这个系统现在能干什么
给它一段真实的篮球视频，它能做的事情包括：
-
在连续对抗中识别出是否出现典型犯规动作
-
给出犯规类型，比如推人、拉人、阻挡、带球撞人
-
在动作结束后，自动进入裁判示意阶段
-
当裁判举手比号码时，识别出手指数量
-
把整次判罚整理成结构化结果
重点是：
视频不需要裁剪，时间点也不用人工标注。
系统是一路"看"下来的。
成果如下：犯规类型
犯规人号码
这个专栏打算讲什么
我不打算在这个专栏里教你：
-
如何调一个更高准确率的模型
-
如何套一个现成的动作识别框架
我更想讲的是这些东西：
-
为什么体育规则天然不适合端到端模型
-
状态机在视觉系统里到底有多重要
项目流程
1️⃣ 视频输入与基础信息
-
输入：完整篮球视频（无需裁剪）
-
获取 FPS，用来做时间判断而不是帧数猜测
-
逐帧读取，顺序处理
关键点在这里就已经定了基调：
这是一个时间系统，不是图片系统。
2️⃣ 姿态与关键点检测（感知层）
每一帧都会做三件基础感知工作：
-
人体姿态关键点（Pose）
-
左右手关键点（Hand）
-
当前帧是否存在"可能的犯规动作特征"
这些信息本身不直接给结论，只作为后续逻辑的输入。
在这一层，系统只负责"看见"，不负责"判断"。
3️⃣ 犯规动作触发（进入判罚候选）
当检测到典型的身体对抗模式时：
-
推人
-
拉人
-
阻挡
-
带球撞人
-
非法侵占圆柱体
系统会做一件非常重要的事：
从「无动作」状态 → 切换到「犯规动作阶段」
这一步只发生一次，不会反复触发。
4️⃣ 锁定犯规阶段，屏蔽无关判断
一旦进入"犯规动作阶段"：
-
系统不再尝试识别号码
-
不关心手指数量
-
只关注动作是否结束
原因很简单：
裁判在动作发生时，不可能同时给号码。
5️⃣ 动作结束与时间缓冲
当犯规动作结束后，系统不会立刻进入号码识别，而是：
-
启动一个 基于 FPS 的时间缓冲
-
等待约 0.5 秒左右
这一步解决了两个现实问题：
-
避免把动作收尾当成号码手势
-
给裁判一个真实的反应时间
这不是模型能力，而是现实世界的节奏。
6️⃣ 裁判示意检测（进入号码阶段）
在时间缓冲结束后，系统开始观察：
-
是否有手臂上举
-
手部关键点是否处于合理位置
-
是否满足"这是裁判示意"的基本条件
只有满足这些条件，系统才会：
从「犯规动作阶段」 → 切换到「号码识别阶段」
7️⃣ 手指识别（只触发一次）
在号码识别阶段：
-
读取左右手关键点
-
判断手指张开数量
-
得到球员号码
这里有一个非常刻意的设计：
号码识别只允许成功一次。
一旦识别成功：
-
锁定结果
-
不再重复识别
-
防止抖动和误判
8️⃣ 输出判罚结果
最终输出的信息包括：
-
犯规类型
-
球员号码
-
判罚发生时间段
这些结果可以直接用于：
-
比赛复盘
-
技术统计
-
后续规则分析
9️⃣ 回到初始状态，等待下一次犯规
号码识别完成后：
-
状态重置
-
所有计数清零
-
系统继续观看比赛
就像裁判一样，
判完一球，再看下一球。
下一章我会带上完整的main函数代码和讲解流程