技能介绍

解决的问题

教学视频中的动作质量、姿态偏差、发力顺序等细节，单靠肉眼回看不容易定位。该技能将视频动作分析拆成可执行管线：先按固定间隔提取关键帧，再结合视频整体理解与关键帧图像理解，最后把结论转化为可视化火柴人示意图。它面向需要快速拆解动作、检查姿态、生成改进标注的场景。

工作方式与输出

关键帧提取：使用 ./script/extract_frames.py，依赖 opencv-python。输入 video_path，可选 output_dir 和 interval，默认每秒 1 帧，输出到 output/frames/，文件命名 frame_XXXX_时间戳.jpg。
动作与姿态分析：先用 videos_understand 获取动作概览，包括主要动作类型、阶段、开始/结束时间、技术要点；再用 process_images 的理解模式分析关键帧，关注头、肩、臂、躯干、髋、腿、脚等身体部位的位置和角度，并评估完成度、协调性、平衡性，识别姿态偏差、发力错误、重心不稳等问题。分析前必须执行 load_toolkit image_tool。
火柴人示意图：使用 process_images 的生成模式输出纯黑背景、高对比度的骨架动作图。绿色表示正确动作，红色表示需改进点，并标注关节角度、重心位置和动作方向。最终图片保存到 output/stickman/，格式为 PNG。

适用边界

该技能适合教学视频、运动示范、动作姿态复盘等需要“视频—关键帧—示意图”链路的工作。输出为动作示意和分析结论，不应替代专业运动医学、康复评估或高精度运动捕捉。效果取决于视频清晰度、人物完整度、动作遮挡和截帧间隔；步骤需要按 1→2→3 顺序执行，且需具备 Python/cv2 与图像工具运行环境。