AI 视觉看跳绳:为什么不数绳子,去数人

先说清楚这件事难在哪——后面的设计才有必要讲。

第一是快。一分钟跳 130 次，是每秒 2.2 次；练得好的孩子能到 180 次以上，也就是一秒 3 次，绳子过脚的窗口压到 0.3 秒以内。这个速度下，「看一会儿再回忆」这种观察方式，从采样频率上就不成立。

第二是杂。到学校采集，环境基本不可控：室外广场、正午顶光、下午逆光、全班穿同色校服、队列里互相遮挡，手机可能就架在消防栓上。

第三是多。一个班三十几个孩子，一节课四十分钟。逐个测，测不完。

快、杂、多这三个字，决定了后面几乎所有设计。这篇讲的就是为应付它们，我们一个一个定下来的决定。

做这件事，最直觉的思路是：数绳子转了几圈。

不少方案就是这么做的——手柄里装个计数器，或者用视觉识别绳子转过的圈数。这条路线成熟、便宜、够用，如果你只要个数，它是最优解。所以下面的比较不是「谁不行」，而是我们要回答的问题不一样。

绳子在画面上有个绕不过去的性质：它是一根细的、移动的、会被身体挡住的线。于是有几种情况会让「数绳」变得吃力——手柄计数看不到绳体状态；视觉数绳时，浅色绳对着浅色地面、深色绳对着深色地面、透明绳，都会让这根线在画面里时有时无；孩子跳起来时，绳体还会被身体挡掉一段。

更根本的一点：绳子回答不了「为什么」。

绳子是一个整体，它只有两种状态：转过去了，或者没转过去。一次绊绳，你只知道「这次没过」，不知道是手腕慢了、跳早了、还是跳高了。这三个原因，练法完全不一样。

所以我们换了个对象：不数绳，数人。

用视觉把人体拆成一组关键点——头、肩、肘、腕、髋、膝、踝。一分钟 60 秒，每秒 30 帧，就是 1800 帧。每一帧里，这些点的位置都记下来。

画面上叠出来的，就是系统真正「看到」的东西：逐帧的关键点与轨迹

有了这些点，那 0.3 秒就不再是黑箱了。但我们没有直接去「猜原因」，而是先做了一件更基础的事：只挑那些在画面上能稳定测出来的量。

其中摇绳半径、滞空时长、手腕角速度这三个量，正好对应三种「卡住」的方式——这是下一篇要重点讲的事。

从关键点算出的三个量：摇绳半径、滞空时长、手腕角速度——每个量对应一种典型的卡法

这个选择不是免费的。数绳子，可以在手柄里跑；数人，得跑视觉模型，还得跑得动、跑得稳，还得在孩子跳得很快、画面里还有家具和路人时依然稳。这是第一个决策，也是后面所有难度的源头。

下一篇讲整个系列的核心：同一个「绊了」，画面上其实是三种完全不同的错法——这是家长最有用的一篇。