"分析拳击视频？这是不是噱头？"
我听过很多次这个问题。第一次是在拳馆里，第二次是朋友圈评论区，第三次是一个搞深度学习的兄弟私信来的——"你们用的是MediaPipe还是YOLO？帧差法还是光流法？精度有没有对标？"
所以这篇文章拆开来讲。不讲营销话术，讲技术细节。
第一步：33个点，把人体变成坐标
拳神用的核心库是Google的MediaPipe Pose。这是一个开源的姿态检测模型，能从一张图里提取33个人体关键点——从鼻尖到脚踝，每个点都有三维坐标(x, y, z, visibility)。
为什么选MediaPipe而不是YOLO？几个原因。第一，MediaPipe Pose是端到端的，不需要自己标注训练数据集。第二，它在低算力设备上表现极好——拳神的分析管道跑在一台笔记本电脑上（Lenovo 82XD, i5-13420H, 核显, 16GB RAM），全程没有独显参与。第三，它对遮挡的容忍度比大多数方案高——拳台对练时拳套经常会遮挡面部和躯干关键点，MediaPipe的回归模型在这种情况下依然能维持足够精度。
提取出来的33个关键点数据量其实不大。一段3分钟的对练视频，大概180秒 × 30fps × 33点 × 4维（x,y,z,visibility）= 约712,800个数据点。放到现在的硬件上，处理时间不到一分钟。
第二步：帧差法判定出拳，实测精度102%
这一步是整个系统里最"朴素"也最可靠的部分。
怎么判断一个人出了拳？思路很直接——看他的手腕关键点在连续帧之间的位移速度和方向。设置两个阈值：
- 速度阈值：手腕位移速度超过6m/s才计入"疑似出拳"
- 角速度阈值：手腕轨迹的垂直方向变化超过一定角度，排除"伸手推人"这类非出拳动作
这个算法叫帧差法——就做两两相邻帧之间的坐标差，几乎不需要算力。
精度怎么验证？我用一段80拳的测试视频，分别让人工标记和算法标记，然后对结果。算法标记了82拳，人工判定实际有80拳——精度是82/80 ≈ 102%。那多出来的2拳是拳套挥动但没有实际出拳的动作被算法误判了。整体上帧差法的漏判率和误判率都在可接受范围内。
要不要升级到光流法或Transformer方案？目前不需要。帧差法的计算成本几乎是零，精度已经够用。系统的瓶颈不在出拳判定上，在下一步。
第三步：7维评分引擎，从骨骼数据到技术报告
骨骼关键点和出拳列表都只是中间产物。真正有价值的东西是评分报告。
拳神的7维评分模型分两层：
- 技术执行层（占55%）：进攻输出、防守效率、组合能力三个维度，完全基于视频分析——出拳次数×命中判定×组合连贯性×防守姿态模式识别
- 基础体能层（占45%）：移动质量、爆发力、耐力、节奏控制，部分基于视频（移动距离÷时间=移动速度），部分基于辅助数据（心率变化对应耐力评分）
7个维度各自映射到一个0-15分的子量表上，加权汇总后得到0-100分的总评。这就是每个学员看到的那份报告的数字来源。
全程不需要独显
有一个细节值得特别说一下。很多人默认"AI视频分析等于要一张2万块的显卡"。拳神的分析管道跑在笔记本核显上——Intel Iris Xe，没有NVIDIA。Pipeline设计时有意避开了那些需要CUDA加速的环节。
整套管道的瓶颈不在GPU，在视频解码——而Intel的QuickSync硬解码完全能cover。这也是为什么拳神可以作为SaaS服务推广到各种规模的拳馆：不需要硬件采购，不需要IT团队部署。拳馆要做的唯一一件事就是拿手机拍视频。
一部手机拍视频，一台普通电脑跑分析，几分钟出报告。这就是拳神的全部硬件依赖。
精度验证：帧差法 vs 人工标记
任何AI系统都需要验证。我们找了一段80拳的测试视频，做了双盲对比——一边是人工逐帧标记（两个独立标记员交叉验证），一边是帧差法自动判定。人工标记结论：80拳。帧差法标记：82拳。精度82/80≈102%。
多出来的2拳是什么？拳套挥动但没有实际击打目标的动作——比如做假动作、调整拳架位置时的腕部快速移动。这是帧差法在拳击场景下的主要误判来源。但整体漏判率和误判率都在可接受范围——漏判主要集中在远距离刺拳（速度阈值不够）、误判集中在近距离假动作。
要不要升级到光流法或Transformer方案？目前不需要。帧差法的计算成本几乎是零，在普通笔记本上跑一段3分钟视频的出拳判定只需几秒。精度已经足够支撑7维评分的输入需求。
从实验室到拳馆：部署的现实考量
很多技术方案在实验室里效果拔群，一到真实环境就崩。拳击拳馆的环境尤其恶劣——灯光不均匀（有的拳馆只有头顶几盏日光灯）、背景杂乱（沙袋、器械、其他学员来回走动）、拍摄角度不固定（学员自己支个手机靠墙拍）。
拳神的Pipeline在设计时就考虑了这些。MediaPipe Pose在低光照条件下的表现比大多数方案好——因为它训练数据里包含了各种光照条件的样本。帧差法对背景杂乱的容忍度也天然高于基于目标检测的方案——它只关心手腕关键点的帧间位移，不管背景里有什么。
唯一对画质有要求的是帧率——低于24fps的视频分析精度会明显下降，因为出拳速度在低帧率下会丢失峰值。目前拳神对上传视频的建议是30fps，手机默认设置即可。
相关阅读：拳击水平如何量化？7个维度完整解析 · 拳击数据入门课 · 重新定义拳击训练
