feat: 新增视频分析流水线、Web界面、孤儿清理工具；修复健壮性问题

- 新增 analysis/ 模块：MOG2活动检测、YOLO人物跟踪、MediaPipe摔倒检测、Ollama活动打标、缩略图抽取
- 新增 webapp/：Flask事件浏览界面，按需HEVC→H264转码缓存
- 新增 analyze.py：7阶段状态机流水线（scan→backfill→motion→person→fall→activity→thumbnail）
- 新增 cleanup_orphans.py：清理文件已删除的数据库孤儿记录
- 修复：motion/person/activity三阶段加单视频异常兜底，避免批次中断
- 修复：ollama_client加健康检查和3次重试，num_ctx从8192降到2048
- 修复：transcode_cache加fcntl文件锁，防止并发转码同一视频
- 修复：SQLite开WAL模式+busy_timeout，支持读写并发
- 修复：sync.py ffmpeg路径改为shutil.which查找，删除automate.py死代码PYTHON
- 修复：thumbnail失败加3次重试上限，避免无限重试损坏文件
- 新增：requirements.lock锁定版本、README文档
- 更新：.gitignore排除.playwright-mcp、截图、备份文件

analysis/backfill_start_time.py

@@ -0,0 +1,48 @@
+"""把 OSD 时间戳水印识别出的精确到秒的时间，回填到 videos.start_time。
+
+video_scanner 登记时 start_time 只精确到"天"（因为文件名时间戳是下载时刻而非
+录制时刻）。这里用 timestamp_reader 重新读取每个视频首帧的画面水印，识别成功
+则覆盖为精确到秒的时间；识别失败（分辨率未标定/置信度不足）则保留原有粗粒度
+值不动，不强行覆盖成错误数据。
+"""
+from analysis.config import PROJECT_ROOT
+from analysis.db import get_all_videos, update_start_time
+from analysis.timestamp_reader import read_timestamp
+
+
+# 720p 方案实测通过率仅约19%（模板库覆盖的时段太窄，泛化差），投入产出比太低，
+# 暂不处理，720p视频保留 video_scanner 登记时"只精确到天"的粗粒度 start_time。
+BACKFILL_RESOLUTIONS = {(2560, 1440)}
+
+
+def process_all(limit=None):
+    videos = [
+        v for v in get_all_videos()
+        if v["status"] != "corrupt" and (v["width"], v["height"]) in BACKFILL_RESOLUTIONS
+    ]
+    if limit:
+        videos = videos[:limit]
+
+    updated = 0
+    fallback = 0
+    for video in videos:
+        file_path = PROJECT_ROOT / video["file_path"]
+        precise_start_time = read_timestamp(file_path, capture_date=video["capture_date"])
+        if precise_start_time is None:
+            fallback += 1
+            continue
+        update_start_time(video["id"], precise_start_time)
+        updated += 1
+
+    return {"total": len(videos), "updated": updated, "fallback": fallback}
+
+
+if __name__ == "__main__":
+    import sys
+
+    limit = int(sys.argv[1]) if len(sys.argv) > 1 else None
+    print("===== 开始回填精确时间戳 =====")
+    result = process_all(limit=limit)
+    print(f"→ 共处理 {result['total']} 条，成功回填 {result['updated']} 条，"
+          f"识别失败保留粗粒度值 {result['fallback']} 条")
+    print("===== 回填完成 =====")