既然不能去健身房，我就把客厅改成了训练场。这鬼疫情把门都封死了，但训练不能停，不然这身板扛不住接下来的交付压力。团队现在半死不活，人困在家里，心散得跟沙一样，管理成本比写代码还累。算了，不想那些，先解决眼前的问题：一个人在家练深蹲，动作变形了怎么办？受伤了更麻烦。
昨天翻出吃灰的旧笔记本，装了 OpenCV 和 MediaPipe。思路很简单，用摄像头实时捕捉关节角度，特别是髋、膝、踝的连线。核心代码就几十行，但调参调到想砸电脑。光照稍微暗一点，识别就飘；穿深色裤子，膝盖关键点就丢。最后不得不把客厅的吸顶灯全打开，穿着那条最扎眼的灰色运动裤，像个傻子一样对着摄像头深蹲。
MediaPipe 的 pose 模型预训练得不错，但拿到实际环境里，特别是这种非标准的家庭场景，问题一堆。关键点置信度阈值设到 0.5 以下，噪声就多得像下雨；设到 0.7 以上，动作稍快一点，点就丢了。我最后写了个简单的滑动窗口平均，把最近五帧的膝盖坐标做了个平滑，才让那根虚拟的“指导线”看起来不那么癫痫。
真正的痛点在于反馈延迟和纠错逻辑。你不能等用户蹲下去了再喊“你膝盖内扣了”，那都已经是结果了。我试着在动作的下行阶段初期做预测：计算髋膝连线与垂直线的夹角变化速率，如果速率异常且膝关节点水平位移过大，就在屏幕边缘用红色大字闪“注意膝盖！”。这招有点用，但那种被机器实时盯着、随时可能被“警告”的感觉，非常诡异，像有个数字教练在骂你。
搞这个破玩意儿花了两个晚上，比我管理那七八个人的小团队写周报的时间还少，但成就感实在得多。代码跑通那一刻，我在客厅里对着屏幕做了个标准深蹲，看着绿色的“Good Form”提示跳出来，居然有点感动。技术解决具体问题的快感，比跟客户扯皮、跟员工谈心要直接一万倍。
团队群里还在为远程办公的打卡时长扯淡，我已经在琢磨怎么把肩推、弓步蹲的动作规范也做进去。也许这条路走不通，纯属瞎折腾，但至少我在解决自己的真实问题：在失去所有外部约束（健身房、教练）的时候，如何用技术给自己创造结构和即时反馈。这大概就是“超级个体”的雏形吧，被迫的。
身体是第一生产力，以前觉得是鸡汤，现在觉得是保命符。代码写再好，腰椎间盘突出了也是白搭。下次试试集成语音提示，省得老是扭头看屏幕。这项目要是能持续迭代，说不定真能弄个低成本个人教练原型出来。反正，比操心那些管不住的人要强。
