PushClock 的摄像头怎么自动计数——设备端姿势检测原理

什么是"设备端 ML"

PushClock 的俯卧撑和深蹲计数依赖设备端机器学习模型（on-device ML）。简单说：你的手机里内置了一个轻量的神经网络，不需要联网、不需要上传视频帧，就在手机本地实时分析摄像头画面。

这件事有两个好处：

1. 隐私：画面帧用完即弃，没有任何东西离开你的设备
2. 低延迟：本地处理，不需要网络往返，计数几乎和你的动作同步

它到底追踪什么

摄像头每秒抓取若干帧图像，模型在每一帧里识别大约 17 个人体关键点（头部、颈部、肩膀、手肘、手腕、躯干、臀部、膝盖、脚踝等）。然后追踪这些点在连续帧之间的位置变化，判断你是否完成了一个"完整动作周期"。

以俯卧撑为例，模型需要看到：

• 头部和躯干保持一条直线（不是塌腰也不是撅屁股）
• 手肘弯曲到接近 90° （下压到底）
• 然后手肘伸直、身体完全回到起始位置（起来）
• 这两个状态之间的切换才算一次完整的俯卧撑

挥挥手臂不算数、只做半程不算数、身体姿势塌了不算数——这就是"防作弊"的第一关。

为什么要用前置摄像头

运动任务的计数用的是前置摄像头，因为闹钟响的时候你大概率正躺着面对天花板，把手机放在床头柜（或拿在手里），前置摄像头正好能拍到上半身的姿势。

深蹲任务同理——摄像头对准上半身，模型通过肩膀、躯干和臀部的相对位置变化来判断你是否完成了下蹲和起身。

计数不准怎么办

摄像头计数是最接近 PushClock 核心的功能，也是最容易出问题的环节。常见原因：

• 光线太暗或太亮：模型识别关键点需要足够的对比度
• 摄像头没擦干净：指纹或灰尘会让画面模糊
• 位置不对：手机放太低或太高，身体超出了摄像头画面范围
• 动作不标准：塌腰、撅屁股、半程俯卧撑都过不了姿势验证

调整光线、擦干净摄像头、手机放在能拍到完整上半身的位置、动作尽量标准——这几点做好之后计数准确率会明显提升。如果还是有问题，可以先从 运动计数不准或失败 看看。