docs: 添加長影片場景識別測試報告

測試結果:
- ✅ Old_Time_Movie_Show (114 分鐘) 處理成功
- ✅ 處理時間 313 秒（5.2 分鐘）
- ✅ 加速比 22x
- ✅ 記憶體使用穩定（3-4GB）
- ✅ 1,379 個取樣點

效能指標:
- 取樣間隔：5 秒
- 最小場景：10 秒
- 場景數量：1（ImageNet 模型限制）
- 信心度：25%

建議:
- 下載 Places365 模型提升準確率
- 整合 CUT 場景切換偵測
- 優化長片處理策略

docs_v1.0/TESTING/LONG_MOVIE_SCENE_TEST_2026_04_01.md

@@ -0,0 +1,185 @@
+# 長影片場景識別測試報告
+
+| 項目 | 內容 |
+|------|------|
+| 測試日期 | 2026-04-01 |
+| 測試影片 | Old_Time_Movie_Show_-_Charade_1963.HD.mov |
+| 測試狀態 | ✅ 通過 |
+
+---
+
+## 測試影片資訊
+
+### Old_Time_Movie_Show_-_Charade_1963
+- **檔案大小**: 2.3 GB
+- **時長**: 6,879.3 秒 (114 分 39 秒)
+- **FPS**: 59.94
+- **總幀數**: 412,343
+- **解析度**: 1920x1080 (HD)
+- **類型**: 電影（多場景）
+
+---
+
+## 測試參數
+
+```bash
+python3 scripts/scene_classifier.py \
+  "Old_Time_Movie_Show_-_Charade_1963.HD.mov" \
+  charade_scene_output.json \
+  --sample-interval 5.0 \
+  --min-scene-duration 10.0
+```
+
+### 參數選擇理由
+- **取樣間隔 5 秒**: 電影場景變化較慢，減少取樣點提升速度
+- **最小場景 10 秒**: 避免過於細碎的場景分段
+
+---
+
+## 測試結果
+
+### 處理效能
+
+| 指標 | 結果 | 備註 |
+|------|------|------|
+| 總處理時間 | 313.3 秒 | 約 5.2 分鐘 |
+| 影片時長 | 6,879.3 秒 | 114 分 39 秒 |
+| 加速比 | 22x | 實時 22 倍 |
+| 取樣點數 | 1,379 個 | 每 5 秒取樣 |
+| 處理 FPS | ~1,317 | 含模型載入 |
+| 記憶體使用 | ~3-4 GB | M4 16GB 系統 |
+
+### 識別結果
+
+| 指標 | 結果 |
+|------|------|
+| 場景數量 | 1 |
+| 場景類型 | scene_834 |
+| 持續時間 | 6,873.9 秒 |
+| 信心度 | 25.3% |
+
+### Top 5 預測
+1. scene_818 (4.0%)
+2. scene_896 (2.2%)
+3. scene_892 (1.7%)
+4. scene_619 (1.6%)
+5. scene_631 (1.5%)
+
+---
+
+## 效能分析
+
+### 取樣策略評估
+
+**5 秒間隔**:
+- ✅ 處理速度快（313 秒 vs 1,565 秒）
+- ✅ 記憶體使用穩定
+- ⚠️ 可能錯過短暫場景變化
+
+**建議**:
+- 對於電影：5-10 秒間隔合適
+- 對於短片/廣告：2-3 秒間隔更佳
+
+### 場景合併結果
+
+**單一場景原因**:
+1. 使用 ImageNet 模型（非 Places365）
+2. 電影包含多種場景，模型難以區分
+3. 信心度分散（Top 1 僅 4%）
+
+**預期改進**:
+- 使用 Places365 模型後，應能識別多個場景
+- 信心度應提升至 60-80%
+
+---
+
+## 與短片測試比較
+
+| 指標 | 短片 (ExaSAN) | 長片 (Charade) |
+|------|--------------|----------------|
+| 影片時長 | 159.6 秒 | 6,879.3 秒 |
+| 處理時間 | 1.2 秒 | 313.3 秒 |
+| 取樣間隔 | 2 秒 | 5 秒 |
+| 取樣點數 | 79 | 1,379 |
+| 場景數量 | 1 | 1 |
+| 信心度 | 37% | 25% |
+| 加速比 | 133x | 22x |
+
+### 觀察
+- 長片處理時間線性增長
+- 信心度較低（場景多樣性高）
+- 加速比較低（模型載入時間佔比小）
+
+---
+
+## 技術限制
+
+### 目前限制
+1. **模型準確率**
+   - ImageNet 模型非場景分類專用
+   - 信心度偏低（25-37%）
+   - 場景名稱爲 scene_XXX 格式
+
+2. **場景邊界偵測**
+   - 未整合 CUT 模組
+   - 無法精確識別場景切換點
+   - 建議後續整合
+
+3. **處理速度**
+   - 長片需 5+ 分鐘
+   - 可優化：批次處理、GPU 加速
+
+### 改進建議
+1. 下載 Places365 專門模型
+2. 整合 CUT 場景切換偵測
+3. 實現多線程/批次處理
+4. 使用 Core ML 模型（M4 優化）
+
+---
+
+## 測試結論
+
+### ✅ 通過項目
+- ✅ 長影片處理成功（114 分鐘）
+- ✅ 記憶體使用穩定（無溢位）
+- ✅ 處理時間可接受（5.2 分鐘）
+- ✅ JSON 輸出格式正確
+- ✅ 取樣策略有效
+
+### ⚠️ 改進空間
+- 場景識別準確率（需 Places365 模型）
+- 場景邊界偵測（需整合 CUT）
+- 處理速度（可優化）
+
+### 📋 下一步
+1. 下載 Places365 專門模型
+2. 整合 CUT 場景切換偵測
+3. 測試更多電影類型
+4. 優化長片處理策略
+
+---
+
+## 附錄：測試命令
+
+```bash
+# 長影片測試（5 秒間隔）
+python3 scripts/scene_classifier.py \
+  "Old_Time_Movie_Show_-_Charade_1963.HD.mov" \
+  output.json \
+  --sample-interval 5.0 \
+  --min-scene-duration 10.0
+
+# 更快速測試（10 秒間隔）
+python3 scripts/scene_classifier.py \
+  "Old_Time_Movie_Show_-_Charade_1963.HD.mov" \
+  output.json \
+  --sample-interval 10.0 \
+  --min-scene-duration 30.0
+
+# 精細測試（2 秒間隔）
+python3 scripts/scene_classifier.py \
+  "Old_Time_Movie_Show_-_Charade_1963.HD.mov" \
+  output.json \
+  --sample-interval 2.0 \
+  --min-scene-duration 5.0
+```