动作被遮住以后AI还看得懂吗？od体育如何处理多人运动和身体遮挡

想象一段半场三对三的训练视频：两名球员在弧顶交叉掩护，身体有大约半秒钟叠在一起。这半秒里，画面里的骨架线条发生了一件很有意思的事，穿红衣的那个人，骨架在交叉之后“跳”到了对面穿白衣的人身上。视频继续播放，系统仍旧认真地统计着“红衣球员的下蹲深度”，只是统计的对象已经换了人。这类错误不会报警，数据看起来一切正常，因此比“识别失败”更危险。

多人运动和身体遮挡，是姿态识别在真实训练场景里最先撞到的墙。实验室里一个人站在空白背景前的数据集，很难暴露这个问题，而球场、健身房、训练营里，人总是挤在一起、被器械挡着、被自己的手臂挡着。下面按“什么被挡住了、系统怎么找人、怎么记住谁是谁、什么时候该闭嘴”的顺序，说明od体育在这个问题上的思路。

三种遮挡，性质完全不同

笼统地说“被遮挡”，会掩盖很多差别。至少有三种情形，处理方式并不一样。

• 自遮挡。身体的一部分挡住另一部分：侧面拍深蹲时靠近镜头的手臂挡住躯干，投篮时手挡住脸，跑步时前摆的手臂挡住髋。它几乎不可避免，而且大量发生在动作最关键的时刻。
• 他人遮挡。另一个人的身体覆盖了目标，多见于团队运动和双人对练。这种遮挡最麻烦，因为被遮住的部位和遮住它的部位都属于“人”，模型很容易把两个人的肢体连到一起。
• 器械与环境遮挡。杠铃杆、球、球拍、球网、器械的护架、柱子，都会切断关键点的可见性。杠铃杆压在肩上时，肩、肘的关键点位置会被同时打乱。

三种遮挡的共同点是：模型对被挡住的关节点通常仍然会输出一个位置，而不是“找不到”。这个位置是靠训练数据里的规律推断出来的，也就是“这种姿势下，被挡住的肘大概在哪”。推断合理时，看起来非常自然；推断错误时，骨架依然像模像样，只是不对。所以遮挡问题的关键，并不在于模型能不能画出骨架，而在于系统能不能知道哪些点是“看见的”，哪些点是“猜的”。

先找到人，再找关节，还是先找关节，再拼成人

多人姿态估计有两条常见路线，理解它们的差别，有助于判断遮挡下会出什么错。公开研究里，自顶向下的做法是先用检测器框出每个人，再对每个框单独估计关键点；自底向上的做法是先在整张图上找出所有的关节点，再想办法把关节点分配给各个人。OpenPose 属于后者的代表，HRNet、RTMPose、ViTPose 常被用在前者的流程里，MediaPipe/BlazePose 更偏向单人场景，常与检测环节配合使用。这里不比较谁更好，只看它们各自的弱点。

这两种路线各有场景。人数少、动作幅度大、需要每个人关键点质量高的训练视频，更适合自顶向下的流程；人数很多、画面拥挤的场景，自底向上的思路有其优势。实际系统往往在两者之间取舍，再靠后处理弥补短板。无论哪一条，遇到两个人肢体重叠的那几帧，结果的可靠性都会下降，需要后面的环节来兜底。

ID 换错：轨迹跟踪的老问题

单帧里找对了人，只解决了一半。训练分析关心的是“同一个人在整段视频里的动作序列”，所以还要把每一帧里的人连成轨迹，这就是多目标跟踪。常见的思路是给每个人分配一个ID，然后逐帧根据位置、运动趋势和外观特征，判断这一帧的哪个人是上一帧的哪个人。位置和运动趋势靠“上一帧他在哪、朝哪走”来预测，外观特征则用衣服颜色、体型、球衣号码等来辅助。

问题恰恰出在这些依据靠不住的时候。两个人交叉时，位置重叠，运动预测失效；两人穿同色队服，外观特征几乎没有区分度；一个人被完全挡住几帧再出现，系统要决定“这是原来的他，还是一个新来的人”。判断出错的后果是ID切换：A的轨迹在交叉之后被接到了B身上。对训练分析来说，这意味着A在整段视频里的“动作曲线”里混进了一段B的数据，任何基于这条曲线的结论都不能信。

更值得注意的是，ID切换很难被事后察觉。骨架看起来正常，坐标也连续，只有当你回放视频，才会发现“这里换人了”。因此在设计上，od体育更倾向于在轨迹里加入“交叉事件”的标记：一旦两人的框大面积重叠、或某个ID短暂消失又出现，就把这一段视为不确定区间，把交叉前后的两段轨迹分别处理，不随意接起来，或者交给用户确认。宁可把一条轨迹拆成两段，也不要强行拼成一条。

置信度与插值：补全是把双刃剑

被遮挡的关节点通常置信度较低。处理这些低置信度点，有三种常见做法：直接丢弃、用前后帧插值补全、用时序模型预测。插值有明显好处：短暂的遮挡在前后帧的位置基本连续，补一下曲线更平滑，后续计算也更方便。但它有个隐含假设：这段时间里动作是平滑连续的。

在运动里，这个假设常常不成立。想象一次投篮出手，手腕在球出手的瞬间被球挡住了两三帧，这恰恰是腕部发生快速屈曲的时刻。前后两帧的腕部位置一插值，得到的是一条平缓的曲线，把最关键的那个“快速拨动”抹平了。类似地，深蹲最低点被杠铃或手臂遮挡时，插值出来的最低点常常比真实的更浅，因为端点的最低值被平均掉了。

所以，od体育在处理时会区分“遮挡时长”和“动作是否处于快速变化阶段”：短时间、动作平缓时，允许插值并标注为“补全”；遮挡时间长、或恰好覆盖动作转折点时，宁可让这段缺失，不参与关键指标的计算。补全的数据也不应该和实测数据混在一起，而应保留标记，让后续计算和报告能够区分。拍摄条件如何影响关键点质量，可以对照阅读《手机单摄像头能做到专业动作分析吗？od体育姿态识别的精度边界在哪里》，那里从镜头、光线和帧率的角度补充了单目分析的限制。

团队运动里的遮挡：篮球和足球各难在哪

篮球场地小、人密、身体接触多，遮挡主要是“近距离的他人遮挡”，问题集中在关键点分组和ID切换上。足球场地大，摄像机拍到的人在画面里往往很小，遮挡主要发生在禁区、角球区这类人员聚集的区域，另外，转播镜头的切换、变焦、摇镜，让画面坐标系一直在变化，追踪难度进一步上升。

在足球战术分析里，遮挡问题的后果有时比动作分析更大。要判断阵型、跑位或防守间距，系统必须先知道“每个人是谁、在哪”，只要几个ID在密集区域换错，平均位置就会被污染。比如判断一支球队是四后卫还是三后卫，依据的是一段时间内球员的平均位置和角色，ID在交叉跑位中被换过一次，就可能让一名边后卫“被算成”位置完全不同的中场球员。这一类问题在《433真的一直是433吗？od体育AI如何识别比赛中的动态阵型变化》里有专门的分析，那篇文章讲的是阵型识别的思路，追踪质量正是它的前提，值得对照阅读。

模拟场景：一次三对三训练的分析

假设一个业余球队在室内球场做三对三半场训练，用一台固定在看台高处、约四十五度俯视的手机拍摄，画面里共有六人，红白两队各三人，红队穿深红背心，白队穿浅色上衣。以下均为示例，不代表真实比赛数据。

系统检测到六个人，为每人建立轨迹。前二十秒，球员间距较大，轨迹连续，关键点置信度普遍不错。在一次弧顶挡拆中，两名红队球员和一名白队防守者叠在一起，大约持续了半秒。系统识别到这段时间三个人的框大面积重叠，且其中一名红队球员的两个手腕关键点置信度骤降，于是将这段标为“交叉不确定区间”，把这名球员前后两段轨迹分开保存。挡拆结束后，有两个红队球员穿着相同的背心，系统无法仅凭外观判断谁是谁，于是同时保留两种匹配假设，并结合他们进入交叉前的运动方向进行排序，最终以中等置信度给出了匹配，并在报告里注明“交叉后身份匹配为推断，建议核对”。

对使用者来说，这个报告的价值在于：它没有假装知道全部。前二十秒的跑位与站位分析可以直接使用，挡拆那半秒的结果需要回看视频确认，之后的数据则带着“身份为推断”的标记。教练可以先用前者，再花一分钟核对后者，比拿到一份看似完整但可能张冠李戴的数据要靠谱得多。

什么时候应该放弃输出

多人场景中，放弃输出是一种功能，而不是一种缺陷。以下几种情形，系统更适合直接说“这一段不分析”。第一，关键部位在关键时间段内持续被遮挡，例如动作分析的核心关节连续多帧置信度过低。第二，身份匹配的不确定性无法通过运动趋势和外观特征消除，比如两人穿同色服装且长时间纠缠在一起。第三，画面里的人过小、过糊，关键点的位置误差已经大于动作本身的差异。第四，涉及需要精确判断的场合，比如对抗中的犯规与否，这类判断本来就应该由裁判或教练来做，AI只能提供画面线索。

拍摄时也有办法减少这些问题：让摄像机架高一点，用俯视角度减少人与人之间的前后遮挡；让参与训练的队员穿颜色明显不同的服装；需要精细分析某一个人的动作时，让他单独做一次，不要混在多人对抗里。这些做法听上去笨，却比任何后处理都有效，因为遮挡是信息在拍摄时就丢了，算法再聪明，也只能在缺失的信息上做推断。

最后是隐私。多人场景意味着画面里可能出现并未同意被分析的旁人。od体育的设计原则是分析对象由用户明确选定，其余人员的关键点不参与生成个人报告，也不在历史记录里留存，是否保存原始视频由用户决定，具体功能以App内实际提供的选项为准。这也是一条取舍：多人对抗里能得到的信息很多，但并不是能看到的一切都应该被记录。