三条线，比“转了多少度”更基本
在视频里分析身体，最小的单位是三条线：两肩连线、两髋连线，以及从髋中点到肩中点的脊柱线。姿态估计（Pose Estimation）模型输出肩、髋等关键点后，就能由这三条线的朝向和它们之间的夹角，得到几个基本量：肩转、髋转、二者之差（常被称为X-factor），以及脊柱相对垂直方向的前倾与侧倾。
这些量都有一个共同点：它们不是“天生存在”的测量值，而是从关键点位置推出来的二次量。关键点偏移几个像素，肩线角度就可能变几度；换一个机位，同一个真实动作的读数也不同。所以下面每一个结论，都要带着“来自二维投影”的前提去读。
公开研究里，转动的量级和相关性是什么样的
公开的生物力学研究给了几个可参考的量级。Cheetham 等人2011年在 Journal of Applied Biomechanics 上发表的研究用三维动作捕捉分析职业与业余球员，指出下杆由骨盆转动反向启动，随后是上躯干；击球时的X-factor、峰值X-factor、峰值上躯干转动等量，与击球时的杆头速度都有高度相关（中位相关系数在0.9上下）。另有综述性资料常提到，熟练球员在上杆顶点时胸廓转动约40到50度、骨盆约20到30度，X-factor常见在15到35度之间。需要强调的是：这些数字随测量方法、参照系定义、球员柔韧性而不同，并不是每个人应当追赶的标准，用它们做“对标”很容易出错。
此外还有一点值得记住：另一项使用惯性传感器（IMU）与光学动捕对比的验证研究，纳入36名职业与业余球员，发现在T1、L4两个位置佩戴传感器时，上躯干转动与光学动捕的一致性极高，骨盆倾斜（O-factor）的一致性相对最弱。这说明转动角度本身是可以被可靠测量的，但需要传感器或多视角的三维系统；单个二维视角下想读出同样精度，只能靠近似。
幅度大的挥杆，为什么有时并不好
把上杆幅度做大有很多途径，而它们的后果不同。真正有价值的方式是骨盆相对稳定、胸廓继续转，两者之间被拉开，之后在下杆里由骨盆先启动。而下面几种“凑幅度”的方式，视频里也能识别出蛛丝马迹：
- 脊柱抬起。顶点时髋中点到肩中点的连线相对站位时明显更直，说明前倾角度丢了；此后下杆需要重新“压下去”，击球条件因此变得不稳定。
- 膝盖伸直、骨盆随之上升。骨盆与胸廓一起转，二者之间几乎没有分离，转得再大，肩髋差也不大。
- 骨盆过度侧滑。髋中点向后大幅横移，肩转看起来大了，实际上是整个身体移位。
- 手臂越过顶点。肩转其实有限，手臂靠拉伸把杆送得很远，视频里杆头位置很高，肩线却没转多少。
这类判断的关键，是同时看肩转、髋转、脊柱倾角和头部位移，而不是单看某一个。如果模型只输出一个“上杆幅度评分”，上面四种情况的评分可能都很高。
“稳定”应该怎么量
身体稳定性听起来是一个感觉，落到数据上却可以是几个具体量：站位到击球前的脊柱前倾变化、头部位置相对起始位置的位移、骨盆中心的横向移动、膝角变化。对这些量，比较有意义的不是绝对值，而是多次挥杆之间的重复性。有研究团队用单台240Hz侧面相机，配合 HRNet 提取的关节点，比较不同水平球员，发现高水平球员前倾角在多次挥杆之间的变化更小；作者同时承认这是二维矢状面的结果，精度不如三维动捕，样本也有限。
这也符合职业球员在三维研究中呈现的高重复性。所以od体育高尔夫AI更看重的输出，是“你这十次挥杆的前倾角变化范围”和“与你上周相比是否变大”，而不是“你的前倾角应该是多少度”。
同一个动作，换个机位会怎样
下面这个例子完全是编造的示意（模拟示例，非真实测量），用来说明机位如何改变读数：假设一位球员真实的上杆肩转是90度、髋转是45度，分别用放在正后方、正面和右侧的三台相机拍摄，肩线和髋线在图像里的“表观角度”并不相同。
| 拍摄位置 | 肩转读数（示意） | 髋转读数（示意） | 可靠的用途 |
|---|---|---|---|
| 正后方（沿目标线） | 约80 | 约35 | 脊柱侧倾、头部横向位移 |
| 正面（面对球员） | 约75 | 约30 | 骨盆横移、肩线倾斜 |
| 侧面（球员右侧） | 约55 | 约20 | 脊柱前倾、膝角 |
三行数据各自对应不同的相机位置，读数彼此不能直接比较。侧面机位下，肩线被压缩，肩转读数明显偏小，但前倾角却最准确；正面机位下，肩线更清楚，前倾则看不见。这就是为什么系统要先问机位、再决定输出哪些量，也是为什么不同时间、不同机位拍的视频不应当被拿来算“肩转进步了多少度”。视频本身的局限，包括哪些量根本测不到，可以对照《手机视频和专业雷达有什么区别？od体育高尔夫AI能分析什么、不能分析什么》来读。
模型会在哪里看错
肩髋分析里最常见的错误有三种。第一是遮挡：上杆顶点时前臂和手臂挡住肩，杆身遮住髋，关键点由模型推测，位置可能偏。第二是衣着：宽松的上衣让肩与髋的边界难以判断，模型可能把衣摆当作髋点，稍微不同的衣服，读数就会不同。第三是站位：球员没有站在画面中间、离镜头太近产生透视变形，肩线读数会失真。这些错误都不会在画面上留下明显的破绽，模型仍然会输出一个看起来合理的数。所以od体育App的处理思路是依据关键点置信度和前后帧的一致性降低这些帧的权重，置信度太低时宁可不输出这一项数据。
怎样用这些结果
把肩髋数据当作“提问的起点”比较合适。比如发现顶点时脊柱前倾丢了，教练应该先问身体条件：髋关节活动度是否足够、核心稳定性是否够，再决定练习。如果发现肩转不大，但骨盆转得也少，说明整体活动受限，这时强行增加幅度，往往带来腰背压力。因此模型给出的建议，必须能回答“为什么”，这一点在《od体育官网如何理解“AI教练”：模型应该给答案，还是把问题解释清楚？》里有更完整的讨论。
如果想了解肩髋转动如何嵌入整个挥杆的顺序，包括下杆的启动次序和节奏，可以回到《高尔夫挥杆不是画一条“漂亮轨迹”：od体育AI为什么开始同时看髋、肩、杆头和节奏》。上杆再大，也要看接下来的十分之几秒里，骨盆是否先动、身体是否保持姿态，才能算是有用的转动。
