目前的系統可以看成兩個部分。

第一個部分是：讓電腦找到人體。

這部分我們使用 MediaPipe Pose Landmarker，從攝影機影像中取得肩膀、髖部、膝蓋、腳踝等人體關鍵點。
也就是把原本的影像：「一個人在做動作」
轉換成電腦比較容易處理的：「一組人體座標資料」。

第二個部分則是：這些人體座標代表什麼？
例如在蚌殼式裡，我們想知道：

• 膝蓋有沒有打開到設定範圍？
• 骨盆有沒有出現明顯旋轉？
• 使用者有沒有完成一整次動作？
  目前這部分，我比較傾向先使用「規則式判斷」。
  例如：
  如果膝蓋離開起始位置超過一定範圍
  → 判斷動作開始。

如果膝蓋到達目標範圍
→ 判斷已經打開。

如果髖部的位置變化超過設定範圍
→ 標記可能出現骨盆旋轉。

這樣做有一個很大的好處：
每一個判斷都比較容易知道原因。
例如系統提示：「請保持骨盆穩定。」
我們可以回頭知道，是因為哪一組關鍵點、哪一個角度或哪一個數值超過設定條件。
如果一開始就直接訓練一個模型，輸入影片後只得到：
「正確」或「錯誤」
雖然看起來很方便，但我們還需要大量有標記的動作資料。
例如：

• 哪些影片是正確蚌殼式？
• 哪些是骨盆旋轉？
• 旋轉到什麼程度算需要提醒？
• 不同身形的人又該怎麼分類？
  這些資料都需要先收集、整理和標記。
  對目前專題階段來說，先從規則開始，可以比較清楚地確認：
  到底是哪一個條件在影響最後的判斷。
  而且規則式和 AI 其實不一定只能選一個。
  未來如果累積了足夠的動作資料，也可以變成：
  MediaPipe
  ↓
  取得人體關鍵點
  ↓
  把關鍵點、角度、動作變化整理成特徵
  ↓
  再交給機器學習模型判斷動作類型或異常模式
  真正重要的是，每一個技術到底適不適合解決目前遇到的問題。