秒表能告诉你一个人从中场跑到网前用了多久，却回答不了另一些更重要的问题：他是在球出手前就已经动起来，还是看清球之后才启动？他最后一步是踩稳了才击球，还是冲过头了再往回拽？击球之后他是在对手下一拍出手前就回到了出发位置，还是只回了一半？这些问题的答案，都藏在总时间之外。
od体育羽毛球AI处理步法时，用的是四个各自独立的指标。下面逐个说明它们怎么定义、怎么从视频里算出来，以及每个指标最容易被什么污染。
四个指标，各回答一个问题
| 指标 | 回答的问题 | 主要输入 | 最容易出错的地方 |
|---|---|---|---|
| 启动延迟 | 对方击球后，多久开始有效位移 | 髋部关键点速度、对方击球时刻 | 击球时刻本身难以确定 |
| 加速段 | 前几步是否迅速把速度建立起来 | 脚踝与髋部位移序列 | 关键点抖动被放大成速度噪声 |
| 制动 | 最后一步能否在击球前把身体停稳 | 脚踝速度下降、膝关节角度 | 滑步与地面反光造成的着地误判 |
| 回位到位时间 | 击球后多久回到可再次出发的位置 | 重心位置、场地坐标 | 场地线换算误差、遮挡 |
把它们分开的好处是能定位原因。总时间慢，可能是启动晚，也可能是加速不足，还可能是制动过长；回位慢则往往与前面的制动方式有关，冲得太猛的人，回程要先把惯性抵消掉。
启动延迟：分腿垫步之后，第一步什么时候真正动起来
启动前几乎所有选手都有分腿垫步。2024年一项以18名大学男子选手为对象的研究，用动作捕捉和测力台比较有无分腿垫步的前场弓步，结论是分腿垫步会改变正手弓步落地时的髋、膝角度，并提升正手弓步的效率和速度，反手方向的效果则不那么明显。这个结果对视频分析的启发是：垫步之后的发力方向和时机是可以观察的，但也不能指望所有方向的表现都一致。
启动延迟的计算方式是：以对方击球时刻为零点，找到髋部水平速度第一次持续超过某个阈值的时刻。难点有两个。第一，“对方击球时刻”要从视频里读出来，需要看到对方的挥拍或追踪球的轨迹，机位不合适时这个零点本身就不准；第二，阈值的设置会直接改变延迟数值，所以同一批数据比较时阈值必须固定，跨球员比较意义有限，同一球员前后几周的变化才有参考价值。
加速段与制动：速度不是直接测到的，而是算出来的
这里有一个常被忽略的技术事实。视频给出的是关键点位置，速度要靠位置的差分得到，而关键点本身有抖动。
假设脚踝关键点的位置抖动约为3厘米（模拟示例）。用相邻两帧做差分求速度，速度的抖动大约是位置抖动乘以根号2再乘以帧率：在30帧每秒下约为1.3米每秒，在120帧每秒下约为5.1米每秒。也就是说，帧率提高之后，如果直接对原始位置逐帧求差，速度曲线反而更毛躁，必须先做平滑或用更大的时间窗口。这也是为什么高帧率带来的好处，要落在更精确的事件定位（比如着地在哪一帧）上，而不是简单地“速度更准”。
制动同理。假设一名球员在最后一步前的水平速度是3.5米每秒，并在0.25秒里把速度降到接近零（模拟示例），匀减速估算的制动距离约0.44米，平均减速度约14米每秒平方。这类估算能告诉教练：为什么有人的最后一步总要踩得很远，因为他需要更长的制动距离。真实测量这类力，需要测力台。2026年公开的BadmintonGRF数据集，就用了八路同步的约120帧每秒相机、四块测力台和光学动作捕捉，在10名受试者身上做无标记地面反力估计，这类配置在实验室里才有，手机视频只能得到位移和时序上的间接线索。
制动做得好不好，最终还是要落到击球质量上，具体可以参考《羽毛球真正难分析的不是挥拍，而是击球前的三步：od体育AI开始识别步法和击球准备》一文里对最后一步的拆解。
回位：不是跑回中心，而是在下一拍之前站好
回位到位时间要看两个量：击球后重心回到什么位置，以及回到的时候对手是否已经出手。许多人习惯回到场地正中，但实际上合适的回位点取决于对手的位置和自己刚打出的球路：一个压向对方右后角的杀球，回位点可以适当靠近中路偏杀球一侧；一个网前放小球之后，回位就要更快地向后。因此od体育更关注“击球后到对手下一拍出手，你的重心有没有到达可以向多个方向发力的区域”，而不是死板地要求回到中心点。
回位如果需要拿网球做对照，可以看《底线跑得快为什么总是来不及？od体育AI如何分析网球移动路线》：两个项目的共同点是，移动效率取决于回位后是否处在再次启动的位置，不同点是羽毛球的回合节奏更快，留给回位的时间更短。
一个模拟示例：多球训练里，疲劳如何改变这四个数
假设一名球员做正手前场蹬跨的多球训练，共6组，每组10个球，系统汇总每组的中位数：
| 指标（模拟示例） | 第1-2组 | 第5-6组 |
|---|---|---|
| 启动延迟 | 0.21秒 | 0.27秒 |
| 最后一步着地到击球 | 0.19秒 | 0.13秒 |
| 击球后回位到位时间 | 1.05秒 | 1.24秒 |
这张表比“总时间变慢了”多提供了两条信息：第一，疲劳先体现在启动上，起点晚了，最后一步到击球的余量被压缩；第二，回位变慢的幅度比启动大，说明制动之后的再加速也受到了影响。教练可以据此区分是需要调整训练量，还是需要单独练习启动反应。
这些数字什么时候不该相信
- 帧率太低。公开的一项2022年研究用25帧每秒的双机位识别鞋的位置，作者自己把运动模糊、鞋子重叠、鞋子出视野列为局限。在这样的帧率下，0.1秒以内的事件（比如最后一步着地到击球）只有两三帧，误差占比很大。
- 机位变化。换了拍摄位置，场地坐标换算的误差和视角失真都不同，不能与之前的数据直接比较。
- 身体遮挡与双打。双打中脚步与另一名球员的关键点互相混淆，效率指标可能被算到搭档身上。
- 没有球的训练。徒手步法练习没有对方击球时刻，启动延迟只能以教练口令或信号为零点，不能与实战直接比较。
一个更稳妥的读法是：只把这些指标当作同一球员、同一机位、同一类练习之间的对比。想知道高速球体本身对帧率的要求，可以继续看《羽毛球飞得太快，普通手机视频还能分析吗？od体育AI面对的帧率难题》，两篇文章合起来看，就能明白脚步与球分别面对怎样的帧率约束；杀球的落点与击球点怎样和步法配合，则在《杀球速度很快为什么没有威胁？od体育AI如何同时分析击球点和落点》里。
od体育App的设计取向，是尽量把“这一段数据的可信度”与结果一起呈现，因为对训练来说，一个带着说明的粗略数字，比一个看起来精确的数字更有用。
