┌─────────────────────────────────────────────────────────────┐
│                      感知层 (Perception)                     │
│  多模态输入：RGB + Depth + Audio DOA + IMU (云台姿态)        │
└──────────────────────────┬──────────────────────────────────┘
                           ▼
┌─────────────────────────────────────────────────────────────┐
│                      理解层 (Understanding)                  │
│  ┌─────────────┐ ┌─────────────┐ ┌─────────────┐             │
│  │ 人脸/人体检测│ │ 活跃说话人  │ │ 场景语义    │             │
│  │ (YOLOv8/    │ │ 关联 (AVD)  │ │ 分割 (会议  │             │
│  │  RTMDet)    │ │             │ │ 桌/白板/屏) │             │
│  └─────────────┘ └─────────────┘ └─────────────┘             │
└──────────────────────────┬──────────────────────────────────┘
                           ▼
┌─────────────────────────────────────────────────────────────┐
│                      决策层 (Decision)                       │
│  ┌─────────────────────────────────────────────────────┐    │
│  │  构图策略引擎 (Rule-based + DRL 微调)                 │    │
│  │  - 三分法/黄金螺旋/对称构图模板库                     │    │
│  │  - 景别定义：全景/中景/近景/特写 (FOV 自适应)         │    │
│  │  - 运动平滑约束：加速度/抖动/越界惩罚函数             │    │
│  └─────────────────────────────────────────────────────┘    │
└──────────────────────────┬──────────────────────────────────┘
                           ▼
┌─────────────────────────────────────────────────────────────┐
│                      执行层 (Execution)                      │
│  电子云台 (ePTZ) 矩阵变换 + 机械云台协同 + 码率自适应编码     │
└─────────────────────────────────────────────────────────────┘

// 预处理融合：Letterbox + NHWC→NCHW + 归一化合并为单 Kernel
__global__ void fused_preprocess_kernel(const uint8_t* src, float* dst, 
                                        int src_w, int src_h, int dst_w, int dst_h) {
    // 双线性插值 + mean/std 融合，避免中间显存搬运
}

Audio Branch:  [B, T, 80] → Conv1D → Transformer Encoder → [B, T, 128]
Visual Branch: [B, T, 112, 112] → 3D ResNet-18 → [B, T, 128]
Cross-Attention: Q=Audio, K/V=Visual → Speaker Prob [B, T, N]

def rule_based_composition(targets: List[Track], frame_w: int, frame_h: int) -> CropBox:
    """
    targets: 已按优先级排序 [主讲, 共屏人, 举手者, 其他]
    返回: 归一化裁剪框 [cx, cy, w, h] ∈ [0,1]
    """
    if not targets:
        return CENTER_SAFE_BOX  # 兜底全景
    
    primary = targets[0]
    # 1. 景别自适应：根据人像高度占比决定 FOV
    bbox_h_ratio = primary.bbox.h / frame_h
    if bbox_h_ratio > 0.6:      target_fov = FOV_CLOSEUP   # 特写
    elif bbox_h_ratio > 0.35:   target_fov = FOV_MEDIUM    # 中景
    else:                       target_fov = FOV_WIDE      # 全景
    
    # 2. 三分法偏移：眼睛落在上三分线
    eye_y = primary.kpts[LEFT_EYE].y + primary.kpts[RIGHT_EYE].y / 2
    target_cy = eye_y - frame_h * 0.1667  # 上三分线位置
    
    # 3. 水平居中 + 留白
    target_cx = primary.bbox.cx
    margin_x = max(0.05, 0.15 * (1 - bbox_h_ratio))  # 近景留白更大
    
    # 4. 运动平滑：EMA + 速度限幅
    smoothed = ema_update(last_box, raw_box, alpha=0.3)
    clamped = clamp_velocity(smoothed, max_px_per_frame=8)
    
    return clamped

Sensor坐标系 (4096×2160) 
  → ISP校正 (去畸变) 
  → 归一化设备坐标系 NDC [-1,1]² 
  → 裁剪窗口矩阵 M_crop = T(-cx,-cy) · S(1/w,1/h) · T(cx,cy)
  → 编码器输入 (1920×1080)

// H.265/VP9 ROI QP Delta 映射表
// 人脸区域 -4 QP，手势/白板 -2 QP，背景 +6 QP
static const int8_t roi_qp_delta[3][3] = {
    {-4, -2, +2},  // 近景：人脸占比大
    {-3, -2, +4},  // 中景
    {-2, -1, +6}   // 全景：背景占比大
};

void update_encoder_roi(EncoderCtx* ctx, const CropBox* crop, CompositionMode mode) {
    Rect face_roi = map_to_encoder_coords(crop, FACE_RELATIVE_BOX);
    Rect gesture_roi = map_to_encoder_coords(crop, GESTURE_RELATIVE_BOX);
    
    encoder_set_roi_map(ctx, face_roi, roi_qp_delta[mode][0]);
    encoder_set_roi_map(ctx, gesture_roi, roi_qp_delta[mode][1]);
    encoder_set_bg_qp_offset(ctx, roi_qp_delta[mode][2]);
}

┌──────────────────┐     1. 触发采集      ┌──────────────────┐
│  终端设备         │ ──────────────────▶ │  边缘网关/云存储  │
│  (Orin/RK3588)   │  硬例样本/漂移样本   │  (MinIO/S3)       │
└──────────────────┘  (加密上传)          └────────┬─────────┘
                                                   │
                    5. 模型下发 (OTA)             ▼
┌──────────────────┐ ◀────────────────── ┌──────────────────┐
│  终端设备         │   加密模型包 +      │  标注平台         │
│  热更新生效       │   版本元数据        │  (CVAT/Label     │
└──────────────────┘                     │  Studio私有化)   │
       ▲                                 └────────┬─────────┘
       │                                          │
       │        4. 评估通过/灰度验证               │ 2. 自动预标注
       └──────────────────────────────────────────┘  (Teacher模型)
                              3. 训练平台
                         (Kubeflow/MLflow)
                         蒸馏/量化/导出

// TA (Trusted Application) 侧核心逻辑伪代码
TEE_Result TA_FaceDetect(uint8_t* enc_frame, size_t len, DetectionResult* out) {
    // 1. 校验调用者 CA 签名 (防注入)
    if (!verify_ca_signature()) return TEE_ERROR_ACCESS_DENIED;

    // 2. 在 TEE 内存解密帧 (密钥仅 TEE 持有)
    void* dec_frame = tee_malloc(FRAME_SIZE);
    aes_gcm_decrypt(session_key, enc_frame, len, dec_frame);

    // 3. 运行量化模型 (NPU 驱动需支持 TEE 模式)
    npu_run_in_tee(model_handle, dec_frame, out); 

    // 4. 结果脱敏：仅输出 BBox/Score，抹除人脸像素指针
    sanitize_output(out); 

    tee_free(dec_frame);
    return TEE_SUCCESS;
}

graph LR
    A[PyTorch FP32 模型] --> B[ONNX 导出 + 动态Shape固化]
    B --> C{量化感知训练 QAT}
    C --> D[TensorRT INT8 Engine<br/>(Orin/PC)]
    C --> E[RKNN INT8/INT16 Hybrid<br/>(RK3588)]
    C --> F[SNPE DLC / QNN Context Binary<br/>(高通)]
    C --> G[TVM Relay + MicroTVM<br/>(CV181X/MCU)]
    D & E & F & G --> H[统一推理接口 IIntelligentCompositor]
    H --> I[上层业务逻辑 0 修改]

// 编译期多态，零虚函数开销
template <typename Backend>
concept InferenceBackend = requires(Backend b, const Tensor& in, Tensor& out) {
    { b.load_model(std::string_view{}) } -> std::same_as<ErrorCode>;
    { b.infer(in, out) } -> std::same_as<ErrorCode>;
    { b.get_input_spec() } -> std::same_as<TensorSpec>;
    { b.get_output_spec() } -> std::same_as<TensorSpec>;
};

// 具体实现：TrtBackend, RknnBackend, SnpeBackend, TvmBackend
// 业务层模板化调用
template <InferenceBackend Backend>
class CompositorPipeline {
    Backend detector_, pose_, asd_;
public:
    ErrorCode init(const Config& cfg) {
        CHECK(detector_.load_model(cfg.det_model));
        // ...
    }
    CropBox run(const Frame& frame) { /* 统一流程 */ }
};

// 编译期实例化，链接时剪裁无用代码
#if defined(TARGET_ORIN)
using Pipeline = CompositorPipeline<TrtBackend>;
#elif defined(TARGET_RK3588)
using Pipeline = CompositorPipeline<RknnBackend>;
#endif

# 核心 SLA 监控
# 1. 端到端延迟 P99
histogram_quantile(0.99, rate(compositor_e2e_latency_bucket[1m]))

# 2. 构图模式分布 (异常检测：全景占比突然飙升 = 检测失效)
sum by (mode) (rate(compositor_mode_total[5m]))

# 3. 云台/电子云台切换频率 (过高 = 策略抖动)
rate(ptz_switch_total[1m])

# 4. 模型推理异常计数 (OOM/Timeout/NaN)
increase(inference_error_total[5m])

# 5. 带宽节省率 (ROI 编码生效验证)
(1 - sum(rate(encoder_roi_bitrate[1m])) / sum(rate(encoder_total_bitrate[1m]))) * 100