C开发者推出运动计数工坊r2 实时计数提速11.6倍

针对居家健身中手动计数易遗漏的问题，一名开发者基于C#构建了Windows桌面应用“运动计数工坊r2”，通过摄像头实时捕捉画面，自动识别并累计深蹲、开合跳等重复性动作次数。该工具采用模块化架构：视频或摄像头输入后，由YOLO11n检测人物位置并裁剪ROI区域，再交由RepNet分析动作周期特征，最终完成计数与可视化输出。技术上，系统通过ONNX Runtime + DirectML部署模型，完全脱离Python生态，仅需.NET Framework 4.8及DirectX 12兼容显卡即可运行，安装包内含全部依赖与模型文件。实测显示，在搭载RTX 4060 Laptop（8GB显存）设备上，64帧RepNet推理窗口平均耗时GPU模式为49.4毫秒，CPU（4线程）为570.2毫秒，提速达11.6倍；一段12秒深蹲视频离线分析总耗时约3.3秒，识别出4次动作。界面左侧为参数控制区，右侧为预览与结果展示区，支持手动切换目标人物、修正计数（±1）、导出CSV/JSON数据，以及生成带动态字幕的MP4复盘视频。工具默认选取画面中面积最大人物框为目标，实时显示当前次数、检测与分析耗时及丢帧状态。适用场景建议固定机位、单人全身入镜、节奏清晰动作，片段长度10–20秒以内以提升准确率。目前该工具仍处于开源探索阶段，对多人遮挡、快速旋转等复杂场景鲁棒性有限，动作类型主要覆盖节律性强的重复运动，尚未集成语音反馈。但其作为纯本地化、零云依赖的AI应用范例，为C#生态下的边缘AI开发提供了可复现工程路径，已在开发者社区引发关注。