feat(fam-edge): 赤膊成年人直判爸爸(免费规则) - 用户确认家里只有爸爸会光膀子

用户原话："赤裸的大人都是爸爸，家里没有其他人会赤裸"——加进闭集识别的免费
规则层（跟汤圆/媳妇同级），命中就不用再调用视觉大模型比对参考图，比 auto_id
更快更准。只对成年人生效（判断顺序上幼儿/儿童年龄档在前面，小孩光膀子玩很
正常，不适用这条规则）。

排查历史数据时用这条规则筛出了一个真实误判：video 1092 的一次赤膊出现被
auto_id（NVIDIA 视觉比对）错误识别成"爷爷"，实际是"爸爸"。已用
correct_video_identity 手动纠正（标记 source=manual，受保护不会被以后的自动
识别覆盖回去），描述文字已确认同步更新。

顺带确认了另一批命中同样关键词的历史数据（74 条里有 3 条是"汤圆"光膀子）
是正确的——3 岁小孩光膀子玩正常，是通过幼儿/儿童年龄档规则识别出来的，跟
赤膊无关，不是误判，没有动。

新增 4 个测试：赤膊成年男性直判爸爸且不调用大模型（用会报错的假
person_identifier 验证短路生效）、覆盖各种赤膊近义词表述、赤膊小孩仍然
正确判成汤圆不受影响、没有赤膊关键词时行为不变照常走大模型比对。

fam-edge/src/fam_edge/video_processor.py

@@ -514,25 +514,38 @@ class VideoProcessor:
                     f"events={len(norm_events)}, people={people}, "
                     f"with_features={len(uid_features)}, 闭集识别={resolved}")
 
+    # 家里赤膊/赤裸上身的成年人只有爸爸一个（用户原话："赤裸的大人都是爸爸，
+    # 家里没有其他人会赤裸"）——命中即免费直判，不用等视觉大模型比对，比
+    # auto_id 更快更准（实测已经纠正过一条被 auto_id 误判成爷爷的案例）。
+    # 只匹配成年人（外层已经先过滤掉 age_band 是幼儿/儿童的），小孩光膀子玩
+    # 很正常，不适用这条规则。
+    _SHIRTLESS_KEYWORDS = ('赤裸', '光着上身', '赤膊', '裸体', '光膀子',
+                          '上身赤裸', '未穿上衣')
+
     def _resolve_closed_set_identities(self, video_id: int, uid_features: Dict,
                                        norm_events: List[Dict]) -> Dict[str, tuple]:
         """闭集人物识别：返回 {uid: (canonical_name, source)}。
 
-        汤圆（幼儿/儿童特征）、媳妇（唯一成年女性）靠 Gemini 已经产出的性别/年龄
-        字段直接判断（source='rule'），验证过命中率接近 100%，不需要额外模型调用。
-        爷爷/爸爸两个成年男性外观规则/人脸向量都区分不开（验证过），改用视觉大模型
-        比对参考图（source='auto_id'），每个 uid 只取本片段内最大 bbox 的一次出现
-        判断一次，不逐事件重复调用。
+        汤圆（幼儿/儿童特征）、媳妇（唯一成年女性）、赤膊成年人（家里只有爸爸
+        会赤膊）靠 Gemini 已经产出的性别/年龄/衣着字段直接判断（source='rule'），
+        验证过命中率接近 100%，不需要额外模型调用。爷爷/爸爸两个成年男性穿戴
+        整齐时外观规则/人脸向量都区分不开（验证过），改用视觉大模型比对参考图
+        （source='auto_id'），每个 uid 只取本片段内最大 bbox 的一次出现判断
+        一次，不逐事件重复调用。
         """
         resolved: Dict[str, tuple] = {}
         for uid, feats in uid_features.items():
             gender = str(feats.get('gender', '') or '').strip()
             age_band = str(feats.get('age_band', '') or '').strip()
+            clothing = str(feats.get('clothing', '') or '')
             if age_band in ('幼儿', '儿童'):
                 resolved[uid] = ('汤圆', 'rule')
             elif gender == '女':
                 resolved[uid] = ('媳妇', 'rule')
             elif gender == '男':
+                if any(k in clothing for k in self._SHIRTLESS_KEYWORDS):
+                    resolved[uid] = ('爸爸', 'rule')
+                    continue
                 crop = self._best_crop_for_uid(video_id, uid, norm_events)
                 if crop:
                     person = self.person_identifier.classify_adult_male(crop)