本讲目标与路线

• 理解 NPU-only 运行时硬边界
• 走通采集、注册与识别的候选语义
• 区分候选清单与准入名单
• 用合成图像和匿名模板保护隐私

本讲主线：运行时边界 → 候选 → 准入 → 证据

NPU-only 是运行时硬边界

在线 API 和模板通道只接受已准入的 NPU embedding。

工作台由四层组成

1. React 预构建前端负责识别、注册、模型状态和系统状态页面。
2. FastAPI 提供健康、bootstrap、摄像头、候选与识别接口。
3. 在线推理只加载 NPU mixed_fp16 embedding。
4. 模板、截图和报告存放在发行目录的数据与报告区域。

前端服务可达不等于后端已连接；API 可达也不等于 NPU 推理已执行。

截图元数据必须与图片绑定

截图不能替代 API、摄像头、NPU 请求、模板闭环或数据集指标。

合成图像与匿名模板是课堂底线

• 截图和课堂演示只使用合成 ROI 或匿名模板。
• 不展示真实掌纹、姓名、人员编号或 embedding。
• 注册数据只保存在受信发行目录，不进入 Git 或截图。
• 原始报告含设备与人员信息时必须脱敏后再引用。
• 删除和清理操作由操作者显式执行；截图中的空结果不是识别失败率或质量指标。

模型范围：一个默认模型，五个待人工测试候选

五个 CompNet 不得写成六个模型已通过，也不得自动进入 production。

候选清单不等于准入名单

• candidate_manifest.json 保留 28 项研究审计。
• 在线/模板通道只暴露 6 个 NPU embedding。
• 五个 CompNet 的 manual_test_pending=true 必须显示。
• 其余候选按任务类型单独测试，不共享掌纹 embedding 适配器。
• 下载 OM 或 ACL smoke 不会自动修改 production registry；blocked、untested、manual_test_pending 也不得显示为已准入。

准入证据必须逐层通过

任一门缺失，候选只能保持 blocked、untested 或 manual_test_pending。

采集页面先区分上传与摄像头

CAMERA 预览优先 MJPG；真实分辨率必须从设备和接口返回，不使用固定猜测值。

注册流程固定模板命名空间

1. 为同一人员分配稳定的本地编号。
2. 左右掌分别使用独立命名空间。
3. 采集并保存规定数量的合格样本。
4. 核对 ROI 质量后生成 PWST1 embedding 模板。
5. 在 <model_id>__npu__mixed_fp16 命名空间中查询、识别、删除并重启验证。

识别结果要保留“候选”语义

• 未完成本机阈值校准时，只显示 Top-K 候选和分数。
• Top-K 分数不是身份通过/未通过。
• 单次命中不能替代数据集的 EER 或 Rank-1。
• 未识别、空模板和 API 不可用必须显示不同状态。
• 只有同一模型、同一模板命名空间的闭环才能进入人工测试记录；Health: Alarm 不能单独判成败。

版本冻结是人工测试的前置条件

人工测试期间不升级 Python、依赖、驱动、CANN，也不修改准入策略。

失败时保留现场并回退

• PyACL 不可用：确认同一 shell 的 Python 与 acl.__file__。
• 资产哈希不符或模型不在列表：停止服务并核对清单、profile、registry 和 bootstrap。
• 模板异常：保存模板目录，按版本化备份恢复。
• ACL 异常、设备 reset、err_ret=-512 或清理失败：停止该候选，保留日志并回退 CCNet。
• Health: Alarm 只记录诊断，不能单独判失败或通过。

课堂交付：一张候选与证据对照卡

完成标准是能解释“哪些是前端证据、哪些是运行证据”，并明确五个 CompNet 仍为 manual_test_pending。