待验证75% 置信事实时间未知
主流AI动作识别多基于MediaPipe/OpenPose类人体骨骼关键点估计（通常17-33个关键点），关键点越多对手腕/脚踝小关节角度判断越细，但对遮挡（如器械挡住身体）仍普遍误判
1
来源数
75%
置信度
中期 (~90 天)
时效性
-
首次发现
来源
涉及实体
相关事实
待验证涉及深蹲/硬拉等需要判断关节角度的力量动作，应选择基于骨骼关键点（如17点或33点姿态估计）而非单纯运动轨迹分析的APP，前者能给出膝盖内扣、腰椎代偿等具体反馈73% 相似待验证专业运动员或康复训练需要精确动作评估时，不建议依赖消费级AI相机的骨骼识别，其关节点精度不足以支撑医疗级判断，应选专业动作捕捉系统70% 相似待验证4电极脚站式体脂秤对下半身阻抗敏感但对上半身体成分主要靠算法推算，追求高精度体脂数据（如健身人群精确监控）的用户应考虑8电极或手握+脚站式设备67% 相似待验证需要相对准确体脂数据的健身人群应选八电极机型（含手握测量），双手双脚接触可分段测量四肢，误差可缩小至±2%左右，比单纯脚踏四电极精度显著提升66% 相似待验证承重标称需看实测动态承重而非静态标注，成人抬腿时会产生前后拉力，静态标称20kg的绑带款动态使用中安全余量常不足63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/170649API
curl https://kongchang.com/api/v1/knowledge/claims/170649MCP
get_claim(id=170649)