跳跃次数

它回答什么问题

很多人训练结束后只记得“跳了很久”，却不知道真正完成了多少个可识别周期。跳跃次数把模糊感受转成可复核的训练量，也让短时高密度训练与长时低密度训练能够被区分。

只有当当前相位检测方法识别出有效周期边界时才计为一次跳跃；原始运动峰值和被过滤周期不会自动计入有效跳数。

训练前需要确认什么

在开始记录跳跃次数之前，先确认本次训练的动作类型、使用产品、弹力或阻力设置、机位、参与人数和连接设备。只有这些背景大致一致，后续比较才有清楚含义。采集端包括iOS 视频、导入视频、可选传感器，但“支持采集”不表示每一次会话都一定能够产生结果；实际输出仍取决于输入是否完整、设备是否兼容以及质量检查是否通过。

训练者不需要为了得到一个数字而改变正常训练或延长会话。系统应先说明需要什么证据，再让用户决定是否启用相应设备或拍摄方式。如果环境无法满足条件，就保留基础训练记录并把跳跃次数标为不可用；这比用画面猜测、套用人群平均值或把缺失数据写成零更诚实。

采集与计算

拍摄时应让完整人体和蹦床区域尽量持续可见。训练开始与结束不要立即遮挡镜头；多人训练要先确认身份跟踪是否稳定，否则团队中的交叉遮挡可能造成合并计数或漏计。

系统利用视频姿态、身体中心运动和可选传感器时间线寻找候选周期，并可排除不完整、异常过短或过长、低置信度及统计离群周期。 当前计算口径为：过滤后有效周期数量

从原始记录到报告结果

系统不会把单个画面、单个峰值或未经检查的设备读数直接当作最终跳跃次数。处理流程应依次保留时间线、候选事件、身份或动作阶段、过滤决定和最终汇总；被排除的部分仍需以数量或原因码留在质量记录中。这样，使用者看到结果变化时，能够区分是动作真的变化，还是样本量、遮挡、同步或算法规则发生了变化。

最终输出为整数 count。默认报告采用有效跳数；同时保留候选数和排除数，同时保留有效样本数、排除原因、姿态覆盖率、模型版本。如果界面为了易读而显示百分比、等级或短标签，底层仍必须保存原单位和未舍入数值；显示格式不能反向覆盖分析结果，也不能把版本不同的派生分数拼成一条看似连续的长期趋势。

如何阅读

跳跃次数适合解释训练量；跨次比较时应尽量保持拍摄方式、过滤策略和模型版本一致。

例如两次训练都持续十分钟，第一次记录四百次且只有一次主动休息，第二次记录二百八十次并有多次暂停。它们的“时长”相同，但训练量和连续性不同，不能只凭总时间判断。

怎样进行跨次比较

比较跳跃次数时，优先选择同一运动者、相近动作、相同产品设置、相似训练时段和相同采集方法的会话。若模型、过滤阈值、设备固件或定义版本发生变化，报告应在趋势断点处明确标记，不能只因为单位相同就默认可直接比较。对于团队或研发场景，还要确认成员身份、参考事件和场地标定没有改变。

一次最高值或最低值通常不足以说明长期变化。更稳妥的做法是查看有效样本数、分布、会话内波动和连续多次记录，并把主观感受、课程内容及休息安排作为背景。产品不会把“数值变大”统一解释成进步，也不会把“数值变小”统一解释成退步；方向只有结合指标定义和当前训练目标才有意义。

适用场景与关联指标

适合作为训练计划中的基础记录项，用于安排组数、观察每周参与程度，并与时长、频率、暂停和稳定性共同复盘。它不是热量、技术等级或安全表现的替代指标。 优先相关画像为：日常健康训练。画像只改变展示顺序和解释入口，不改变原始值。建议同时查看训练时长、跳跃频率、动作一致性评分；课程和兼容产品由网站根据地区、在售状态与设备要求动态展示，不固化在指标定义中。

如何转成下一步行动

普通训练者可以先用跳跃次数提出一个具体复盘问题，例如本次训练的节奏、连续性、动作阶段或采集条件是否与计划一致，再决定下次保持什么、调整什么。行动建议应尽量小而可验证，例如固定一个拍摄位置、保持相同动作组合、按计划休息或请教练查看对应片段，而不是要求用户追逐一个脱离场景的目标数值。

课程推荐只从当前已发布且符合地区、等级、年龄和交付条件的课程中产生，产品推荐也必须经过发布就绪、地区和兼容性检查。推荐理由应写明命中的训练画像或设备条件。没有合格候选时，网站显示真实空状态并继续提供知识文章；它不会创建虚构课程、演示商品或暗示购买某个产品就能保证改善该指标。

不可用与质量条件

必需输入：带时间戳的候选周期及周期边界。最低样本：至少 1 个完整有效周期。排除条件：不完整边界、低置信度、过短/过长周期、统计离群周期。

当没有完整有效周期或周期检测不可用时显示“不可用”。结果旁应保留有效样本数、排除原因、姿态覆盖率、模型版本。

报告与界面应怎样展示

报告首屏应同时给出跳跃次数的名称、数值或不可用状态、单位、成熟度和主要质量原因，并提供进入本知识文章的稳定链接。Beta、实验验证或设备依赖结果不能只靠颜色区分；文字标签必须在打印、PDF、屏幕阅读器和黑白显示环境中仍可理解。专业结果还应提供方法和样本入口，而不是只显示一个醒目的总分。

用户选择不同训练画像后，卡片可以移动到更靠前的位置，解释也可以优先回答该目标下最常见的问题，但同一会话的原始值、模型版本、置信度和不可用原因必须逐项保持一致。关闭推荐后恢复通用三阶段顺序。公开文章链接只包含语言和指标标识，不携带账号、会话、成绩、设备序列号或任何可识别个人的信息。

限制与常见误读

人体漏检、遮挡、暂停、多人干扰以及开头或结尾的不完整周期都会影响计数。

最常见的误读是把每个画面峰值都当成一次完整跳跃，或者认为跳得越多一定越好。有效计数需要完整周期证据；训练目标、动作难度、休息安排和个人状态都可能使合适的数量不同。

版本、复核与责任边界

跳跃次数使用定义版本1.0.0，当前方法或模型标识为event-counter-v1，实现证据状态为pc_implemented_platform_partial。定义、必要输入、过滤规则、权重或解释边界发生实质变化时应提升版本，并让旧报告继续引用生成时的合同。算法升级不能静默重写历史值；若确需重新分析，应生成带新版本的新结果，并与原记录并列。

教练可以在获得有效授权并看到必要证据后补充确认、修订或说明，但复核不会删除算法原值，操作者、时间、原因和撤回状态都要可追溯。跳跃次数用于训练复盘和产品研究，不构成医疗诊断、康复处方、损伤概率、产品安全认证或竞技裁判结论；出现疼痛、眩晕或其他不适时，应停止训练并寻求适当的专业帮助。