从零到一:打造一款 AI 驱动的篮球集锦生成应用
📝 前言
2025年过去了，这一年里AI技术像坐火箭般的进步速度，让人叹为观止。我一直想着从身边场景出发，借助AI开发一个提升效率的工具。于是终于在 **yolo2026** ，**vibecoding** **篮球** 等元素的结合下，萌生了开发这个应用的想法。
为什么要做这个项目
因为我很喜欢打篮球每周都会去打篮球，同时还会带上我的大疆Action 5 录制篮球视频，每次录制完都会上传到B站上给他其他球友看。这个过程有几个问题：
1.就是录制的是4k的视频，2个小时的视频50多G每次剪辑和上传，整个过程需要1-2个小时
2.视频太长球友要看自己进球的视频，要在2个小时的视频内慢慢拖动看自己的进球片段。
所以为了解决手动剪辑篮球视频太耗时的问题，我就想借助 AI 来完成识别进球，并自动剪辑出每个进球片段，方便我快速上传集锦视频，造福一群的球友，哈哈😂！
技术选型的初步思考
首先是识别篮球和篮筐的 模型是用第三方的还是自己训练，
| 大公司的视频模型 | 使用yolo训练专属模型 | |
|---|---|---|
| 优点 | 省时，靠谱，稳定，准确率高 | 反正 vibecoding不用自己写代码，而且即将推出yolo26 据说功耗降低很多（就是因为这点我才想做这个应用，结果压根就还没出），而且我有mac pro 训练也是没问题的 |
| 缺点 | 太费钱了，钱乃万恶之本，太可恶了 | 难度稍高（本人只是做过web开发），费时，不稳定，训练服务器资源要求高 |
在确定使用yolo自己训练后我开始跟 我的产品经理- gemini3 pro 开始进行深入的沟通，在经过深入且严谨与粗鲁的沟通后，,他用yolo11 最终给我是输出了一个可行的训练脚本（ train.pay 6.0 版本） `
最终训练的结果如下：
`
百分之90的图片都能识别出篮球和篮筐，也就是目前来说对我这个固定机位拍摄的视频，几乎是够用了。下面就是要进行篮球进球的识别逻辑开发。
数据标注
对了 在开始训练之前我们还要去生成训练数据,因为我要针对我的场景去做数据标注，AI 就推荐我用 Label studio 这个开源的图片标注工具进行标注，目前为止我标注了300 多张图片，人工搞这个真的太累了😭。
重头戏之进球识别
这个最关键的进球检测，AI 给我提供了很多严谨且复杂的检测方法，例如
-
轨迹预测法
1. 使用目标跟踪（DeepSORT/ByteTrack）
1. 记录球的历史位置点
1. 拟合抛物线轨迹
1. 判断轨迹是否穿过篮筐中心
-
三阶段区域判定法
1. **高位区检测**：球在篮筐上方
1. **触框检测**：球接触篮筐
1. **进球区检测**：球穿过篮筐下方
1. **时间窗口验证**：2.5秒内完成上述流程
-
状态机判定法
1. **空闲状态**：球在场地其他位置
1. **接近篮筐**：球向篮筐移动
1. **上升阶段**：球在上升（投篮）
1. **下降阶段**：球在下降
1. **穿筐状态**：球穿过篮筐平面
1. **进球确认**：完成穿筐且在篮筐范围内
在这三个方案，AI 依次给出代码进行测试，最后稀里哗啦一顿操作下来，发现效果最好的是三阶段区域判定法 ，最适合我的视频。哈哈 代码如下:
测试结果：
2 小时的视频的剪辑 剪辑出40分钟的进球集锦，耗时一个多小时，准确率在百分之90 以上， 在经过上面一顿操作之后，这个应用的核心功能就基本做完了，剪辑效果也满足我的基本使用。
APP封装
考虑到以后用手机录制也要可以自动剪辑，我就打算把模型放到 手机端进行推理，实现进球的剪辑。
接着又是一顿vibe coding，使用flutter根据已有的推理逻辑 做成了下面这个效果的App。
ps：画面感觉有点丑，哈哈！！！
从目前使用的效果来看，有几点需要优化的
- flutter 加载视频帧很慢总是要卡很久才加载完全部帧 2.页面调整总是会稍微卡顿一下
- flutter 完全比不上ios 原生，需要对比，找下问题所在
写在最后
不得不再次感叹AI编程 的进步神速，让我们可以在不懂某个编程技术的前提下，去实现自己的想法。也就是说我们这些做技术的会越来越不值钱，值钱的是那些天马行空的创意。所以新的一年我也希望能够每月做出一款应用。不断享受AI 进步带来的便利，干中学，增强自己的vibe Coding 的能力，希望与大家共勉！上面如果有感兴趣或哪里做的不好，希望大家多提提意见！
最后：珍惜当下的点滴幸福，真正的幸福其实在技术之外！
