从池边看，你只看到了一半
假设一位泳者在25米泳池里游400米自由泳。池边的教练录了一段手机视频，回放时发现：手入水的位置、头部抬起的时机、腿有没有下沉，都看得清；但手入水以后到底是先向下压再拉，还是直接向后拉，视频里只剩一团白色水花。
这就是游泳动作分析的第一个尴尬。一个自由泳划水周期里，入水、抱水、拉水、推水这几个决定推进的阶段，大部分发生在水面以下；空中移臂反而是最不产生推进力的一段，却最容易被拍清楚。如果只拿岸上机位做姿态识别，就相当于只批改了作业的一半。
贝博体育游泳AI在设计上先承认这件事：水面上的画面可以当作证据，但不能当作全部。后面所有的输入选择、置信度处理，都是围绕“看不到的那一半怎么办”展开的。
水下视觉到底难在哪里
水里的画面和陆地画面相比，至少有四个麻烦。
- 折射和畸变：水下摄像头隔着防水壳或泳池玻璃拍摄，物体位置会有偏移，靠近镜头边缘的部分更明显。学术文献里也有研究观察到，水下畸变会让肘角这类角度测量出现偏差。
- 气泡和水花：手臂入水带进来的气泡会短暂盖住手和前臂，恰好是抱水的那一刻。
- 光线：泳池顶灯在水面形成晃动的亮斑，室外泳池还有随时间变化的日照。同一件泳衣在深水区和浅水区颜色都不一样。
- 遮挡：泳者自己的身体会挡住另一侧手臂；同泳道两个人相向而游时，互相遮挡更严重。
一些公开发表的研究已经证明水下二维姿态估计是可行的，例如2023年前后有团队提出针对水下泳者的全卷积网络模型，并在公开数据集上报告了不错的关键点检测成绩。但这些成绩是在特定数据集和拍摄条件下取得的，把它直接搬到一家随便哪个泳池，会发现现实条件比数据集乱得多。所以贝博体育不会把论文里的数字当成产品承诺，只把它当作方法可行的依据。
用哪些输入：机位、传感器和它们各自的分工
贝博体育游泳AI的输入分三类，每一类负责的事情不同。
| 输入 | 擅长什么 | 容易出什么问题 |
|---|---|---|
| 水下侧面视频（池壁窗口或固定支架） | 手臂路径、抱水深度、肘部姿态、身体水平度 | 气泡遮挡、折射畸变、需要固定机位 |
| 岸上斜前方或侧面视频 | 入水位置、头部转动、呼吸时机、水面以上的整体节奏 | 水花和反光，看不到水下 |
| 腕部或腰背部IMU | 划频、身体旋转的节奏、每个周期的时间结构 | 佩戴位置漂移、只有加速度和角速度，没有“画面” |
三类输入并不是简单叠加。视频给的是“形状”，IMU给的是“节奏”，两者时间对齐以后才能互相校验。比如视频显示一次抱水，IMU的腕部角速度应该同一时刻出现对应的峰值；如果两边对不上，要么是时间同步出了问题，要么是其中一方看错了，系统需要判断相信谁。这个融合过程在水下摄像头看不到完整动作怎么办里有更细的讲解。
判断逻辑：AI把哪些量当作“水下动作”的代理
从关键点到训练建议，中间要经过几层。以下四个量是贝博体育游泳AI优先关注的，每一个都是“可测、可解释、可能出错”的。
身体旋转
自由泳的身体沿长轴滚动，是为了让肩部借力、让手臂在更合理的位置入水。从水下正面或岸上前方的视频里，可以估计两肩连线相对水面的夹角变化；腰背部IMU的滚转角也能给出类似的时间曲线。两条曲线互相印证时，旋转幅度的估计比较可信。
需要小心的是：没有统一的“最佳旋转角度”，蛙泳、蝶泳、仰泳的标准也完全不同。多数研究和教练经验都认为，合适的旋转幅度取决于泳姿、速度和个人柔韧性。所以系统做的不是“你转了45度，应该转50度”，而是比较同一位泳者不同疲劳阶段、不同速度下的变化。
入水角度与入水位置
手入水时相对水面的角度，以及入水点相对肩线的位置，是岸上机位就能大致估计的。手过于靠中线交叉，或者入水太直太深，都会在训练报告里被标记，供泳者对照视频检查。但要注意，水面附近的手部画面最容易被水花打乱，这一步的置信度往往低于身体旋转。
划水路径
抱水、拉水、推水的手部轨迹，理想情况下要靠水下侧面视频估计：手腕点从入水到出水在身体坐标系里画出的曲线。曲线的形状和肘部的高低位置，是教练最关心的部分。
这里有一个常见误区：泳者盯着“S型”还是“直线”的争论。实际上，水下三维的手部轨迹在二维视频里被压平成一条线，二维形状和真实的三维路径并不一一对应。因此贝博体育的做法是只把二维轨迹当作对照材料，比较“这次和上次相比有没有变化”，而不是给出一条“标准曲线”让泳者去贴合。
身体流线
头部位置、髋部是否下沉、腿的姿态，合起来决定身体在水里是不是一条低阻力的线。这一项恰好水下侧面视频最擅长：只要机位固定，髋部相对肩的高度差可以稳定测量。需要注意，浮力因人而异，体脂较低的泳者腿部本来就更容易下沉，这不是“技术差”，AI应该结合个人历史来解读。
会出错的地方，和系统应该怎么处理
比起夸功能，写清哪里会出错更有价值。以下是几种典型情形。
情形一：气泡盖住了手。入水后的半秒里，手腕关键点可能丢失或跳到一个错误位置。合理的做法是把这半秒的关键点标为低置信度，用前后帧的轨迹和IMU的角速度来插值，而不是把跳变当真。
情形二：泳镜或水面反光造成头部错位。头部关键点在强反光下可能漂移几厘米，进而影响呼吸时机判断。这类错误单看一帧看不出来，需要对比前后周期。
情形三：同泳道两人遮挡。当两位泳者靠得很近，模型有可能把一个人的手臂关联到另一个人的身上。如果做不到稳定的个体跟踪，报告里应该直接标注“本段身份关联不确定”。
情形四：IMU佩戴位置漂移。腕带松了、腰带滑了，都会让角速度的基线改变。一些研究显示，传感器放在下背部时，对某些泳姿的划次估计不如再加一个腕部传感器准确。所以当两个来源的划频差异突然变大，系统应该提示检查佩戴，而不是悄悄选一个。
情形五：光线变化。露天泳池午后光线和早晨完全不同，模型在其中一种上表现好，在另一种上可能退化。
一个比较健康的判断规则是：当置信度不够时，输出“这一段信息不足”，宁可让报告少几行，也不要给出一个看似精确但没依据的角度。
这些结论怎么变成训练建议
假设一位泳者（示意场景）连续三周每周游两次1500米，系统在这些视频里发现：前500米身体旋转幅度稳定，后500米明显变小，同时划频没变。这个模式可能提示后半程肩部或核心疲劳，也可能只是换了个更靠边的泳道、机位角度变了。
贝博体育会把这类发现写成“值得关注的模式”，而不是判决：
- 建议这位泳者在下次训练里，把前后两段的视频放在一起看，自己确认旋转是否真的变小；
- 如果确认，可以把一部分距离拆成更短的组，中间给足休息，观察后半程是否能保持；
- 如果多次都出现，再和教练讨论是不是需要专门的肩部与核心练习。
训练提示不替代医生或专业教练的意见，尤其当泳者感到肩部疼痛或持续不适时，应该先请专业人士判断，而不是靠AI报告调整动作。
再看一个例子：如果水下视频显示手臂抱水时肘部下沉、手掌先压水再拉，系统可以提示“抱水阶段肘部位置偏低”，同时给出一两个对应的技术练习方向，让教练和泳者去验证，而不是自动改写整个训练计划。
模型的边界
最后要说明白几条边界，避免读者对水下AI期望过高。
- 二维视频不等于三维真相。单个机位下，手臂朝向镜头的运动会被严重压缩。想更接近三维，需要多机位标定，这在普通泳池里很难做到。
- 个体差异比统一标准更重要。柔韧性、体型、浮力、水感都会改变合理的动作形态，系统的价值在于长期比较，而不在于判定对错。
- 速度和技术是绑在一起的。慢游时看起来漂亮的动作，加速后可能完全变形，所以每次分析都要带上配速信息，尤其要和划水距离与划频一起看，单独一个角度意义有限。
- 不做医学判断。姿态数据可以提示“这个模式值得注意”，但不能诊断伤病。
- 没有完美的水下视频。任何实际部署都要面对气泡、反光和遮挡，这些不会因为模型变大就自动消失。
如果你把水下视频、腕部IMU和岸上画面看作三个证人，那么贝博体育游泳AI要做的是听每个证人擅长的部分，发现他们矛盾时不装作没听见。这也是多模态训练分析一直强调的思路：数据冲突本身就是有价值的信息。
