摘要
玩游戏时，鼠标停在底部按钮或魔法书上，屏幕下方会弹出一个暗色的小提示框，里面有标题和说明文字。从录像里自动分析时，我们需要挑出“提示框已经完全淡入、文字清楚”的那一帧再交给 OCR（光学字符识别）去读，这一步叫选帧。用户明确说过：自动采样可以等淡入、翻页稳定之后再读，不必追求读动画中间的画面。
前一个实验（B066）做了“面板稳定再读”，但没有给底部提示框留入口。本实验 B067 补这个缺口：只找底部按钮上方的暗色小文本框，要求连续两帧稳定才选。结果没有成功：冻结规则后，在另外两个来源组的 530 帧上一张都没选中，人工细审的 4 次提示展示全部漏掉。实验按失败记录并停止接入。
要回答的问题
能否用“暗色矩形 + 亮色字迹 + 两帧稳定”这样简单的像素规则，在录像中可靠地选出底部提示框的可读帧，同时不选中“没有提示”或“还在过渡”的帧？
数据与来源
- 复用 B066 的录像窗口：训练用 7 个窗口、3 个来源组、共 630 个原生采样帧；评估用 6 个窗口、2 个来源组、530 帧。训练和评估来源组没有交集。
- 这些来源以前都曝光过，所以只是来源隔离的开发复核，不是新的盲测，也不是项目要求的十场验收。另有一批冻结来源完全不动。
- 全部是 2560×1440 原生分辨率，算法从原视频重新解码像素，不使用审阅用的压缩图。
- 参考框和文字只用于评分，选帧程序读不到它们。
方法
- 只在底部控件上方的一个固定包络里搜索（y 980–1280，x 150–2350）。
- 在当前帧里找暗色的连通矩形，里面要有亮色字迹，形成候选框。
- 同一个候选在连续两帧里差别足够小才算“稳定”，并做去重；不能因为底栏按钮没变就丢掉新文字。
- 只选当前帧，绝不借用之后的画面。
- 先在训练窗口上调试修订，然后冻结规则，再跑评估窗口。
设置
分别报告提示展示次数、清楚帧漏检、在“不存在/过渡中”时误选、额外的深度读取次数，以及选中原图上的实际 OCR 文字。
结果
| 范围 | 实际结果 |
|---|---|
| 初始训练候选 | 9 次框提议，0 张选中 |
| 训练修订后 | 5 次框提议，1 张选中；3 次目标展示覆盖 1 次 |
| 冻结后评估 | 1 次框提议，0 张选中；细审 4 次展示覆盖 0 次 |
| 评估目标内容 | 两次“姿态”标题+说明、两个“魔法书”标签，共 6 个字段都没进入读取 |
| 实际 OCR | 唯一选中的训练原图读出“魔法书”，1/1 正确（只有训练样本） |
训练修订做了三件事：初始方案中连通块框宽差 1 像素就会缩放文字，让本来清楚的两帧差值超标，于是冻结了局部采样范围；适配了 10 帧/秒解码时间的抖动；加入暗角检查。修订后“魔法书”清楚样本 11 个中选中第 10 个（等待约 100 毫秒）。
失败与负结果
- 评估全部漏选，零输出不能说成“成功过滤”。
- 两个直接原因：搜索区下沿只到 y=1280，而真正的“姿态”说明框下沿超出，因此被截断拒绝；“魔法书”标签在其中一个窗口里根本没提出有效框。这是检测覆盖不足，不是淡入造成的。
- 另一处虽然提出了框，但只有一个清楚采样，构不成稳定的两帧。
- 训练集里另外两次提示也各只有一个清楚采样，两帧规则同样漏掉；这些标签没有被改成“不可读”来美化结果。
- 没有用评估图去继续调门槛或扩大窗口来制造通过。
- 细审还纠正了一处旧参考：第二次“姿态”提示真正清楚的区间是第 71–78 帧，B066 附加记录的 76–85 不准确。这两次提示原本不在 B066 的 13 个面板统计里，所以 B066 的 13/13 面板结果不变。
局限
- 只针对一种布局的底部暗色小框，不涉及生物状态图标提示、整本魔法书或任意位置的提示。
- 候选没有推断装备/技能身份、归属或效果；OCR 分数不是校准概率；识别出的文字没有送给状态估计。
- 速度只有一次冷启动数据（OCR 冷载 2.428 秒、首读 0.401 秒），不能报 p95。
- 38 项聚焦测试通过（含原 B066 的 22 项），合成测试不证明识别精度；B066 默认配置重放 4,640 条逐区域决策与原记录完全一致。
- 手动单图、默认视频入口、战斗记录 App 和下游都没有改动。
结论与下一步
这个过窄的“暗色小框”方案停止推广。下一步先从训练来源采集完整的底部说明、书页外部提示、生物状态提示以及淡入/清楚的配对，审核完整框边界和文字量，再比较“把现有面板检测器扩展一类”和“通用文本区域提议”两条路。评估时同时记录短提示漏选和无效调用，不能只压低调用次数。“稳定画面先读、瞬态暂缓”的大方向保持不变。
Comments