青少年篮球
投篮姿态 AI 分析
本系统是面向14–18岁青少年的篮球投篮AI评估工具。市面上传统投篮分析模型大多基于成年运动员数据，不适用于骨骼、力量仍在发育的青少年。系统可以读取投篮视频，利用计算机视觉提取人体骨骼关键点，量化多个投篮生物力学指标，输出投篮姿态评分、出手轨迹、发力诊断、运动损伤风险提示与命中率预估，支持导出中法双语评估报告，用于STEM科研演示。
视频上传与 AI 分析
上传一次完整投篮视频，系统逐帧采样后重建骨骼与球体模型，交由大模型给出中法双语诊断。视频仅在本地浏览器解码。
推荐视频：正面视角罚球投篮，画面光线充足，完整记录一次投篮全过程
实时建模预览
分析过程中逐帧重建三维姿态，默认俯视视角，可随时切换正面 / 侧面。
此预览为本地重建的骨骼线框，非逐像素姿态识别；最终分析页给出量化指标。
从本地.env文件读取API密钥，用于调用视觉分析接口。如不配置，系统将使用模拟演示数据。密钥不会上传、不会硬编码在网页源码。
逐帧出手动作分析
灰色网格场景内逐帧回放真实采样帧，叠加轮廓重建的关键点线框与实时角度遥测。
AI 分析结果
全部指标由本次上传视频的逐帧像素数据实时计算，不同视频会得到不同结果。
投篮姿态综合评分
-
关键生物力学角度
投篮抛物线可视化
指标口径与数据溯源
A/B 对比分析
上传同一投手的「训练前 / 训练后」两段视频，自动叠加轨迹并量化角度差异，演示控制变量法。
A训练前（A）
B训练后（B）
轨迹叠加对比
关键指标差异（B − A）
三维线框建模
基于真实采样帧重建的两套可旋转模型：全身骨骼运动序列，以及手部五指与篮球球体。
3D 建模 AI 建议
3D 建模 AI 建议
- 完成视频分析后，这里会给出针对建模姿态的 AI 建议。
投篮姿势数据总结
以上结论由本次视频的三维建模与实测角度自动生成，不同视频结果不同。
中法青少年差异化建议
两套建议各自独立生成：中文版面向国内校队与体测环境，法语版面向法国俱乐部青训体系（INSEP / FFBB 年龄段训练逻辑）。
中文动作诊断建议
Conseils de diagnostic
基于青少年生物力学模型，预测本次投篮命中率
-
评估报告导出
导出弹窗内展示完整评估报告文本，可复制用于科研展示与学术交流。
- 01综合评分
- 02实测生物力学参数
- 03关键角度
- 04动作诊断建议
- 05运动损伤风险筛查
- 06命中结论
- 07四周专项纠偏计划
- 08说明与免责声明
我的投篮库与标准示范
上传的视频存在你自己的服务器文件夹里，达标后才会被解锁公开。标准示范库随时可看，用来对比自己的动作差距。
标准示范库
公开 · 免登录已做脸部马赛克与背景虚化处理的规范投篮动作，可直接播放对照。
我的投篮视频
0登录后可上传、观看自己的视频；达标后自动解锁给其他同学参考。
支持 mp4 / m4v / mov / webm / mkv / avi 等，单个最大 400MB。仅本人可见，达标后解锁。
AI 投篮姿势标准排行榜
综合分 = 姿势标准分 × 70% + 命中概率 × 30%。仅达标者上榜，邮箱做脱敏处理。
—
项目创新说明
项目档案 · 学术背景
面向工程师院校申请（如 INSA）的项目说明：动机、方法、技术实现、量化成果与培养方向对应关系。
项目动机
市面上的投篮分析工具大多以成年运动员为样本。14–18 岁青少年骨骼与力量仍在发育，直接套用成人标准会产生系统性误判。本项目希望用可复现的计算机视觉方法，为青少年球员与教练提供量化、可解释、可对照的姿态诊断，同时作为中法青少年科创交流的载体。
解决路径
以「本地解码 + 逐帧几何重建 + 规则与模型双通道诊断」为主线：原始视频不出浏览器，全部指标由本次视频的像素数据实时计算；同一段视频可复现，不同视频结果不同，避免预设动画式的伪演示。
方法流程
- 01将视频等间隔采样为 60 帧，在浏览器内用 Canvas 解码，不上传原始视频。
- 02灰度差分 + 运动能量 + 橙色阈值检测篮球，得到人体轮廓外接范围与球心序列。
- 03把画面纵向切成 18 条带，记录每条带的轮廓左右边界，重建 17 个骨骼关节点并做双向跨帧平滑。
- 04对出手后的实测轨迹做二次多项式拟合，求弧顶高度、入射角与拟合优度 R²。
- 05由下蹲时身高压缩比反推屈膝角；由肩—腕几何关系与实际臂长解出肘角，避免单位混用带来的假值。
- 06规则引擎做阈值判定，大模型生成中法双语诊断建议与损伤风险筛查，并导出可复制报告。
技术实现
工程侧强调可验证性：每次改动都跑语法校验、双语词条零缺失检查与无头浏览器回归，交付多轮截图对照。
与 INSA 培养方向的对应
- 机械工程与生物力学：关节角度、发力链条与慢性负荷风险筛查，对应力学建模与人体运动分析相关课程。
- 计算机科学：图像处理、关键点检测、前端工程与渲染性能优化。
- 数据与统计：回归拟合、指标量化、拟合优度与结果不确定性的说明。
- 工程师素养：需求文档 → 原型 → 实现 → 自动化验证 → 部署的完整工程闭环。
- 跨文化协作：中法双语产品设计与表达，面向国际团队的项目沟通能力。
项目反馈与联系
本系统为STEM科创演示项目，仅用于科研学习。如需反馈功能问题，可联系项目开发者。