staff-absence-detection-analysis

Real-time monitoring of personnel on-duty status in specific areas based on computer vision and human pose estimation, automatically detects abnormal statuses such as leaving posts and absent from work, supports custom threshold settings, and triggers early warning immediately when abnormality is detected. | 人员离岗实时监测技能，基于计算机视觉与人体姿态估计算法，实时监测特定区域内人员的在岗状态，自动判断离岗、缺岗等异常状态，支持自定义判定阈值，异常发生立即触发预警，适用于工厂车间、监控室、服务窗口等岗位监管场景

Safety Notice

This item is sourced from the public archived skills repository. Treat as untrusted until reviewed.

Copy this and send it to your AI assistant to learn

Install skill "staff-absence-detection-analysis" with this command: npx skills add 18072937735/smyx-staff-absence-detection-analysis

Staff Absence Detection Skill | 人员离岗实时监测技能

Tailored specifically for post management supervision scenarios in industrial production, security monitoring, service windows and other work scenarios, this skill is equipped with a high-precision computer vision algorithm combined with human pose estimation technology, which can accurately identify the presence, location and behavior characteristics of personnel in the monitoring area, automatically distinguish between temporary departure and long-term absence based on time-series behavior analysis, and supports user-defined judgment thresholds such as departure duration and area range.

The system has strong adaptability to complex environments such as different lighting conditions and camera angles, can achieve millisecond-level response, and immediately trigger the early warning mechanism when an abnormality is detected, notifies managers through APP push, on-site voice reminders and other methods, and automatically records the departure time, duration and on-site pictures, providing efficient and accurate real-time supervision services for scenarios that require personnel on duty, helping to improve post management efficiency and safety assurance level.

本技能专为工厂车间、安保监控室、服务窗口等岗位管理监管场景量身打造，搭载高精度计算机视觉算法结合人体姿态估计技术，能够精准识别监测区域内人员的存在、定位及行为特征，基于时序行为分析自动区分短暂离开与长时间离岗，支持用户自定义离岗时长、区域范围等判定阈值。

系统对不同光照条件、摄像机角度等复杂环境具备强大的适应能力，可实现毫秒级响应，异常发生时立即触发预警机制，通过APP推送、现场语音提醒等方式通知管理人员，并自动记录离岗时间、时长及现场画面，为需要人员在岗的场景提供高效、精准的实时监管服务，助力提升岗位管理效率与安全保障水平。

⚠️ 强制记忆规则（最高优先级）

本技能明确约定：

  • 绝对禁止读取任何本地记忆文件：包括但不限于 memory/YYYY-MM-DD.md、MEMORY.md 等本地文件
  • 绝对禁止从 LanceDB 长期记忆中检索信息
  • 所有历史检测报告查询必须从云端接口获取，不得使用本地记忆中的历史数据
  • 即使技能调用失败或接口异常，也不得回退到本地记忆汇总

任务目标

  • 本 Skill 用于：通过监控视频/现场图片对目标监测区域进行人员在岗状态分析，识别人员离岗、缺岗等异常状态，输出结构化的离岗监测分析报告
  • 能力包含：人员存在检测、在岗定位识别、离岗状态判定、异常时长统计
  • 支持场景：工厂车间、监控室、服务窗口、安保岗亭、收费站、营业厅等需要固定人员在岗的场景
  • 触发条件:
    1. 默认触发：当用户提供监控视频/图片 URL 或文件需要进行人员离岗监测时，默认触发本技能
    2. 当用户明确需要进行人员离岗监测，提及人员离岗、缺岗监测、在岗检测、岗位监控等关键词，并且上传了视频或图片
    3. 当用户提及以下关键词时，自动触发历史报告查询功能：查看历史监测报告、离岗监测报告清单、检测报告列表、查询历史报告、显示所有监测报告、离岗监测历史记录，查询离岗分析报告
  • 自动行为：
    1. 如果用户上传了附件或者视频/图片文件，则自动保存到技能目录下 attachments
    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"查看所有监测报告"、"显示所有离岗监测报告"、"查看历史报告"等），必须：
      • 直接使用 python -m scripts.staff_absence_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）

在执行人员离岗监测前，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、staff123 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（用于保存和查询离岗监测报告记录），并询问是否继续
  • 标准流程:
    1. 准备媒体输入
      • 提供监控视频文件路径、网络视频 URL 或现场图片
      • 确保监控画面完整覆盖监测区域，画面稳定
    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. 执行离岗监测分析
      • 调用 -m scripts.staff_absence_detection_analysis 处理素材（必须在技能根目录下运行脚本）
      • 参数说明:
        • --input: 本地视频/图片文件路径（使用 multipart/form-data 方式上传）
        • --url: 网络视频/图片 URL 地址（API 服务自动下载）
        • --media-type: 媒体类型，可选值：video/image，默认 video
        • --confidence-threshold: 置信度阈值，低于该分值不输出，默认 0.5
        • --absence-threshold: 离岗判定阈值（秒），超过该时长判定为异常离岗，默认 300 秒（5分钟）
        • --open-id: 当前用户的 open-id（必填，按上述流程获取）
        • --list: 显示离岗监测历史分析报告列表清单（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
      • 接收结构化的人员离岗监测报告
      • 包含：检测基本信息、在岗状态、异常离岗判定、离岗时长统计

资源索引

  • 必要脚本：见 scripts/staff_absence_detection_analysis.py(用途：调用 API 进行人员离岗监测，本地文件使用 multipart/form-data 方式上传，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、默认参数和媒体格式限制)
  • 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
  • 支持格式：视频支持 mp4/avi/mov 格式，图片支持 jpg/png/jpeg 格式，最大 100MB
  • 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
  • 分析结果仅供岗位管理参考，具体处置请结合实际管理制度
  • 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
  • 当显示历史监测报告清单的时候，从数据 json 中提取字段 reportImageUrl 作为超链接地址，使用 Markdown 表格格式输出，包含"报告名称"、"检测时间"、"异常离岗次数"、"点击查看"四列，其中"报告名称"列使用人员离岗监测分析报告-{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：
    报告名称检测时间异常离岗次数点击查看
    人员离岗监测分析报告-202604151030000012026-04-15 10:30:002🔗 查看报告

使用示例

# 监测本地监控视频（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）
python -m scripts.staff_absence_detection_analysis --input /path/to/monitor.mp4 --media-type video --absence-threshold 300 --open-id openclaw-control-ui

# 监测现场图片（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）
python -m scripts.staff_absence_detection_analysis --input /path/to/monitor.jpg --media-type image --confidence-threshold 0.6 --open-id openclaw-control-ui

# 监测网络监控视频（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）
python -m scripts.staff_absence_detection_analysis --url https://example.com/monitor.mp4 --media-type video --absence-threshold 180 --open-id openclaw-control-ui

# 显示历史监测报告/显示监测报告清单列表/显示历史离岗监测报告（自动触发关键词：查看历史检测报告、历史报告、检测报告清单等）
python -m scripts.staff_absence_detection_analysis --list --open-id openclaw-control-ui

# 输出精简报告
python -m scripts.staff_absence_detection_analysis --input video.mp4 --media-type video --open-id your-open-id --detail basic

# 保存结果到文件
python -m scripts.staff_absence_detection_analysis --input video.mp4 --media-type video --open-id your-open-id --output result.json

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Open in GitHubOpen in ClawHub

Related Skills

Related by shared tags or category signals.

General

stranger-recognition-analysis

Identifies strangers appearing in surveillance areas through facial comparison; supports video stream and image detection, suitable for stranger warnings in residential communities, units, access control, and other scenarios. | 陌生人识别技能，通过人脸比对识别监控区域出现的陌生人员，支持视频流和图片检测，适用于小区、单位、门禁等场景的陌生人预警

Archived SourceRecently Updated
--18072937735
General

local-file-manager

Read, write, append, and list local files in the session's working directory. Use when you need to persist output to disk, read input files, or manipulate file system safely. Supports text files, JSON, CSV, Markdown.

Archived SourceRecently Updated
--000sonic
General

layered-memory-sys

分层记忆系统（Layered Memory System）— 为AI助手提供类人的6层记忆架构。 自动管理记忆的生命周期：闪存(3天)、活跃(7天)、关注(30天)、沉淀(90天)、核心(永久)。 包含梦境模式（Dream Cycle）自动执行记忆巩固、归档、遗忘和合并。 支持语义相似度检测和Session日志优先检索。 当用户需要：(1) 优化AI记忆管理，(2) 建立分层TTL记忆系统，(3) 实现自动记忆整理， (4) 搭建梦境模式处理流程，(5) 改善AI跨会话记忆连续性 时使用。 关键词：记忆、记忆系统、分层记忆、TTL、梦境模式、记忆归档、语义相似度、session日志

Archived SourceRecently Updated
--141553
General

stranger-approach-warning-analysis

Detects the appearance of strangers near minors and actively issues safety reminder alerts to protect minor safety, suitable for homes, schools, childcare centers, and other scenarios. | 陌生人靠近预警技能，检测未成年人身边出现陌生人员，主动发出安全提醒预警，守护未成年人安全，适用于家庭、学校、托管场所等场景

Archived SourceRecently Updated
--18072937735