先把问题量化一下。下面的数字是模拟示例，用来说明帧率、曝光与球速的关系，并不来自某次真实测量。假设一只羽毛球在杀球后以每秒100米的速度飞行，相机曝光时间为两毫秒。曝光期间球移动了约二十厘米，也就是说，在这一帧里，球不是一个点，而是一条约二十厘米长的拖影。如果视频是每秒30帧，相邻两帧之间的时间约为三十三毫秒，球在两帧之间跳过三米多；换成每秒240帧，间隔约四毫秒，球每帧约移动四十厘米。同样一次杀球，在两种设备下呈现出完全不同的“可追踪性”。这一点在《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》里有更贴近使用场景的讨论。
本文是od体育动态栏目的一次观察，整理近期公开工作里能看到的进展与卡点。凡是无法核实的细节都不写，涉及具体结果的地方，一律写成“公开资料显示”，并说明这是作者自己的评测。
第一层难点：球太小，像素太少
在一段从场边拍摄的整场视频里，一颗羽毛球往往只占几个像素，颜色又与背景里的灯光、球场线、观众衣物接近。检测器在这种尺寸下很难依靠形状判断，只能依靠亮度对比和运动。这也是TrackNet一类方法采用连续多帧作为输入的原因：从单帧看，球几乎不可辨认，把连续几帧叠起来，才有了运动线索。公开资料显示，TrackNet最初就是为网球和羽毛球这类小而快的对象设计的，它读取连续帧，输出球的位置热力图，并且注意到羽毛球比网球更难，因为速度更快。
第二层难点：拖影该怎么标
运动模糊带来一个看似细小、其实影响很大的问题：既然球变成了一道拖影，那么“球的位置”应该在哪里？公开资料显示，2025年有研究针对乒乓球指出，现行常见做法是把球标在拖影的前缘，这造成标注的不对称，并丢掉了与速度相关的运动线索。他们提出把球标在拖影中心，同时明确标注拖影的长度与方向等属性，发布了新的数据集，并设计了同时估计球位置与模糊属性的检测模型，该工作被CVPR的一个研讨会接收。作者的结论是，新的标注方式对多种检测模型都有提升。
这条线索的启发在于：模糊不只是要“克服”的噪声，也是信息。拖影的长度大致对应速度，方向对应运动方向。一个把模糊当作信号的系统，比一个只想“去模糊”的系统更有可能在低帧率下估计球速与飞行方向。当然，这个结论来自乒乓球，能否直接迁移到羽毛球或网球，还需要各自的数据验证。
第三层难点：帧与帧之间丢了什么
| 难点 | 视频里的表现 | 常见对策 | 仍然存在的问题 |
|---|---|---|---|
| 运动模糊 | 球呈拖影，位置边界不清 | 用拖影中心标注；提高快门速度；联合估计模糊属性 | 光线不足时快门变慢，模糊加重 |
| 帧率不足 | 相邻帧球跳跃很远，轨迹断裂 | 轨迹修复、物理约束插值、提高拍摄帧率 | 插值出的点是估计，不是测量 |
| 遮挡 | 被球拍、身体、网遮住 | 时序模型补全，利用运动方向 | 长时间遮挡时补出的位置会偏 |
| 背景干扰 | 与灯光、线条、衣物相混 | 更大的多样化数据、增强 | 换一个场馆，成绩可能明显下降 |
| 球速换算 | 像素速度需换算成真实速度 | 用场地尺寸做标定 | 斜向飞行、镜头畸变会带来系统偏差 |
表里的每一行，都能在公开工作里找到对应。以帧率为例，公开研究反复提到，帧率不足时轨迹是靠算法“补”出来的，补的方式包括基于运动的修复和物理约束，但补出来的点并不等同于观测到的点。所以工程上更合理的做法，是把每个点标注成“检测到”还是“推断出”，后续的分析（比如落点与击球点）再根据这个标签给出不同的置信度。
TrackNet家族：两年里逐步补上的几块
把近两年的公开进展按时间摆开，可以看到一个清晰的脉络。TrackNetV3引入了数据增强和轨迹修复，用于弥补漏检；TrackNetV4在ICASSP 2025上发表，用帧间差分得到可学习的运动注意力图，作为即插即用的模块加在V2和V3上，在网球与羽毛球数据上提升了追踪表现；2025年12月的TrackNetV5则指出，V4虽然引入了运动信息，却丢掉了运动方向，因此加入“运动方向解耦”，并用基于Transformer的残差模块来恢复被遮挡的目标，论文报告的F1分数为0.9859，计算量只比V4多出3.7%。
这些数字需要被放在合适的位置上。它们来自论文作者自己的基准，采用的是特定的数据集与评测指标，多为广播视频类素材，并不代表在用户手机拍摄的、机位与光线各异的视频上也能取得同样的成绩。更值得关注的是脉络本身：每一代都在补上前一代的缺口，遮挡、方向、时序，说明这个问题的难点是一层一层暴露出来的。
换个环境就掉分：泛化是被低估的难点
一项面向移动机器人的羽毛球检测研究给出了一个直观的例子。公开资料显示，作者构建了两万多帧、覆盖11种背景的数据集，按难度分成三档，基于YOLOv8的检测器在与训练环境相似的测试中F1为0.86，到了完全没有见过的环境里降为0.70；作者也指出，检测表现明显取决于球在画面中的大小和背景的纹理复杂度。这项工作的场景是机器人的移动视角，与固定机位不同，但“见过的环境和没见过的环境差距很大”这个结论，对手机拍摄同样有参考意义：同一套模型，在不同场馆、不同灯光下的表现可能相差很多。
手机视频估算球速：误差从何而来
球速是用户最想要的一个数。公开资料显示，有一项研究用iPhone在每秒30帧下拍摄羽毛球杀球，用自训练的YOLOv5检测球，再用卡尔曼滤波平滑轨迹，将像素位移换算为速度，并与雷达枪比较。在20次测试里，平均绝对误差约66公里每小时，均方根误差约75公里每小时。作者分析了原因：视频方法测到的是击球瞬间附近的峰值速度，而雷达测到的是飞行后的速度，羽毛球空气阻力很大，两者本来就不是同一个量；此外，还要求稳定的拍摄和准确的比例输入，无法处理斜向的斜线杀球，光线差时性能下降，样本量也很有限，并假设球在一个平面内运动。
这个案例给出的教训不只是“误差大”，而是“测的是什么”。当一个数字背后的定义不一致，就不该直接比较。od体育在设计取向上因此把球速一类的量标注为估算，提示其依赖的拍摄条件，而不是与雷达数据放在同一列。相关的手机与专业设备差异，在高尔夫里同样存在，可以参考《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》。
od体育的观察：追轨迹，而不是追一个点
- 把球当作轨迹，而不是逐帧的一个点。只在每一帧独立检测，漏检和误检会直接进入分析；把一段轨迹作为整体，利用运动方向和物理约束，能大幅降低单帧错误的影响。
- 区分“检测到”和“推断出”。推断出的点可以用于展示，但不应当直接进入关键结论，比如落点或击球高度。
- 拍摄条件是模型的一部分。更高的帧率、稳定的机位、充足的光线，是算法之外最便宜的改进，这也是App里强调机位与光线的原因。
- 别把一切都押在追球上。羽毛球的很多技术信息在击球之前就已经决定，不追球也能读到，比如启动、步幅与制动，参见《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》。
- 允许说“不知道”。当球在画面里只剩拖影、遮挡严重或背景复杂时，宁可降低结论强度。
最后需要说明，这是对公开进展的整理与od体育的取向，并非对某个具体准确率的承诺。高速小球追踪在研究里进展很快，但离“任何手机、任何场馆都可靠”还有距离。把这个距离如实告诉用户，比给出一个漂亮的球速数字更有价值。与之相关的另一条线索，是人与器材如何被一起理解，可以回到《体育AI开始从“识别人”转向“理解人和器材的互动”：od体育观察多模态运动模型》。
