两份都不完整的记录
一次训练结束，泳者手里有两样东西：一段水下侧面视频，和手腕上IMU记下来的加速度、角速度曲线。
视频里，有三次划水的前臂被气泡完全盖住，还有一段时间泳者游出了镜头视野；IMU的数据从头到尾没有断，但它只是一串数字，没有告诉你手在水里画了什么路径。
单看任何一份，都缺东西。融合的目的不是让数据看起来更多，而是让每一份补上另一份的空缺，同时发现彼此矛盾的地方。这里说的融合，是贝博体育游泳AI设计中的一部分，也是多模态训练分析在游泳场景里的具体版本。
先分清：谁擅长回答什么
在动手融合前，要先弄清两类信号各自最擅长的问题。
| 问题 | 视频更擅长 | IMU更擅长 |
|---|---|---|
| 手臂在水里的空间路径 | 是 | 不能直接给出 |
| 每次划水的开始与结束时间 | 被遮挡时会漏 | 是，连续记录 |
| 身体旋转的节奏 | 需要正面或前方视角 | 腰背部或躯干佩戴时较可靠 |
| 泳池内的位置、是否游出镜头 | 只在视野内 | 不知道位置 |
| 转身事件的冲击、蹬壁 | 水花遮挡 | 冲击峰值明显 |
| 泳姿类型 | 靠外观 | 靠运动模式 |
结论很朴素：视频回答“动作长什么样”，IMU回答“动作在什么时刻、以多大节奏发生”。已有学术研究也表明，单个IMU结合机器学习可以在多种泳姿上识别划水事件和泳姿类型，但佩戴位置和泳姿会明显影响结果，比如下背部单个传感器对某些泳姿的划水计数不如再增加腕部传感器可靠。
第一步，先对齐时间
融合最先遇到的不是算法问题，而是时钟问题。手机录像有自己的时间戳，手表或独立传感器有自己的时钟，两者常常相差几百毫秒，还会缓慢漂移。差几百毫秒，对一次只有一秒左右的划水周期来说已经足以张冠李戴。
常见的对齐方法有几种：
- 训练开始前做一个“同步动作”，比如把带传感器的手腕在镜头前用力快速挥一下，视频里能看到明显的动作，IMU里有明显的峰值，两者的时间差就是修正量；
- 如果没有做同步动作，就用泳池里的自然事件，比如蹬壁时的冲击，来反推偏移；
- 在长训练里定期重新检查，因为时钟漂移会累积。
贝博体育游泳AI的思路是，把时间对齐当作一个需要给出置信度的步骤：如果找不到可靠的同步点，就明确提示“本次视频与传感器时间对不上，融合结果可能不可靠”，而不是默默合并。
补洞：让IMU填补视频看不见的时刻
对齐之后，第一类融合是“补洞”。
假设某次训练中（示意场景），视频里第7到第9次划水被气泡遮住。此时IMU的角速度曲线在那段时间里仍然给出了三个规则的峰值，间隔与前后一致，可以推断这三次划水确实发生了，且节奏没有明显变化。系统于是可以把这三次划水记为“存在但形状未知”：计入划频，但不计入划水路径分析。
反过来，也有“视频补IMU”的情形：IMU在转身翻滚时角速度剧烈变化，容易被误判成一次异常的划水，此时如果视频显示泳者刚刚触壁，就可以把这个峰值归类为转身而不是划水。
这种“互相解释”的逻辑比单个信号加权平均更有用：它让数据里的异常有了原因。
冲突：两边说法不一致时听谁的
真实数据中，视频和IMU总会不一致。合理的取舍需要按情形处理。
划频数得不一样
视频数出每分钟40次，IMU数出每分钟44次。可能原因包括：视频漏掉了被遮住的划水；IMU把转身前的小动作数进去了；或者泳者右手更用力，腕部佩戴在左手，只反映一侧。处理办法通常是先按被遮挡时间段剔除，再分左右侧单独看，差距依旧较大的，就在报告里标注，而不是取平均。
身体旋转幅度对不上
视频给出的肩线转动范围比腰背IMU的滚转角小得多。可能是摄像头角度造成的透视压缩，也可能是传感器绑得偏离脊柱中线。此时应更信任哪一个，取决于该维度在这个机位下的可靠性，而不是一个固定的先验权重。
传感器突然“变样”
IMU数据在某一时刻之后，基线漂移、峰值幅度整体变小。这常常意味着腕带松了或位置滑动了，而不是泳者动作变了。视频里如果看不到明显的动作变化，就应该怀疑传感器。
视频质量整体下降
比如泳池中午强光下反光加重，关键点整体抖动。这时以IMU为主要来源，视频降级为参考。
每一次取舍，都应该在报告里留下痕迹：“这一段以传感器为准，原因是……”。融合的价值，一半在算法，另一半在这种可追溯性。
佩戴位置：最容易被低估的变量
传感器戴在手腕、上臂、腰背还是头上，直接决定它能感知什么。手腕最能反映划水节奏，但也是运动幅度最大、最容易松动的位置；腰背部更稳定，更适合身体旋转与转身冲击，却对手臂细节不敏感。
一些实用的注意事项：
- 每次训练前检查腕带是否贴紧，宁可紧一点；
- 尽量固定在同一只手、同一位置，长期比较才有意义；
- 换泳衣或换设备时，重新做一次同步和校准；
- 不同品牌设备的采样率和量程不同，不能直接把数据混用。
如果这些条件不满足，系统就应当降低融合权重。关于设备连接和多传感器组合的更宏观讨论，可以看从单一手表到多传感器融合的观察。
融合之后，训练建议有什么不同
有了两份互相校验的数据，训练建议可以更有底气，也更克制。
假设一位泳者（示意场景）在一组400米里，融合后的数据显示：划频后半程略有上升，同时身体旋转幅度略微缩小。视频里少数几次划水被遮挡，但其余可见的划水显示入水位置偏向中线。两个来源指向同一个模式，系统可以提示“后半程可能因疲劳而缩短划长，建议把这一组拆成更短的分段，观察是否恢复”，并附上依据。
相反，如果两份数据互相矛盾，系统就不该强行给出结论，可以建议“下次训练固定机位并检查腕带，再采集一次”。
训练提示不替代医生或专业教练的意见。发现肩部疼痛或不适时，请先咨询专业人士，不要单凭数据决定继续加量。
模型的边界
- 融合不能创造不存在的信息。视频被完全遮挡且IMU也无法推断的动作，就是看不见。
- 时间同步是前提，做不好就别谈融合。
- 佩戴一致性决定长期可比性，换位置后要重新建立基线。
- 不同泳姿、泳池、设备之间的迁移能力有限，新场景需要重新验证。
- 融合结果是估计值，不是测量值，报告里应该保留置信度。
融合不是把两份数据搅在一起，而是让它们互相审问。哪一份说得通、哪一份该存疑，贝博体育游泳AI希望把这个判断过程也展示给用户看。
