# badminton_training **Repository Path**: silver-yan_0/badminton_training ## Basic Information - **Project Name**: badminton_training - **Description**: 羽毛球动作纠错 - **Primary Language**: Unknown - **License**: Apache-2.0 - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 1 - **Created**: 2026-06-25 - **Last Updated**: 2026-07-06 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 羽毛球训练视频智能分析系统 专为羽毛球训练和教学设计的AI视频分析工具，支持GPU加速、实时姿态分析、装备检测和对比回放。 ## 🎯 核心功能 ### 🚀 视频处理 - ✅ **双检测引擎** - YOLOv8（多人/快速）+ MediaPipe（单人/高精度） - **YOLOv8**: 120 FPS (GPU) | 17关键点 | 多人检测 - **MediaPipe**: 40-60 FPS | 33→17关键点 | 96%+精度 - ✅ **5种线条样式** - OpenPose风格渐变、置信度驱动、部位分级等 - **OpenPose风格**: 躯干粗四肢细，中心到端点渐变 ⭐ 推荐 - **置信度驱动**: 根据检测精度调整线宽 - **部位分级**: 躯干/头部/手臂/腿部不同粗细 - ✅ **GPU 加速** - RTX 4090 可达 120 FPS，CPU模式 10-20 FPS - ✅ **装备识别** - 自动检测羽毛球拍和羽毛球，中文标签显示 - ✅ **分体颜色标注** - 头部/躯干/手臂/腿部分色显示，清晰易懂 - ✅ **慢动作回放** - 1x-10x 可调速度，帧插值技术 ### 🎨 可视化分析 - ✅ **三屏对比显示** - 原视频 vs 分析结果 vs 姿态数据 - ✅ **实时姿态分析** - 角度计算、问题识别、改进建议 - ✅ **同步播放控制** - 播放/暂停、进度条、帧号显示 - ✅ **历史记录管理** - 自动记录处理历史，一键快速访问 ### 🛠️ 智能辅助 - ✅ **AI 动作分析** - 自动检测姿势问题，给出专业建议 - ✅ **数据持久化** - JSON格式保存分析数据，可重复查看 - ✅ **配置管理** - 保存/加载个性化设置 - ✅ **音频保留** - 完整保留原视频音频 ## 📸 界面预览 ### 对比分析GUI（v1.7.1） ``` ┌─────────────────────────────────────────────────────────────────┐ │ 羽毛球训练视频对比分析系统 │ ├──────────────────────┬──────────────────────┬────────────────────┤ │ │ │ 姿态分析 │ │ 原始视频 │ 处理结果 │ │ │ │ ┌────────────────┐ │ 关键角度： │ │ │ │ 姿态骨架标注 │ │ ✓ 右肘: 167.0° │ │ │ │ 装备检测显示 │ │ ✗ 左肘: 125.0° │ │ │ │ 中文标签 │ │ ✓ 躯干倾斜: 2.6° │ │ │ └────────────────┘ │ ✓ 右膝: 148.1° │ │ │ │ │ │ │ │ 问题: │ │ │ │ • 弱球新手需酷失败 │ │ │ │ │ │ ▶/⏸ ⏮ ═══════○═══ 150 / 300 │ 建议: │ ├──────────────────────┴──────────────────────┤ • 击球时右臂... │ │ 操作 │ │ │ ┌──────────┬──────────┐ │ │ │ │开始处理 │停止处理 │ │ │ │ └──────────┴──────────┘ │ │ │ 历史: [选择历史记录 (5条)] [刷新] │ │ │ ┌────┬────┬────┐ │ │ │ │保存│加载│重置│ │ │ │ └────┴────┴────┘ │ │ │ │ │ │ 处理进度 │ │ │ ✓ GPU已启用 │ │ │ ⏳ 处理进度: 50.0% (150/300) - 98.5 FPS │ │ └────────────────────────────────────────────┴────────────────────┘ ``` ## 🚀 快速开始 ### 第一步：环境准备 #### GPU加速（推荐） ```batch # 一键修复GPU（RTX系列显卡必须） scripts\fix_gpu.bat # 验证GPU状态 scripts\test_gpu.bat ``` **成功标志：** ``` ✓ GPU已启用: NVIDIA GeForce RTX 4090 ✓ CUDA版本: 12.1 ✓ 性能测试: 120+ FPS ``` #### CPU模式（备用） 无需额外配置，但速度较慢（10-20 FPS） ### 第二步：启动GUI ```batch # 方式1：双击批处理文件 run_compare_gui.bat # 方式2：命令行 venv\Scripts\activate python pose_detection_compare_gui.py ``` ### 第三步：开始分析 #### 方法A：处理新视频 1. 点击"浏览"选择输入视频 2. 设置输出路径（可选，默认添加_processed后缀） 3. 调整参数（模型、显示、颜色、分析设置） 4. 点击"开始处理" 5. 等待处理完成（进度信息实时显示） 6. 自动加载到播放器，查看分析结果 #### 方法B：查看历史记录 1. 点击"历史"下拉框 2. 选择之前处理过的视频 3. 立即加载并播放 4. 无需重新处理 ## 📊 功能详解 ### 🎬 视频播放控制 **播放操作：** - 🎹 **空格键** - 播放/暂停切换（防抖动，连续点击无卡死） - 🖱️ **点击按钮** - ▶播放 / ⏸暂停 自动切换 - 🔄 **重置按钮** - 回到第1帧，进度归零 - 📊 **进度条** - 拖动跳转，播放时实时同步 - 🔢 **帧号显示** - 当前帧 / 总帧数（从1开始） **进度条特性：** - 实时同步：播放时自动跟随视频位置 - 智能跳转：小幅度跳转无H.264警告 - 精确定位：拖动到任意帧，立即显示 - 帧号提示：清晰显示当前播放位置 ### 🎨 姿态检测设置 **检测引擎选择（v1.8新功能）：** | 引擎 | 速度 | 精度 | 关键点 | 多人 | 适用场景 | |------|-----|-----|--------|-----|---------| | **YOLOv8** | ⚡⚡⚡ 120 FPS | 70% | 17 | ✅ | 多人训练课堂 | | **MediaPipe** | ⚡⚡ 40-60 FPS | 96%+ | 33→17 | ❌ | 1v1精细指导 | **YOLOv8 模型选择（性能 vs 精度）：** - `yolov8n-pose.pt` - 快速（推荐日常训练） - `yolov8s-pose.pt` - 平衡 - `yolov8m-pose.pt` - 精确（推荐专业分析） **MediaPipe 复杂度：** - `0` - Lite模式（最快，适用CPU） - `1` - Full模式（平衡，推荐） - `2` - Heavy模式（最精确，适用高端GPU） **显示选项：** - 骨架线条：显示人体骨架连接 - 关键点：显示17个关节位置 - 边界框：显示人物检测框 - 置信度：显示检测置信度分数 - 线宽/点大小：可调节（2-10px） **分体颜色标注：** - 🔴 红色 - 头部（0-4号关键点） - 🟢 绿色 - 手臂（5-10号关键点） - 🔵 蓝色 - 躯干（肩膀和臀部连接） - 🟡 黄色 - 腿部（11-16号关键点） ### 🏸 装备检测 **自动识别：** - 羽毛球拍：使用COCO的tennis racket近似检测 - 羽毛球：使用COCO的sports ball近似检测 - 中文标签：PIL字体渲染，支持微软雅黑/黑体/宋体 - 边界框：黄色框标注，清晰可见 **检测设置：** - 启用/禁用装备检测 - 显示/隐藏边界框 - 显示/隐藏标签 - 可调置信度阈值（0.0-1.0） **注意：** 标准COCO模型对羽毛球装备识别精度有限，建议训练专用模型以提高准确度。 ### 🧠 AI姿态分析 **自动计算：** - 右肘角度（正常范围：140°-180°） - 左肘角度（正常范围：140°-180°） - 右膝角度（正常范围：145°-165°） - 左膝角度（正常范围：145°-165°） - 躯干倾斜（正常范围：0°-20°） **智能分析：** - ✓ 绿色标记：角度正常 - ✗ 红色标记：角度异常 - 问题识别：自动列出姿态问题 - 改进建议：给出专业指导意见 **数据显示：** - 实时显示：播放时同步更新 - JSON保存：持久化到文件 - 历史查看：加载历史视频时自动显示 ### 📁 历史记录管理 **自动记录：** - 处理完成后自动添加到历史 - 记录原视频、处理视频、姿态数据路径 - 添加时间戳和显示名称 - 最多保存20条，自动删除最旧的 **智能清理：** - 启动时自动检查文件是否存在 - 刷新按钮手动清理无效记录 - 删除视频文件后自动从列表移除 - 保持历史列表干净有效 **快速访问：** - 下拉框显示所有历史记录 - 点击选择，立即加载 - 无需重新处理 - 无需查找文件路径 **配置保存：** - 历史记录保存到 `compare_config.json` - 启动时自动加载 - 可手动编辑配置文件 - 团队共享配置（相同文件路径） ### ⚙️ 界面优化（v1.7） **紧凑布局：** - 操作区域高度减少40%（~200px → ~120px） - 按钮横向排列，3行紧凑布局 - padding和spacing大幅减少 - 处理信息区增加80px可用空间 **操作区域：** - 第一行：开始处理 | 停止处理 - 第二行：历史: [下拉选择框] [刷新] - 第三行：保存配置 | 加载配置 | 重置配置 **空间利用：** - 更多空间用于显示处理进度 - 更多空间用于显示日志信息 - 更清晰的信息展示 - 更流畅的用户体验 ## 📁 项目结构 ``` ytDownload/ ├── 🎯 核心程序 │ ├── pose_detection_compare_gui.py # 对比分析GUI（v1.7.1）⭐ 推荐 │ ├── pose_detection_training.py # 训练专用CLI版（GPU加速） │ ├── pose_detection_advanced.py # 高级CLI版（物体检测） │ ├── pose_detection_gui.py # 简单GUI版 │ ├── pose_detection.py # 基础CLI版 │ └── sports_equipment_detector.py # 装备检测模块 │ ├── 📚 文档目录 │ ├── 界面优化和历史记录功能.txt # v1.7功能说明 │ ├── 视频跳转优化说明.txt # v1.7.1跳转优化 │ ├── 播放控制线程安全修复.txt # 空格键修复 │ ├── 视频回放改进说明.txt # v1.6回放功能 │ ├── 播放控制改进说明.txt # v1.5+播放控制 │ ├── 姿态数据回放说明.txt # 姿态数据功能 │ ├── 中文显示修复说明.txt # 中文标签显示 │ ├── 装备检测说明.txt # 装备检测功能 │ ├── 颜色修复说明.txt # 分体颜色标注 │ ├── v1.4功能总结.txt # v1.4版本总结 │ └── v1.6功能总结.txt # v1.6版本总结 │ ├── 📖 技术文档 │ ├── COMPARE_GUI_README.md # GUI详细使用说明 │ ├── QUICKSTART.md # 5分钟快速入门 │ ├── TRAINING_GUIDE.md # 完整使用教程 │ ├── CUDA_INSTALL_GUIDE.md # GPU安装详解 │ ├── README_TRAINING.md # 训练版功能说明 │ ├── MODEL_COMPARISON.md # 模型对比 │ └── BUILD_EXE.md # 打包说明 │ ├── 🔧 快捷脚本 │ ├── fix_gpu.bat # 修复GPU（必须运行） │ ├── test_gpu.bat # 测试GPU性能 │ ├── check_nvidia.bat # 环境诊断 │ ├── run_gui.bat # 启动简单GUI │ └── run_pose_detection.bat # 快速运行CLI │ ├── 🛠️ 工具程序 │ ├── benchmark_gpu.py # GPU性能测试 │ └── build_exe.py # EXE打包工具 │ ├── 📋 配置文件 │ ├── compare_config.json # GUI配置（自动生成） │ ├── requirements.txt # Python依赖 │ └── START_HERE.txt # 快速参考卡 │ ├── run_compare_gui.bat # 启动对比分析GUI ├── README.md # 本文件 └── CLAUDE.md # AI开发文档 ``` ## 📊 性能对比 | 配置 | 处理速度 | 1分钟视频处理时间 | 显存占用 | 适用场景 | |------|---------|-----------------|---------|---------| | CPU模式 | 10-20 FPS | 3-6分钟 | ~2GB RAM | 备用方案 | | GPU (RTX 4090) | 100-150 FPS | **5秒** | ~4GB VRAM | 日常训练 ⭐ | | GPU + yolov8m-pose | 60-80 FPS | 10-15秒 | ~6GB VRAM | 专业分析 | | GPU + 慢动作4x | 40-60 FPS | 15-20秒 | ~4GB VRAM | 技术诊断 | ## 🎓 使用场景 ### 场景1：课堂实时分析 **需求：** 现场录制视频，快速处理，立即讲解 **操作流程：** 1. 录制学员动作视频（手机/相机） 2. 导入到电脑，启动GUI 3. 选择视频，点击"开始处理" 4. 5-10秒处理完成 5. 播放对比，指出问题 6. 查看姿态数据，给出建议 **时间成本：** 1分钟视频 < 15秒处理时间 ### 场景2：学员技术诊断 **需求：** 详细分析动作，找出技术问题 **操作流程：** 1. 处理学员训练视频 2. 使用慢动作回放（2-4x） 3. 查看AI姿态分析 4. 记录关键帧数据 5. 对比正确动作标准 6. 制定改进计划 **分析维度：** - 关节角度是否正常 - 身体平衡是否稳定 - 击球时机是否准确 - 动作连贯性如何 ### 场景3：专业技术对比 **需求：** 对比专业选手和学员动作差异 **操作流程：** 1. 处理专业选手视频 2. 处理学员视频 3. 从历史记录快速切换查看 4. 对比相同动作的姿态数据 5. 找出差异点 6. 制定针对性训练方案 **对比要点：** - 起跳高度和时机 - 挥拍轨迹和速度 - 落地姿势和平衡 - 身体协调性 ### 场景4：训练效果评估 **需求：** 跟踪学员进步，量化训练效果 **操作流程：** 1. 定期录制学员动作（每周/每月） 2. 处理并保存到历史记录 3. 对比不同时期的姿态数据 4. 量化角度改善程度 5. 评估训练效果 6. 调整训练计划 **评估指标：** - 关节角度改善度 - 动作稳定性提升 - 错误动作减少率 - 技术标准符合度 ## 🔧 系统要求 ### 推荐配置（GPU加速） - **显卡**: NVIDIA RTX 3060 或更高（6GB+ 显存） - **CPU**: Intel i5-10代 / AMD Ryzen 5 5000 或更高 - **内存**: 16GB RAM - **硬盘**: SSD（视频读取更快） - **系统**: Windows 10/11 64位 - **Python**: 3.8 - 3.11 ### 最低配置（CPU模式） - **CPU**: Intel i5-8代 / AMD Ryzen 5 3000 - **内存**: 8GB RAM - **硬盘**: 50GB 可用空间 - **系统**: Windows 10/11 64位 - **速度**: 约10-20 FPS（较慢） ### 依赖环境 - Python 3.8+ - PyTorch 2.0+ (CUDA版本推荐) - OpenCV 4.8+ - ultralytics (YOLOv8) - tkinter (GUI) - Pillow (中文字体) - FFmpeg (音频复制，可选) ## ⚠️ 重要提示 ### 🚨 GPU必须正确配置 **检查GPU状态：** ```batch python -c "import torch; print('CUDA可用:', torch.cuda.is_available())" ``` **如果显示 `CUDA可用: False`：** ```batch # 立即运行GPU修复脚本 scripts\fix_gpu.bat # 验证修复结果 scripts\test_gpu.bat ``` **成功后应该看到：** ``` ✓ CUDA可用: True ✓ GPU名称: NVIDIA GeForce RTX 4090 ✓ CUDA版本: 12.1 ✓ 性能测试: 120+ FPS ``` ### 💾 文件组织建议 **推荐目录结构：** ``` 羽毛球训练视频/ ├── 原始视频/ │ ├── 2025-01-15_学员A.mp4 │ ├── 2025-01-15_学员B.mp4 │ └── ... ├── 处理结果/ │ ├── 2025-01-15_学员A_processed.mp4 │ ├── 2025-01-15_学员A_processed_pose_data.json │ ├── 2025-01-15_学员B_processed.mp4 │ └── ... └── 分析报告/ └── ... ``` **注意事项：** - 保持原视频和处理视频在同一文件夹（方便历史记录自动匹配） - 使用默认命名规则（自动添加_processed后缀） - 不要手动重命名处理后的文件 - 定期清理不需要的视频文件 ### 🎬 视频格式建议 **推荐格式：** - 容器格式：MP4 - 视频编码：H.264 - 音频编码：AAC - 分辨率：1080p (1920x1080) - 帧率：30fps 或 60fps **拍摄技巧：** - 光线充足，避免逆光 - 拍摄距离：能完整看到人物动作 - 拍摄角度：侧面或斜侧面最佳 - 背景简洁，避免干扰 - 单人入镜效果最好 ## 🆘 常见问题 ### Q1: 处理速度很慢（<20 FPS） **原因：** GPU未启用或驱动问题 **解决：** ```batch # 方案1：修复GPU scripts\fix_gpu.bat # 方案2：检查驱动 scripts\check_nvidia.bat # 方案3：更新显卡驱动 访问 NVIDIA 官网下载最新驱动 ``` ### Q2: 显存不足错误 **原因：** 模型太大或视频分辨率过高 **解决：** ```python # 使用较小模型 选择 yolov8n-pose.pt # 或禁用FP16 取消勾选"使用FP16"选项 ``` ### Q3: 拖动进度条出现警告 **原因：** H.264视频解码技术性警告（已优化） **说明：** - v1.7.1已优化跳转逻辑 - 警告已自动抑制 - 不影响任何功能 - 如仍有问题，查看 `视频跳转优化说明.txt` ### Q4: 连续按空格键卡死 **原因：** 多线程冲突（已修复） **说明：** - v1.6.1已添加防抖动机制 - 300ms内重复点击自动忽略 - 线程安全检查防止冲突 - 详见 `播放控制线程安全修复.txt` ### Q5: 装备检测不准确 **原因：** 使用通用COCO模型近似检测 **改进：** 1. 调高置信度阈值（0.3 → 0.5） 2. 训练专用羽毛球装备检测模型 3. 使用 `sports_equipment_detector.py` 的 CustomSportsDetector ### Q6: 中文标签显示为方框 **原因：** 系统缺少中文字体 **解决：** 1. 确保Windows系统字体正常 2. 检查以下字体是否存在： - C:/Windows/Fonts/msyh.ttc（微软雅黑） - C:/Windows/Fonts/simhei.ttf（黑体） - C:/Windows/Fonts/simsun.ttc（宋体） 3. 重新安装系统字体 ### Q7: 历史记录不显示 **原因：** 配置文件损坏或文件已移动 **解决：** ```batch # 方案1：刷新历史记录 点击GUI中的"刷新"按钮 # 方案2：重置配置 点击"重置配置"按钮 # 方案3：手动编辑 删除 compare_config.json，重新启动 ``` ### Q8: AI分析不准确 **原因：** 模型精度不够或视频质量问题 **改进：** 1. 使用更大模型（yolov8m-pose.pt） 2. 提高视频质量（1080p, 良好光线） 3. 确保人物完整入镜 4. 避免严重遮挡 ### Q9: 音频没有保留 **原因：** FFmpeg未安装 **解决：** ```batch # 方案1：安装FFmpeg 下载 https://ffmpeg.org/download.html 添加到系统PATH # 方案2：使用moviepy pip install moviepy # 验证 ffmpeg -version ``` ### Q10: 处理后视频无法播放 **原因：** 编解码器问题 **解决：** 1. 安装完整的视频解码器包（如K-Lite Codec Pack） 2. 使用VLC播放器 3. 检查输出视频文件是否完整 4. 查看处理日志是否有错误 ## 📝 版本更新日志 ### v1.8.1 (2025-01-16) - OpenPose风格线条 - ✅ **5种骨架线条样式** - 专业可视化效果 - ✅ **OpenPose风格渐变** - 躯干粗四肢细，中心到端点渐变 - ✅ **置信度驱动线宽** - 检测精度可视化 - ✅ **部位分级线宽** - 根据身体部位重要性调整 - ✅ **由粗到细样式** - 从躯干向外递减 - ✅ **GUI样式选择** - 下拉框一键切换 - ✅ **配置持久化** - 样式设置自动保存 - ✅ **性能优化** - OpenPose渐变开销<5% ### v1.8 (2025-01-16) - 双引擎支持 - ✅ **MediaPipe引擎集成** - 33关键点高精度检测 - ✅ **智能关键点映射** - MediaPipe 33点 → COCO 17点兼容 - ✅ **引擎自由切换** - GUI下拉选择 YOLOv8/MediaPipe - ✅ **性能对比表** - 速度、精度、适用场景一目了然 - ✅ **MediaPipe复杂度** - Lite/Full/Heavy三档可调 - ✅ **配置持久化** - 引擎选择保存到配置文件 - ✅ **统一绘制接口** - 两种引擎共用骨架绘制逻辑 - ✅ **独立测试脚本** - `mediapipe_detector.py` 可单独运行 ### v1.7.1 (2025-01-15) - ✅ 优化视频跳转逻辑，减少H.264警告 - ✅ 智能跳转策略（小幅度逐帧，大幅度直接） - ✅ 抑制技术性警告，保持控制台清爽 - ✅ 改进用户体验 ### v1.7 (2025-01-14) - ✅ 紧凑界面布局，操作区域减少40% - ✅ 智能历史记录系统（最多20条） - ✅ 下拉选择快速访问 - ✅ 自动清理无效记录 - ✅ 配置文件增强 ### v1.6.1 (2025-01-13) - ✅ 修复连续点击空格键卡死问题 - ✅ 添加播放控制防抖动机制（300ms） - ✅ 线程安全检查防止重复创建 - ✅ 暂停时等待线程优雅退出 ### v1.6 (2025-01-12) - ✅ 直接加载已处理视频功能 - ✅ 播放时进度条实时同步 - ✅ 进度条重置修复 - ✅ 帧标签显示优化（从1开始） ### v1.5+ (2024-11) - ✅ 播放/暂停按钮合并 - ✅ 空格键快捷键 - ✅ 姿态数据实时显示 ### v1.4 (2024-11) - ✅ 羽毛球装备检测 - ✅ 中文标签显示（PIL字体渲染） - ✅ 装备检测设置界面 ### v1.3 - ✅ 姿态分析数据持久化 - ✅ JSON格式保存 - ✅ 数据回放功能 ### v1.2 - ✅ 分体颜色标注（头/躯干/手臂/腿） - ✅ 颜色自定义功能 ### v1.1 - ✅ 音频复制功能 - ✅ FFmpeg/moviepy支持 ### v1.0 - ✅ 基础姿态检测 - ✅ 视频对比播放 - ✅ GPU加速支持 ## 📞 技术支持 ### 问题诊断 **生成诊断报告：** ```batch scripts\check_nvidia.bat > diagnosis.txt ``` **报告内容包括：** - GPU型号和驱动版本 - CUDA版本和兼容性 - PyTorch安装状态 - 性能测试结果 - 常见问题建议 ### 获取帮助 1. **查看文档** - 文档目录包含所有功能说明 2. **运行诊断** - 使用 `check_nvidia.bat` 检查环境 3. **查看日志** - GUI处理进度窗口显示详细日志 4. **配置文件** - 检查 `compare_config.json` 配置 ### 开发文档 - **AI开发** - 查看 `CLAUDE.md` - **GUI详解** - 查看 `COMPARE_GUI_README.md` - **训练版** - 查看 `docs/README_TRAINING.md` ## 📜 许可证 MIT License - 自由使用和修改 ## 🙏 致谢 - **YOLOv8** - Ultralytics团队 - **PyTorch** - Facebook AI Research - **OpenCV** - OpenCV团队 - **FFmpeg** - FFmpeg团队 --- ## 🚀 快速开始指引 **新手5步快速上手：** 1. **修复GPU** → 运行 `scripts\fix_gpu.bat` 2. **验证状态** → 运行 `scripts\test_gpu.bat` 3. **启动GUI** → 双击 `run_compare_gui.bat` 4. **处理视频** → 选择视频，点击"开始处理" 5. **查看结果** → 自动播放，查看姿态分析 **详细教程：** - 📖 快速入门：`docs/QUICKSTART.md` - 📖 完整教程：`docs/TRAINING_GUIDE.md` - 📖 功能说明：查看文档目录各个说明文件 **遇到问题？** - 🔧 GPU问题 → `docs/CUDA_INSTALL_GUIDE.md` - 🎬 使用问题 → `COMPARE_GUI_README.md` - 🐛 报告问题 → 查看文档或运行诊断工具 --- **开始享受AI辅助羽毛球训练！** 🏸