‹ Demo 主頁／方法實證
實驗於 2026-08-04 真實實驗數據・非模擬

方法實證：三支代表影片的完整證據鏈

在蓋標註系統之前，先用真實課程素材回答一個問題：「從影片自動算出動作標註草稿」這條路走不走得通。本頁所有畫面與數字都是實際跑出來的結果——與互動 Demo 的模擬畫面不同。

我們做了什麼

六步處理鏈，全程在單機（Apple M5 Pro）完成，無外部算力。
① 取得影片課程 API 依 courseId 回 HLS 串流，ffmpeg 直拉 480p 全片三支共 66 分鐘
② 2D 姿勢估計MediaPipe pose_landmarker_full 逐幀 33 關鍵點＋可見度118,544 幀・約 137 fps
③ 身體座標正規化原點＝髖中心、尺度＝肩寬——鏡頭遠近不影響數值ADR-0010
④ motionEnvelope關鍵點速度合量＝「此刻動得多用力」；含可見度閘控＋尖刺裁剪一階量穩健通道
⑤ 節拍與靜止20 秒滑窗正規化自相關（ACF）抓節拍；低能量比例算靜止ADR-0015
⑥ 地面真相對照依偵測結果回原片抽幀，肉眼驗證「數字＝畫面」本頁蒙太奇
對應設計文件：《影片標註系統架構設計》§1.2 共用描述子（一階量穩健通道為主路徑）、§4 離線處理管線；《系統架構決策紀錄》ADR-0010（共用描述子序列）、ADR-0015（MAF 由影片推導——本實驗直接檢驗其核心假設）。

三支代表影片

設計文件要求 CYCLIC／HOLD／FLOW 三種動作結構型態各一支——這是動作的「結構分類」（怎麼動），不是運動項目分類。
CYCLIC 循環銀髮族健康操19.8 分鐘・courseId 1742178…1251
反覆節奏動作（踏步、拍手、側踢）——評分看「節拍跟上沒、次數對不對」。挑它因為節奏最明確。
HOLD 靜態維持初階瑜珈體位法 1（英雄1＆英雄2）20.2 分鐘・courseId 1742191…1191
進入姿勢→撐住→離開——評分看「撐住的區間與穩定度」。英雄式是教科書等級的靜態維持。
FLOW 連續流動太極藝術體驗課25.8 分鐘・courseId 1742804…1321
連續緩慢、不重複的動作串——評分看「流程走到哪、轉折對不對」。清單中唯一太極主分類課程。

指標與圖表怎麼讀

下面三個證據區共用同一組指標與同一種圖表版式——先看懂這一卡，三區都能自己讀。
五張數據卡：
・幀偵測率——AI 有在畫面中抓到人的比例（幀＝每秒 30 張的單張畫面）；越高代表資料越少空洞
・處理速度 fps——電腦每秒能分析幾張畫面；30 fps＝與播放同速（實時），越高越省時間
・腕關鍵點平均可見度——AI 對「手腕在哪」的信心分數（0–1）；手腕＝學員未來戴 B20 手環的位置，是最關鍵的關鍵點
・週期段節拍中位數——規律段落偵測到的動作頻率中位數（Hz＝每秒次數；1 Hz≈跟著 60 拍／分的音樂一拍一動）
・具週期性的窗比例——全片切成 20 秒觀察窗後，呈現規律重複的窗佔比；三種課程型態主要靠它分家
三聯圖（三張共用 X 軸＝影片時間・秒，垂直對齊＝同一瞬間）：
・上排 motionEnvelope（動作強度）——Y＝那一刻全身動得多用力（相對值）；高＝激烈、低平＝沒動、規律鋸齒＝重複動作
・中排 腕可見度——Y＝0–1 信心分數；往下的深谷＝遮擋瞬間，就是標註 UI 該標黃／紅、請人多看一眼的位置
・下排 節拍軌——Y＝每個 20 秒窗的動作頻率（Hz）；點的顏色＝periodicity（週期性強度，越亮越確定）；亮點連成水平帶＝一段穩定節奏的動作
自相關（ACF）圖：把訊號跟「平移 lag 秒後的自己」比相似度（Y 軸 1＝完全重合）。動作每 T 秒重複一次，lag＝T 處就會出現高峰——主峰位置＝偵測週期；半週期處的次峰＝左右對稱動作的諧波，正是 UI 要保留「格點平移＋人工確認」的原因。

證據一：CYCLIC — 銀髮族健康操

99.0%幀偵測率
138.8 fps處理速度（4.6× 實時）
0.87腕關鍵點平均可見度
0.993 Hz週期段節拍中位數
41%具週期性的窗比例
原片與骨架疊圖對照
原片（左）vs 2D 骨架疊圖（右）——弓箭蹲伸展動作，骨架準確貼合；被軀幹遮住的手臂正確地「不亂畫」（可見度閘控生效）。橘點＝手腕，就是未來要對應 B20 手環的位置。
motionEnvelope 與節拍軌
全片 motionEnvelope（上）／腕可見度（中）／節拍軌（下）——運動段的波形呈規律振盪；節拍軌在主運動段穩定聚在 1.0 Hz 帶（亮色點＝高週期性）。講解與休息段沒有節拍，正確地測不到。
最佳窗 ACF
最佳週期窗的自相關——橘色節拍格點與波峰逐拍對齊；ACF 在偵測週期處有明確峰值。這就是標註 UI「節拍格點疊波形」小圖的真實資料版。
一個週期抽幀
地面真相：一個偵測週期（1.00 秒）內等距 5 幀——首尾兩幀同相位，中間反相。畫面字卡的動作名與偵測節拍一拍一動吻合。
判讀：節拍偵測在真實素材上成立，精度遠優於 M0 閘門「頻率誤差中位數 <10%」的量級。CYCLIC 段的 tempo_hz／expected_reps 自動候選可行。

證據二：HOLD — 初階瑜珈體位法

98.8%幀偵測率
137.7 fps處理速度
0.82腕可見度
81.7%靜止比例（全場最高）
18%具週期性的窗比例（全場最低）
hold 蒙太奇
地面真相：低活動窗內每 4 秒抽 1 幀（跨 16 秒）——單腳平衡式在五幀裡幾乎一模一樣。「envelope 低平＝正在 hold」成立，這就是 hold 起訖自動候選的依據。
hold envelope
全片波形——與健康操完全不同的面貌：長段低平（維持姿勢）夾著短暫爬升（換姿勢）。低平段＝hold 候選、爬升段＝ENTER／EXIT，結構清晰可切。
hold 骨架對照
原片 vs 骨架——瑜珈姿勢的追蹤品質。寬鬆衣物與側身姿勢會讓腕可見度略降（0.82 vs 健康操 0.87），這正是標註 UI 信心度三色要標黃、請人多看一眼的段落。
判讀：HOLD 的訊號特徵（高靜止比、低週期性）與 CYCLIC 清楚分離；靜止偵測可直接支撐 hold_intervals 自動候選。

證據三：FLOW — 太極藝術體驗課

95.8%幀偵測率
135.4 fps處理速度
0.90腕可見度
66.8%靜止比例
25%具週期性的窗比例
flow 蒙太奇
地面真相：連續流動窗內每 3 秒抽 1 幀——每一幀姿勢都不同、又都是緩慢演進，沒有重複循環。這就是 FLOW 的定義：評分不看節拍，看「流程推進與轉折」。
flow envelope
全片波形——介於兩者之間的第三種面貌：低頻連續起伏、少有清晰週期、也不像 HOLD 長段死平。速度低點（波谷）就是 boundary 候選的來源。
flow 骨架對照
原片 vs 骨架——太極的緩慢大動作追蹤穩定，腕可見度反而是三支中最高（0.90）。偵測率略低（95.8%）來自片頭片尾的無人畫面，屬正常。
判讀：FLOW 呈現獨立的第三種訊號面貌。boundary 自動候選（速度低點）有訊號基礎，但如文件預期，是三型態中最需要人工複核的。

三種型態，三種訊號面貌

同一條管線、同一組指標，三種動作結構自動呈現可區分的特徵——這就是「kind 自動判別」（文件 §4 segment 候選）的可行性證據。
指標CYCLIC 健康操HOLD 瑜珈FLOW 太極判讀
具週期性的窗比例41%18%25%CYCLIC 顯著最高——節拍是它的簽名
靜止比例66%82%67%HOLD 顯著最高——長段不動是它的簽名
週期段節拍集中度1.0 Hz 緊聚散亂散亂只有 CYCLIC 有穩定、可信的節拍
幀偵測率99.0%98.8%95.8%三支皆足夠；教學影片是 pose 理想場景
腕平均可見度0.870.820.90單腕對應的關鍵點品質全數可用
誠實邊界：本實驗是「影片端單邊」驗證——證明影片可以穩定算出這些描述子與候選。「影片端與 B20 手環端算出的描述子是否一致」屬 M0 跨域驗證，需要 B20 實機同步錄製，尚未執行。另：週期段節拍存在半週期諧波歧義（左右對稱動作），由每課程的搜索頻帶＋標註 UI 的格點平移／人工確認解決——設計文件已內建此機制，本實驗印證其必要性。

工程結論