现状 · 2026-09-07 · 看人数拍 v2
看人数拍·现在到哪了
给一段业余对战视频，程序现在能切出回合、数出每个人各打了几拍。这页回答两件事：停在哪，效果到底怎么样。数字全部来自正式流程跑整片的结果，不是原型。
停在哪：定稿版本是 Codex 提交 5c0b796（分支 claude/badminton-app-ui-feedback-777abd），R1 到 R9 九张卡全部验收完，没有正在进行的卡。流程默认走"看人"，两人识别覆盖不够时自动退回旧的"听声"。
效果：正后方视频回合 29 对人工 31，拍数六成准、谁打的 75% 准；角落视频拍数 65 分、谁打的 92% 准。比三天前的听声法（47 分、分不清谁打）强一大截，离"准到不用看"还有距离。
没做的：集锦阶段在 Mac 上会挂死（另立卡）；角落回合有合并过头；速度再降要换轻量模型。以及你要做的两件事：关 iCloud"优化储存"、自己拍一场正后方素材。
效果一：回合切得对不对（正后方整片 7 分 20 秒）
灰条是我人工从缩略图数的 31 个回合，蓝条是程序切出的 29 个。对上 28 个，多 1 个，3 段各把两个回合连在了一起。
效果二：每一拍知道是谁打的
下面是程序自己标出的击球瞬间，黄框是近端球员、红框是远端球员。这几张是随机抽的，不是挑好的。
效果三：两条整片的数字
| 素材 | 回合 | 拍数（近端 / 远端） | 金标窗综合分 / 谁打的 | 远端识别覆盖 | "看挥拍"耗时 | 判定 |
|---|---|---|---|---|---|---|
| YouTube 正后方 7 分 20 秒 | 29（人工 31） | 257（134 / 123） | 60 / 75% | 92% | 时长 2.7 倍 | 达标 |
| B 站角落 4 分 57 秒 | 14 | 196（101 / 95） | 65 / 92% | 91% | 时长 3.5 倍 | 达标 |
"金标窗综合分"是在人工逐拍标注过的一段（正后方 46 秒、角落 36 秒）上算的查全查准综合分，满分 100，容差 0.35 秒。三天前的听声法在角落那段是 47 分。
正后方：程序切出的回合
| # | 起止（秒） | 拍数 | 近 / 远 |
|---|---|---|---|
| 1 | 0.0–8.8 | 8 | 4 / 4 |
| 2 | 10.8–25.6 | 16 | 8 / 8 |
| 3 | 31.3–35.9 | 5 | 3 / 2 |
| 4 | 42.1–50.2 | 7 | 3 / 4 |
| 5 | 52.4–57.1 | 4 | 3 / 1 |
| 6 | 62.0–73.2 | 9 | 4 / 5 |
| 7 | 77.0–88.6 | 11 | 6 / 5 |
| 8 | 96.8–111.4 | 11 | 5 / 6 |
| 9 | 125.3–135.0 | 7 | 2 / 5 |
| 10 | 154.9–162.8 | 9 | 5 / 4 |
| 11 | 166.3–180.8 | 13 | 7 / 6 |
| 12 | 182.4–207.6 | 25 | 13 / 12 |
| 13 | 209.3–223.9 | 14 | 8 / 6 |
| 14 | 225.2–229.0 | 3 | 1 / 2 |
| 15 | 234.5–246.8 | 12 | 6 / 6 |
| 16 | 247.7–254.1 | 4 | 1 / 3 |
| 17 | 255.3–258.3 | 4 | 2 / 2 |
| 18 | 262.9–268.9 | 4 | 2 / 2 |
| 19 | 279.1–287.0 | 5 | 4 / 1 |
| 20 | 292.2–300.6 | 6 | 3 / 3 |
| 21 | 301.7–312.2 | 11 | 6 / 5 |
| 22 | 321.6–329.6 | 6 | 3 / 3 |
| 23 | 333.2–342.6 | 7 | 5 / 2 |
| 24 | 343.8–355.2 | 10 | 4 / 6 |
| 25 | 358.9–380.8 | 14 | 8 / 6 |
| 26 | 382.6–389.5 | 7 | 4 / 3 |
| 27 | 398.2–417.3 | 15 | 8 / 7 |
| 28 | 419.1–423.0 | 3 | 2 / 1 |
| 29 | 426.8–438.5 | 7 | 4 / 3 |
角落：程序切出的回合
| # | 起止（秒） | 拍数 | 近 / 远 |
|---|---|---|---|
| 1 | 0.0–24.6 | 28 | 16 / 12 |
| 2 | 25.0–34.2 | 6 | 4 / 2 |
| 3 | 40.9–50.3 | 5 | 3 / 2 |
| 4 | 51.8–95.3 | 33 | 19 / 14 |
| 5 | 96.6–110.6 | 10 | 6 / 4 |
| 6 | 112.8–124.0 | 7 | 4 / 3 |
| 7 | 126.8–141.6 | 9 | 4 / 5 |
| 8 | 144.2–160.0 | 10 | 4 / 6 |
| 9 | 162.2–171.6 | 7 | 3 / 4 |
| 10 | 173.1–182.7 | 8 | 3 / 5 |
| 11 | 187.1–250.4 | 44 | 21 / 23 |
| 12 | 252.6–261.5 | 6 | 4 / 2 |
| 13 | 263.6–271.7 | 5 | 2 / 3 |
| 14 | 274.5–295.9 | 18 | 8 / 10 |
效果四：五条不同机位的素材，正式服务实跑（2026-09-08）
定稿版本部署成正式服务后，把手头所有对战素材各跑了一遍。看两件事：走没走上"看人"路径，以及退回时有没有老实退。
| 素材 | 机位 | 走的路径 | 回合 | 拍数（近 / 远） | 说明 |
|---|---|---|---|---|---|
| YouTube 单打 7 分 20 秒 | 正后方 | 看人 | 29 | 257（134 / 123） | 与验收一致 |
| B 站单打 4 分 57 秒 | 后方角落 | 看人 | 14 | 196（101 / 95） | 与验收一致 |
| B 站单打 2 分 06 秒 | 后方角落，22.5 帧 | 看人（R10 后） | 8 | 77（45 / 32） | R10 前退回听声（远端只跟到 37%）；R10 后远端跟到 83% |
| 李宗伟 7 分 47 秒 | 高机位，有看台 | 看人（R10 后） | 8 | 263（135 / 128） | R10 前退回听声（远端只跟到 17%，看台观众把远端身高带偏成 89）；R10 后远端跟到 83% |
| B 站少儿 2 分 48 秒 | 侧面 | 退回听声 | 3 | 90 声 | 侧面机位两人一左一右、无近远之分，不在支持范围，退回是预期内的 |
2026-09-09 更新：R10 上线（划远端区域只看会动、且身高不低于近端 0.35 倍的人），李宗伟和第二条角落两条都走上了看人路径，远端跟踪从 17%、37% 升到 83%，老素材没退步；战报页也已显示近端/远端拍数和每一拍的标记（W1）。原结论（9 月 8 日）：五条里两条走上看人路径，三条退回听声，退回时都没有乱报。三条退回里，侧面机位是范围外；另外两条暴露了同一个新毛病：场边有一群坐着不动的人（看台观众、等场的人）时，自动划区域会把"远端球员的身高"估错，导致选人漏掉真球员。业余球馆人少没暴露，一到有看台的场馆就会出。修法明确：划远端区域只看"会动的人"。这是下一张卡（R10）。另外，集锦在新环境里五条全部合成成功，此前的"挂死"确认是 iCloud 云端化所致，不是代码问题。
效果五：训了一个小模型来认"这一下是不是击球"（2026-09-09）
之前数拍靠的是手写规则（手腕甩到最快的那一下算一拍，再用交替、间隔去掉假的），天花板在七成上下。这次用公开的职业比赛逐拍标注（桃田 vs 安赛龙一场，756 拍）加上我们自己五条业余视频的半自动标注，在 Mac 上训了一个小模型，让它看前后 0.6 秒的双人姿态曲线自己判断"这一下是不是击球"。训练只要几秒钟，不用显卡；模型已经装进正式流程，默认走模型，模型文件坏了会自动退回原来的规则。
| 素材（同一段标准答案） | 原规则 | 小模型 | 说明 |
|---|---|---|---|
| 正后方 YouTube 单打，0–46 秒 | 0.60 | 0.64 | 报出来的拍 64% 是真的，真拍抓到 64%；谁打的 11/16 对 |
| 后方角落 B 站单打，40–76 秒 | 0.63 | 0.77 | 报出来的拍 88% 是真的，真拍抓到 68%；谁打的 14/15 对 |
分数是"准和全"的综合分（满分 1）。角落机位涨得最多，原因是模型比规则更挑：以前把捡球、挥空当成击球的情况少了很多。整片数字：正后方 29 回合不变，拍数从 257 降到 215（假拍少了）；角落回合数从 14 变成 11——有三处回合被粘在了一起，是模型在回合间隙给出了几拍低信心的判断，这是下一步"回合边界"要修的，得先人工标一段角落视频的回合起止。
中间踩过一个坑：第一次接线把模型候选也塞进了原来给规则用的"没声音就得幅度特别大才算"的门，结果没声音的拍全被丢了，分数掉到 0.38。在 Mac 上用固件把四种门控方案都跑了一遍，结论是模型给的击球时刻比声音更准（嘈杂角落球馆的声峰反而会把时间拽偏），于是定了新规矩：走模型时声音只负责标"有声/无声"和信心高低，一拍都不丢、时间也不挪。
再往上涨要靠干净的业余标签：现在业余视频的标注只有八九成准，所以紧接着做了一个打标工具（2026-09-10 上线）：在回合回看页点"编辑模式"，点一下删一拍、改近端远端，把视频拖到击球那一刻点击球条加一拍，改动即时保存、刷新不丢，战报页会给改过的回合打"已修正"角标。接下来用它把五条业余视频的标签一条条过干净，再训第二轮模型。
接下来
- 第一层，上线能用：修集锦挂死（Codex 一张卡）；战报页切到新口径并带"看人/听声"标记；你自己拍一场正后方 60 帧素材走一遍；关掉 iCloud"优化 Mac 储存空间"、清磁盘。
- 第二层，六成提到八九成：小分类器已经训出来并上线（CPU 就够，见效果五）；下一步做打标工具攒干净的业余标签再训第二轮；先人工标一段角落视频的回合起止，再做回合边界第三版；速度从 2.7 倍降到 1.5 倍。
- 第三层：双打、多人轮换、竖屏等更多机位，每种加自己的固件和回放测试。
三天沉淀下来最值钱的东西：两条素材的"正确答案"固件加走产品真实路径的回放测试，以后任何改动跑一下就知道有没有把哪条素材改坏。完整过程见 看人数拍实测，调研见 回合与拍数怎么数。