aaronmarchant96-max/uap-footage-analyzer

# UAP 画面分析器     一个多源框架，用于从不同来源摄取、标准化和分析UAP画面，利用计算机视觉和结构化审核工作流。 ## 概述 本项目从真实世界的UAP画面中提取可复现的运动事件和残留异常。它旨在处理**多种数据源**（美国国防部公开资料、巴西泄露资料等），通过一致的流水线处理，而非将每个来源视为一次性分析。 核心思路： - 来源特定的原始数据 + 摄取适配器 - 统一的标准化内部表示（`NormalizedCase`） - 感知来源但非特定于来源的检测逻辑 - 每个来源独立的审核队列，直到需要进行跨来源分析 目标**不是**对物体进行分类或对起源做出断言。目标是从不同拍摄条件下的混乱真实画面中，提取清晰、可审查的事件。 ## 架构 ``` Raw Data (by source) │ ▼ Source Adapters → NormalizedCase │ ▼ Core Detector (source-aware config) │ ▼ Review Queues + Human Analysis ``` 参见 `data/README.md` 了解数据组织模型，以及 `data/metadata/sources.json` 了解当前注册表。 ## 当前集成状态（截至2026年5月下旬） **运行良好的部分：** - 强大的标准化数据模型（`NormalizedCase`） - 注册表 + 来源适配器（巴西适配器可用） - 能够摄取新来源并生成一致的审核队列 - 旧版V3残留+运动检测器（已在DOD数据上经受考验） **尚未集成的部分：** - 新的摄取层（NormalizedCase + 适配器）仅通过新的 `detection.py` 模块（`run_on_case` / `run_detection_on_case`）与核心检测器进行了轻量级连接。 - 完整的来源感知配置（从 `SourceConfig` / 注册表中提取阈值和预期伪影）尚未实现。 - `sky_residual_v3.py` 仍主要针对DOD风格画面进行调优和文档化。 目前这是有意为之。我们优先将真实的多源数据干净地纳入系统，然后再将检测器紧密耦合。完整的来源感知检测配置计划作为下一个主要阶段。 ## 当前组件 ### 核心包 - `src/uap_footage_analyzer/` — 主库和摄取框架 - `schemas.py` — `NormalizedCase` 及其支持类型（规范内部模型） - `registry.py` — 来源注册表加载器（`data/metadata/sources.json`） - `queue_io.py` — 读取/写入标准化审核队列 - `adapters/brazil.py` — 巴西来源适配器 - `sky_residual_v3.py` — 残留+运动检测引擎 - `detection.py` — NormalizedCase 与检测器之间的薄集成层（`run_on_case`） - `cli.py` — `uap-ingest` 命令行工具 - `tools/` - `ingest_brazil.py` — 巴西素材摄取的辅助脚本 ### 子项目 - **`storm-replay/`** — 一个半独立的工具包，用于历史风暴影像分析和校准。 其范围故意限定为独立工具（不属于核心UAP运动/残留流水线）。 详细内容请参见 [storm-replay/README.md](storm-replay/README.md)。 注意：`goes_anomaly_hunter/`（GOES卫星热分析）之前并行开发，但现在作为独立项目维护，不再属于此仓库。 ## 快速入门 ``` git clone https://github.com/aaronmarchant96-max/uap-footage-analyzer.git cd uap-footage-analyzer python3 -m venv .venv source .venv/bin/activate pip install -e . ``` ### 基本用法 ``` # 预览 Brazil material ingestion uap-ingest brazil --dry-run --verbose # 实际写入 normalized review queue uap-ingest brazil # 检查当前 queue uap-ingest brazil --list ``` 有关如何添加新来源，请参见 `data/README.md`；有关巴西特定布局，请参见 `data/brazil/README.md`。 有关技术和历史文档，请参见 `docs/README.md`。 ## 数据组织 所有原始素材位于 `data//` 目录下。 - `data/dod/` — 美国国防部公开资料 - `data/brazil/` — 巴西UAP泄露和公开资料 - `data/metadata/sources.json` — 关于来源出处和可信度的唯一真实来源 有关完整理念以及如何添加新来源，请参见 `data/README.md`。 ## 当前状态（截至2026年5月） - 为新来源建立了强大的标准化数据模型和摄取路径 - 成熟的V3残留检测流水线（最初针对DOD 2026年5月发布的数据调优） - 运行中的巴西素材摄取和队列管理CLI - 每个来源独立的审核队列 **值得注意的历史运行（DOD 2026年5月发布）：** - 57个视频 - 570个原始运动事件 → 经过残留过滤后得到23个高优先级审核候选 ## 依赖要求 ``` pip install -e . ``` ### 运行测试 ``` pip install -r requirements-dev.txt python -m pytest tests/ -q ``` ## 免责声明 本工具识别运动事件以供人工审核。它不对物体进行分类，也不对UAP起源做出断言。不同的拍摄条件（机载摄像头、消费级视频等）会产生截然不同的伪影特征——请始终将来源上下文视为一等数据。

标签：Homebrew安装, OpenCV, Python, UAP, UFO, 人机协作, 分析框架, 国防, 多源数据, 异常事件提取, 批处理管道, 数据归一化, 文档结构分析, 无后门, 航空, 视频分析, 计算机视觉, 运动检测, 逆向工具