如何在姿态估计场景下识别与预设标准动作不符的错误动作

你当前面临的核心问题是人工规则无法覆盖时序动作序列的全帧匹配需求，可根据现有开发进度和数据储备选择以下三种方案：

• 最低改造成本方案：动态时间规整+关键帧规则复用
  不需要调整现有规则逻辑，只需引入DTW（动态时间规整）算法，将用户采集到的完整动作序列与提前录制的预设标准动作序列做时序对齐，自动将用户动作的每个阶段和标准动作提前标注的几个关键节点（比如深蹲的起始位、下蹲最低点、起立复位位）做一一匹配，仅对匹配到的关键帧运行你已经开发完成的关节夹角/方向校验规则即可，无需为过渡帧编写规则，可直接复用现有逻辑。
• 无规则适配方案：时序异常检测模型
  如果你已有一定量的标准动作样本和常见错误动作样本，可直接训练轻量时序模型完成错误识别：输入为连续帧的人体关节点坐标序列，模型自动学习标准动作的时序分布特征，直接输出错误动作对应的问题关节点位与矫正建议，全程无需人工编写规则，可自动适配深蹲、引体向上、瑜伽等不同动作的全序列校验需求，推荐使用TCN（时序卷积网络）或轻量Transformer模型，推理速度可满足实时要求。
• 折中方案：自动关键帧提取+规则校验
  先对用户的动作序列做自动切分，通过关节点运动速度、角度变化拐点识别出动作不同阶段的关键帧，过滤掉无校验价值的过渡帧，仅对提取到的关键帧运行现有规则逻辑，无需编写全序列匹配规则，也不需要额外采集大量样本训练模型，适配成本介于前两种方案之间。

内容的提问来源于stack exchange，提问作者Sanjay Sahu