的是某一帧画面，业务事件表达的是用户完成了一次有意操作。

要把前者变成后者，需要一条可取消、可去重、可复位的确认链路。

从帧结果到事件的处理流程

代码语言：mermaid

复制

flowchart TDA[摄像头帧] --> B[手部检测]B --> C[手势分类]C --> D[标签归一化]D --> E{置信度通过}E -- 否 --> F[继续采样]E -- 是 --> G[候选手势]G --> H{连续结果稳定}H -- 否 --> FH -- 是 --> I[生成一次事件]I --> J[策略层复核]I --> K[等待释放]K --> L[重新布防]

分类、确认和策略决策应当分层。

• 分类器不关心后续动作。
• 确认器不直接执行系统操作。
• 策略层也不重新实现一套视觉判断。

候选状态需要时间边界

代码语言：cpp

复制

struct Candidate{std::string label;uint64_t startedAtMs = 0;uint64_t lastResultAtMs = 0;int acceptedSamples = 0;};bool UpdateCandidate(Candidate& candidate,const GestureSample& sample,const ConfirmationPolicy& policy){if (candidate.label != sample.label){candidate = Candidate{.label = sample.label,.startedAtMs = sample.timestampMs,.lastResultAtMs = sample.timestampMs,.acceptedSamples = 1};return false;}if (sample.timestampMs == candidate.lastResultAtMs){return false;}candidate.lastResultAtMs = sample.timestampMs; candidate.acceptedSamples;return policy.IsConfirmed(candidate);}

状态同时记录标签、开始时间和最后结果时间。

• 标签切换时重新开始。
• 同一结果不重复累计。
• 确认窗口超时后退出候选。

具体阈值和时间由多设备测试确定，不应散落在多个组件里。

单次事件必须锁存

用户保持手势时，模型会持续返回同一个标签。

确认成功后应解除布防，只生成一次事件。

代码语言：cpp

复制

if (armed_ && confirmed){Report(BuildGestureEvent(candidate));armed_ = false;}if (!armed_ && releaseState_.Observe(noAcceptedGesture, nowMs)){candidate = {};armed_ = true;}

对释放状态的判断同样不能依赖单帧结果。

一次低置信度波动，往往只是遮挡、曝光变化等瞬时干扰，并不足以说明用户已经真正放下手。

因此，这里也要通过连续观测来确认。

跨进程消息如何防重复

代码语言：cpp

struct GestureEvent{std::string eventId;std::string sessionId;uint64_t sequence = 0;std::string gestureType;int stableSamples = 0;float confidence = 0.0F;};

这个事件结构里，eventId负责幂等控制，避免同一事件被重复处理；sequence用于拦截过期消息，防止旧序列号重新生效；sessionId则用来区分识别进程是否发生过重启。

进入接收端之后，还需要继续校验功能开关、手势配置以及当前策略状态，不能仅凭消息来自本机就直接视为可信输入。

场景只是最终落点

有人突然靠近电脑、用户不方便明显操作键盘鼠标时，手势可以作为主动触发入口。

我参与开发的 超级看门狗 SuperWatchDog 将手势与离席检测分为两种语义：手势代表用户仍在电脑前发出的指令，离席检测负责已经离开后的补充判断。

摄像头画面在本机处理，不保存或上传照片、视频。

光照、遮挡、角度和设备质量会影响结果，因此预览状态和实际位置测试也是完整方案的一部分。

模型能力决定能识别什么，确认管线决定识别结果能不能成为可靠的桌面事件。