拍速一样，球却不同：先看一组模拟的两拍正手
设想一名球员在底线连续打两拍正手。两拍的挥拍速度在测速设备上几乎相同。第一拍球过网后深深落在对方底线附近，第二拍球却下网或者落在发球线附近。教练回放视频，看不到动作有什么明显不同，只能说“好像第二拍慢了一点”。
如果把这两拍拆开看，可能出现的差别有这样几种：第二拍击球点比第一拍靠后了一点，球已经从身体侧面滑到了髋部旁边；或者两拍击球点差不多，但第二拍的拍面在击球瞬间略微向下倾；又或者击球点和拍面都差不多，只是第二拍的球拍是从更低的位置往上刷，带出了更多上旋，弹得更高但落点更短。同样的“拍速”，背后可以是三种完全不同的原因。
这也是od体育网球AI不把“挥拍速度”当作核心指标的原因：速度是结果之一，而让球走向不同的，是速度在什么位置、朝哪个方向、以什么拍面施加到球上。
从脚到球拍：这条链上每一环各贡献多少
一次正手击球，能量并不是从手臂开始的。蹬地产生的力从脚传到腿，髋部转动，躯干跟着打开，肩带着手臂加速，前臂和手腕再把拍头送出去，最后才是球拍。这条由地面向球拍传递的链条，在运动生物力学里叫运动链（Kinematic Chain）。
公开的研究里有一些具体数字，可以说明这条链上的分工，但要留意样本。一项使用惯性传感器的研究，采集了六名精英男子选手共72拍正手，比较斜线和直线（内角）两种击球方向。结果显示，对拍头速度贡献最大的是肩部的上臂屈曲和外展，斜线约占48%，内角约占45%；其次是肘部的前臂伸展，约17%到21%；再次是上臂内旋，约14%到16%。两个方向之间，各关节贡献并没有显著差别，但引拍结束时肩线与底线的夹角却明显不同，内角球的转体更大。作者认为这可能给对手留下了预判线索。
另一项研究关注发球，共八名职业球员、347次发球。作者发现，躯干和上臂的转动峰值能够预测球速，但各环节峰值出现的时间间隔与球速没有明显的关联，职业球员并不严格遵循“由近端到远端依次达到峰值”的教科书顺序。两项研究的样本都很小，前者只有六人，后者只有八人，结论不宜推广到所有水平的人。
对视频分析来说，这两项研究带来的启发是：不要拿一套“标准运动链”去评判每一个人，而是看同一个球员前后几拍的一致性。如果他大多数击球中髋部先转、肩随后跟上，而某一拍肩先动、髋晚了半拍，这一拍就值得回看。
击球点是三个量，不是一个点
“击球点”在教练口中是一个位置，落到数据里其实是三个相互独立的量。
- 前后位置：击球时球在身体前方多远。球越靠前，拍头越容易在球的后上方接触，方向也更容易控制；球越靠后，手腕就要代偿。
- 高度：相对于腰、肩的高度。高球要更多向下压，低球要更多向上提，对拍面和挥拍路径的要求都不同。
- 侧向距离：球离身体有多远。太近手臂伸不开，太远重心被拉走。
在视频中，od体育App读取的是关键点序列：肩、髋、手腕的位置，加上球的检测位置。击球那一帧，把球到髋部的水平距离、球相对于腰肩的高度，用这名球员自己的身体尺寸做归一化，就得到一组“相对击球点”。不使用厘米，是因为单目视频的像素到厘米需要已知参照，而球员的身体比例是天然的尺子。
这里有一个常见的误判：击球那一帧不一定准确。球拍与球的接触只持续几毫秒，普通手机拍摄时相邻两帧的间隔通常在十几到三十多毫秒，所以“击球帧”其实是“最接近击球的那一帧”，位置误差可能有一个球的直径那么大。因此比较稳妥的做法是取击球前后各几帧，做一个窗口内的平滑，而不是依赖单帧。
拍面角度：视频里最难读出的部分
拍面朝向决定了球的初始方向和大部分旋转，可它也是视频分析最难拿到的量。原因有三点。第一，姿态估计给出的是人体关键点，肩、肘、腕，通常没有球拍上的点，拍面朝向要靠额外的球拍检测才能得到。第二，二维视频缺乏深度。一篇2025年关于视觉传感器和姿态估计用于无标记动作分析的综述指出，二维姿态估计难以捕捉平面外的关节屈曲和旋转，它更适合动作大体在同一个平面内的情形；对照标记点系统，MediaPipe 类方法在不同动作上的误差大致在10到25度以内的量级，下肢好于上肢。关节角度有这样的误差，拍面朝向的估计只会更粗，而拍面几度的偏差就可能带来相当明显的落点差别。第三，击球瞬间拍头的线速度非常高，帧率不够时拍头会被拖成一道模糊的影子。
所以od体育网球AI在这一层的做法是分级给出结论。有足够帧率、正面或侧面机位、球拍清晰可见的视频，可以估计拍面在击球窗口内的变化趋势，比如从击球前到击球后拍面是持续保持稳定，还是翻转得比较多。条件不够的视频，则只输出手腕和前臂的姿态变化，并注明拍面角度无法可靠估计。前一种结论比较有价值：不是“拍面开了三度”，而是“击球区间内拍面变化比你上一组更大”。
发球是拍面变化更快、对帧率要求更高的一种极端情形，抛球、击球高度和落点如何一起分析，可以继续读《网球发球速度够快为什么还是容易被破？od体育AI开始同时分析落点、旋转和下一拍位置》。
挥拍路径：从低到高，还是从后到前
拍面之外，另一个决定球性的是挥拍路径。正手上旋球通常是拍头从较低的位置向前上方运动，拍面稍微向前倾，通过摩擦让球向前旋转；平击球则更接近水平的前推。路径的“陡”与“缓”，与拍面角度共同决定球的弧线和旋转量。
球拍追踪要拿到路径，需要对球拍头在每一帧的位置做检测，再连成一条轨迹。这里涉及的是 Object Tracking 而不是姿态估计：拍头是一个细长、颜色多变、经常被身体遮挡的物体。检测到之后，还要判断是哪一只手的哪一拍，避免把对面场地或旁边球友的球拍混进来。轨迹拿到之后，可以计算的量包括：拍头最低点相对于击球点的高度差，击球前后拍头运动方向与水平面的夹角，以及路径的起伏程度。这些量都是相对的，同一个人前后对比才有意义。
不是姿势，是时序
把以上信息合在一起，od体育的处理方式是把每一拍变成一段动作时间序列，而不是若干张静态姿势图。序列里的关键节点包括：转体开始、引拍到最深处、前挥启动、击球窗口、随挥结束。每个节点上的髋、肩、腕角度和球拍位置，都可以与这名球员的历史序列比较。
为什么不直接看静态姿势？公开资料里有一个可供参考的例子：一项使用2025年澳网转播画面的小规模研究，用姿态估计区分发球的“加载”和“伸展”两个阶段，准确率接近满分，但用单张静态姿态去预测发球速度，结果并不比随机猜测好多少。姿态图像告诉你动作处于哪个阶段，却说不清动作有多快、时序如何。击球点和拍面变化也一样，它们本质上是随时间变化的量。
一张对照表：常见症状可能来自哪里
| 症状 | 可能的原因 | 视频里可查的线索 | 模型把握程度 |
|---|---|---|---|
| 球常常下网 | 击球点偏后或偏低，拍面偏关 | 球到髋的距离、手腕相对腰的高度 | 击球点较可靠，拍面较弱 |
| 球常常出底线 | 拍面偏开，或击球点过于靠前而拍面来不及稳定 | 击球窗口内球拍朝向的变化 | 需要高帧率才可靠 |
| 球不转，飞行偏直 | 挥拍路径偏平，拍头最低点不够低 | 拍头轨迹的起伏 | 需要球拍追踪 |
| 对手总能预判方向 | 不同方向的引拍转体差异过大 | 引拍结束时的肩线角度 | 姿态估计可给出较可靠的对比 |
| 同一拍时好时坏 | 击球点前后位置波动大 | 多拍之间“相对击球点”的离散程度 | 需要一定数量的样本 |
这张表并不是诊断书，而是在告诉使用者：同一个症状可能有不止一个原因，视频分析要先缩小范围，再由教练判断。
模型什么时候会看错
- 身体遮挡球拍：正面偏斜机位下，持拍手臂和躯干经常挡住拍头，拍头位置只能靠前后帧插值。
- 拍框与背景颜色接近：球拍在场地线或围网前面时，检测容易漏掉。
- 双打或多人同框：关键点可能被分配到另一个人身上，造成髋和肩的角度出现瞬时跳变。
- 手机镜头畸变：广角镜头拍近距离时，画面边缘的人体会被拉伸，影响相对击球点。
- 帧率不足：击球前后只有一两帧时，任何窗口平滑都无济于事，结论会明显偏保守。
教练怎样使用，以及为什么要“讲得出理由”
比较好的使用方式，是让模型先回答“这一拍和你平时的差别在哪里”，而不是先打一个分数。举例来说，模型应该说：这一拍击球点比你近十拍的平均位置更靠后，手腕位置更低，肩线在引拍结束时转得比平常少。教练看到这样一段话，可以马上去问：是脚步没到位，还是准备慢了？而“这拍动作评分62分”几乎无法追问。
这也是od体育在设计AI教练时的一个取向：能解释的建议比简单评分更重要。关于这一点，可以看《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？》，那篇文章专门讨论了怎样让建议说出理由。
如果球员真正关心的是“怎样在提速的同时保持稳定”，那是另一个问题：拍速提升往往会让击球点窗口变窄，具体见《正手速度提高了，稳定性为什么下降？od体育AI如何寻找挥拍速度和控制之间的平衡》。
目前能给的和不能给的
最后要说清楚边界。od体育网球AI目前可以比较有把握地给出：每一拍的动作阶段划分，击球时球与身体的相对位置，躯干朝向和转体幅度，前后几拍的一致性。它给不出的，是精确的拍头速度、精确的拍面角度数值，以及球的转速，这些需要拍上传感器、雷达或多机位系统。凡是在结果里出现的拍面相关结论，都应该理解为“趋势”，并且注明视频条件是否达到要求。
