Computer Vision Pipeline 是一个面向生产环境的计算机视觉技能，核心用途是构建目标检测、多目标跟踪（MOT）与视频分析系统，典型场景包括无人机航拍分析（考古调查、自然保护）、野生动物监测与跟踪、实时目标检测、视频预处理与分析、自定义模型训练与推理。
技术选型方面，资料给出决策树：需要实时（>30 FPS）选 YOLOv8；需要最高精度选 Detectron2 Mask R-CNN；移动部署选 YOLOv8-nano 或 EfficientDet；实例分割选 Detectron2 或 YOLOv8-seg；自定义物体对 YOLOv8 微调。资料还列出 YOLOv8、Detectron2、EfficientDet、Faster R-CNN 的速度与 mAP 对比，以及从 Faster R-CNN、YOLO v1 到 YOLOv8 的时间线。
主要能力体现在对常见反模式的纠正：一是帧预处理，先按比例缩放并灰边填充到 640x640、再归一化，并把检测框映射回原图坐标；二是避免逐帧检测，可采用固定间隔抽帧或基于直方图相关性的场景变化自适应采样；三是批量推理提升 GPU 利用率，并提供批量大小调优脚本；四是按场景调优 NMS 的 IoU、置信度与最大检测数；五是用 ByteTrack、SORT、DeepSORT、BotSORT 等跟踪器维持跨帧 ID，以便统计唯一目标、构建轨迹与分析运动。
使用方式上，资料提供 YOLO 加载模型、读取视频、推理与 model.track(persist=True, tracker='bytetrack.yaml') 的示例代码，并给出生产检查清单：预处理、智能抽帧、批量推理、NMS 调优、跟踪、记录推理时间与 GPU 利用率、处理空帧与损坏视频、结构化保存结果、可视化调试、在代表性数据上做基准测试。资料还提到 scripts/video_analyzer.py 与 scripts/model_trainer.py 两个脚本，以及 YOLO、视频处理、跟踪算法三份参考文档。
限制方面，该技能不适用于简单图像滤镜（Pillow/PIL）、照片编辑（Photoshop/GIMP）、人脸识别 API（AWS Rekognition）、基础 OCR（Tesseract）等场景。资料中未提供安装命令、开源许可证、收费方式与硬件要求等信息，暂未提供。