企业官网建设流程全解析

上一篇讲完了挖掘平台的架构骨架，从这篇开始填血肉。平台拿到采集数据后做的第一件事是「抽帧」——把视频形态的 clip 变成一张张图片。为什么必须做这一步？因为下游所有能力都是「认图不认视频」的：VLM 推理要喂图片，Embedding 要向量化图片，标签和检索全都挂在图片上。抽帧质量，决定了整条挖掘链路的输入质量。

但抽帧是个两难问题：全量抽帧存不起也处理不过来——一路摄像头 10 秒 30 帧就是 300 张图，一个采集项目动辄数百个 clip、多路摄像头；抽得太稀，又会漏掉真正有价值的关键时刻。本篇拆解我们的解法：三级分层抽帧策略——常规抽帧保覆盖、事件抽帧抠细节、推理抽帧选精华，三道闸门各司其职。

一、先立前提：平台不碰接入链路，只消费产出

在讲抽帧之前，先明确一条边界。采集车上传的 clip 与采集标签，沿用系列二讲过的既有合规链路与入湖通道：车端脱敏 → 合规云脱密 → 智驾云入湖，元信息落 dwd_collect_clip_detail 与 ods_data_file_meta。挖掘平台不改变采集接入链路，只消费它的产出。

这条边界带来两个直接约束：一是抽帧引擎的输入只有湖仓里的合规数据，不存在「绕过合规直接抽帧」的路径；二是 clip 的元数据完全复用采集域既有表，抽帧产物只新增一张表——dwd_mining_image_frame_detail（抽帧图片明细表），image_id 内嵌 data_id，免查表即可回溯到采集单元。上游一张表、下游一张表，链路干净。

二、为什么必须分层：三道成本闸门

抽帧的每一层策略，本质上是一道成本闸门。频率越高，覆盖越细，但存储、算力与下游推理成本同步放大。我们把闸门分成三道：

三层的分工可以这样理解：常规抽帧是「普查」，保证任何场景在湖仓里都有留痕，标签统计和粗粒度检索才有底数；事件抽帧是「现场勘查」，只在出事的 20 秒里加密采样；推理抽帧是「重点取证」，把最贵的 GPU 推理花在信息量最大的几张图上。三路产物统一写入 dwd_mining_image_frame_detail，下游引擎消费时不关心帧是哪一路抽出来的。

🌐 业界参考：特斯拉、小鹏等厂商在车端采用「触发器采集」——影子模式分歧、用户接管等事件触发高密度回传，避免全量回传的带宽与成本不可行。分层抽帧正是云侧对应的成本闸门设计：车端决定传什么，云端决定抽什么。

三、事件抽帧：20 秒窗口与异步补抽

三层里工程细节最多的是事件抽帧。它的核心设计是「围绕事件时刻取窗口」：事件发生前 15 秒 + 后 5 秒，共 20 秒，按 1 秒 1 帧二次抽帧，约 20 张图。

窗口为什么是「前 15 后 5」不对称？因为事件的价值主要在「它是怎么发生的」——前车切入、行人闯入、信号灯变化的过程都在事件之前；事件之后的 5 秒则用来确认后果（是否制动、是否绕行）。1 秒 1 帧的密度足够还原因果链，又不至于把 20 秒变成 600 张全量帧。

触发条件有四类：命中挖掘规则、主动安全触发（AEB 等）、驾驶员接管、模型低置信度——每一类都对应一种「模型表现与预期有偏差」的信号。注意一个时序细节：事件信息本身依赖规则引擎的输出，所以事件抽帧天然是「二次抽帧」——常规抽帧先行，规则引擎事后识别出事件，再回头对对应窗口补抽。这就是「异步补抽」机制：调度上把事件抽帧任务挂在规则结果之后，补抽与主链路解耦，谁也不阻塞谁。

四、推理抽帧：用打分代替随机选帧

第三层服务的是最贵的环节——VLM 推理。GPU 推理成本与送进去的图片数量成正比，送全量帧既不经济也无必要（相邻帧高度相似）。推理抽帧的做法是：每个 clip 只选 1~5 张关键帧，选谁由打分决定，三个维度：

• 图像清晰度

  模糊、过曝、遮挡的帧直接降权，对应帧表里的 frame_quality_score；

• 目标丰富度

  画面里车辆、行人、交通设施越多，语义信息量越大；

• 时间位置

  事件窗口中心、场景切换时刻的帧优先。

这套打分机制让「选帧」从拍脑袋变成可配置、可回溯的策略：frame_quality_score 作为帧表字段落湖，选帧逻辑调整时可以重算分数重新圈选，历史推理结果也能按当时的分数复盘。结合上一篇讲的向量化成本分级——规则命中、事件抽帧产出的帧优先进 VLM，普通帧抽样——推理预算始终流向信息密度最高的图片。

五、四个实现要点：抽帧引擎怎么落地

策略之外，工程落地有四个绕不开的要点：

• 多路摄像头同步

  智驾车同一时刻有前视、侧视、后视等多路摄像头，同一时刻的多路图片作为一组样本，逐图保留 camera_id——检索时可按视角过滤，训练时可按视角组合；

• 批流双模式

  抽帧引擎支持批（Spark，用于存量历史数据回刷）与流（Flink，用于新入湖数据实时抽帧）两种模式，按数据量与时效要求选择，共用同一套抽帧逻辑保证结果一致；

• 产物统一落帧表

  三层抽帧结果全部写 dwd_mining_image_frame_detail，字段含 image_id、clip 归属、camera_id、帧序号、时间戳、GPS、文件路径与 frame_quality_score——image_id 内嵌 data_id，免查表即可回溯采集单元；

• 抽帧前置脱敏校验

  抽帧任务启动前校验文件已完成双脱敏（复用合规链路的脱敏标记），未脱敏数据一律拒绝抽帧——合规红线在挖掘侧再设一道闸。

📌 本篇要点回顾：① 平台只消费合规入湖的 clip，不碰接入链路；② 三级分层抽帧 = 三道成本闸门（普查 / 现场勘查 / 重点取证）；③ 事件抽帧取「前 15 后 5」20 秒窗口，异步补抽不阻塞主链路；④ 推理抽帧按清晰度/目标丰富度/时间位置打分选 1~5 关键帧；⑤ 多路同步、批流双模、统一帧表、脱敏前置校验。