- 综合排序
- 最热优先
- 最新优先
- 来自专栏合集
Python | 运动目标检测
常用的运动目标检测方法——帧差法 帧差法将邻近帧图像相减滤除图像中的静止景物得到运动区域，其对环境的光线变化不敏感并可快速检测出运动目标，但对于运动物体速度太慢的情况则产生不完整的“空洞”现象，太快又易于生成 1) 两帧差法 两帧差法实现方式：是前后两帧进行差分得到差分图像，通过比较所有像素的灰度差（即像素值之间的差）绝对值，设定一个阈值，如果灰度差绝对值超过这个绝对值，则得到一个像素集，即运动目标区域。 通过对运动目标区域进行连通性分析，得到一个连通的目标区域。 2) 三帧差法 三帧差法是基于两帧差法的检测方法，其原理是将相邻的3帧图像前后作差，经过像两帧差法的处理后，再将得到的两个帧差图像作“与”运算，最后得到运动目标轮廓。 如果把阈值设置太高了那么就可能把运动目标也部分去掉了，但是如果阈值设置过低，图像噪声就会偏多，影响结果。
1.7K30发布于 2020-01-14 - 来自专栏一步步开发AI运动APP
【一步步开发AI运动APP】十四、AI运动检测中，如何拍照留存图像？
之前我们为您分享了【一步步开发AI运动小程序】开发系列博文，通过该系列博文，很多开发者开发出了很多精美的AI健身、线上运动赛事、AI学生体测、美体、康复锻炼等应用场景的AI运动小程序；为了帮助开发者继续深耕 AI运动领域市场，今天开始我们将为您分享新系列【一步步开发AI运动APP】的博文，带您开发性能更强、体验更好的AI运动APP。 根据我们之前的介绍可知，本系列使用的「AI运动识别」插件在运动识别时，完全依赖于设备端算力进行动识别推理，不会将用户图像上传至后台或第三方服务；所以运动识别后是无法再获得运动时的现场图像的，但是像体测和严肃的赛事场景可能又有留存运动现场图像进行后期审核核验的需求 一、相机提取图像相关API「AI运动识别」插件自带的相机组件，相机操控提供了将帧解析成jpeg格式图像并保存文件或Base64编码的相关API，详情如下，请可以参考插件API文档。 "#009d00" /></template><script>import {getCameraContext,createHumanDetector} from "@/uni_modules/yz-ai-sport
24610编辑于 2025-11-17 - 来自专栏一步步开发AI运动APP
【一步步开发AI运动APP】十一、同时检测识别多人运动，分别进行运动计时计数
之前我们为您分享了【一步步开发AI运动小程序】开发系列博文，通过该系列博文，很多开发者开发出了很多精美的AI健身、线上运动赛事、AI学生体测、美体、康复锻炼等应用场景的AI运动小程序；为了帮助开发者继续深耕 AI运动领域市场，今天开始我们将为您分享新系列【一步步开发AI运动APP】的博文，带您开发性能更强、体验更好的AI运动APP。 一、应用场景在赛事活动多人PK对战、学生体测教学、运动角设备等开发应用场景中，经常存在需要同时检测多人运动需求；此需求在AI小程序时受限于小程序的运行环境，一直无法实现。 二、方案实现根据下面的AI运动分析的流程图所示，要实现同时多人运动分析能力，须先实现多人的人体姿态检测，再将检出的多人人体结果，分别推送到不同的运动分析器实例，即可实现多人运动检测分析。 ，便可以创建多个运动分析器实例来，来分别对每个人的姿态进行分析检测，实现计时计数了，代码如下：import {createSport} from "@/uni_modules/yz-ai-sport";
31910编辑于 2025-09-01 - 来自专栏深度学习和计算机视觉
使用 OpenCV 进行运动检测
Raspberry Pi 3 上的 OpenCV 运动检测 这篇文章将解释如何实现基本的运动检测，这可以用于我们的基于触发器的监控系统。 什么是 OpenCV？ 它包含 500 多项功能，涵盖许多视觉领域，包括工厂产品检测、医学成像、安全、用户界面、相机校准、立体视觉和机器人技术。 or not - $ workon cv (cv) pi@raspberrypi:~$ (cv) indicates that we are inside a virtual environment 7. CONF_SWAPSIZE=100 验证 OpenCV 是否安装成功 ： 验证 OpenCV 安装 实现 我们使用 piimagesearch 的教程来实现基本的运动检测，它提供了开源的代码，并且可以下载 尽管从介绍的 GIF 中可以看出，响应速度很慢，但这是运动检测的基本演示，我将在以后的文章中介绍更多用例。
1.3K10编辑于 2022-02-09 - 来自专栏深度学习和计算机视觉
运动目标检测|单高斯背景建模
背景建模也称为背景估计，其主要目的是根据当前的背景估计，把对序列图像的运动目标检测问题转化为一个二分类问题，将所有像素划分为背景和运动前景两类，进而对分类结果进行后处理，得到最终检测结果。 比较简单的获取背景图像的方法是当场景中无任何运动目标出现时捕获背景图像，但这种方法不能实现自适应，通常仅适应于对场景的短时间监控，不能满足智能监控系统对背景建模的要求。 背景减除法的关键是背景模型，它是背景减除法分割运动前景的基础。 单高斯背景建模 高斯背景模型是一种运动目标检测过程中提取并更新背景和前景的一种方法。 原来CNN是这样提取特征的 SLAM问题的历史及基本表示 综述| 图像分割技术介绍 综述| 人体骨骼关键点检测 深度相机原理揭秘| 双目立体视觉 深度相机原理揭秘| 飞行时间（TOF） 深度相机原理揭秘
2.3K10发布于 2019-10-24 - 来自专栏大数据智能实战
AI展示框架(7)：基于dlib实现人脸检测及关键点检测
(2) 5个关键点的检测结果 ? (3) 81个关键点的检测结果。 ? 不过从图上可以看出，dlib用于人脸检测，并不能检测出太多的人脸，特别是远处的小人脸，均无法检测。 附：上图只是百度上搜索获得检测的图片，只用于实验。
1.4K10发布于 2019-05-26 - 来自专栏计算摄影学
7. 图像处理的应用-运动滤波
这时候，一种叫做运动去噪(Motion Denoise），我也称之为运动滤波的技术也就应运而生了。 来看看一个演示Demo, 左边是原始视频，右边是去除短时变化后的视频 运动滤波示例 这是如何做到的呢？这就是我今天提到的运动滤波技术的作用。 运动滤波 vs Naive时域滤波 如果在XT方向截取一个平面，我们期望的滤波结果是某个物体的位置经过运动滤波后其在X轴上的位置随时间t保持不变，或仅仅做轻微的变化。 运动滤波 vs Naive时域滤波 ? 运动滤波 vs Naive时域滤波 作者还给出了更多的例子，说明此方法能够很好的分离延时摄影视频中的短时抖动与长期变化。 ，并且假设长时间的运动变化使得位移场所影响的视频帧间具备某种平滑性 ?
1.2K21发布于 2020-04-17 - 来自专栏一步步开发AI运动APP
【一步步开发AI运动APP】五、人体检测能力调用
之前我们为您分享了【一步步开发AI运动小程序】开发系列博文，通过该系列博文，很多开发者开发出了很多精美的AI健身、线上运动赛事、AI学生体测、美体、康复锻炼等应用场景的AI运动小程序；为了帮助开发者继续深耕 AI运动领域市场，今天开始我们将为您分享新系列【一步步开发AI运动APP】的博文，带您开发性能更强、体验更好的AI运动APP。 一、人体检测AI介绍 识别并检测图像中的人体结构，是开展运动分析检测、姿态分析以及姿态交互场景应用前不可或缺的前置步骤。 为了满足不同场景和需求，APP版本插件精心提供了多种人体检测模式，包括“高性能”模式以满足快速响应的需求，“高精度”模式以确保检测结果的准确无误，以及“多人检测”模式以应对复杂场景中的多人识别挑战。 下篇我们将为您介绍运动检测分析调用，敬请期待... !
36400编辑于 2025-04-03 - 来自专栏AIoT技术交流、分享
Python-OpenCV运动物体检测
运动物体检查，在移动目标定位和智能安防系统中有广泛的应用，它的实现原理：捕获连续帧之间的变化情况，将每次捕获的图像进行对比，然后检查差值图像中的所有斑块（颜色相近的地方）。 Demo在实现的过程中，首先需要设置“背景帧”，通过捕获连续帧，比较“背景帧”与其它帧之间的差异，这种方法检测结果还是挺不错的，但是若在室外，光线的变化就会引起误检测，具有局限性和干扰性。
1.2K20发布于 2021-01-20 - 来自专栏深度学习和计算机视觉
运动目标检测|混合高斯背景建模（含源码）
7.选前B个模式作为背景，B满足下式，参数T表示背景所占的比例： ?
3.2K40发布于 2019-10-24 - 来自专栏一步步开发AI运动APP
【一步步开发AI运动APP】七、自定义姿态动作识别检测——之规则配置检测
之前我们为您分享了【一步步开发AI运动小程序】开发系列博文，通过该系列博文，很多开发者开发出了很多精美的AI健身、线上运动赛事、AI学生体测、美体、康复锻炼等应用场景的AI运动小程序；为了帮助开发者继续深耕 AI运动领域市场，今天开始我们将为您分享新系列【一步步开发AI运动APP】的博文，带您开发性能更强、体验更好的AI运动APP。 一、什么是自定义姿态识别检测您在开发AI运动小程序或APP时，可能会面这样的需求场景，比如：人像必须全部入镜、站立远近要求检查、用户做某个动作开始/停止运动识别、内置运动不满足场景需求需要扩展新运动项目等等 ，这些都需要用到自定义姿态动作识别检测，插件提供了基于规则配置和姿态相似度比较两种姿态识别检测方案，本章将先为您介绍基于规则配置方案，姿态相似度比较方案和自定义运动扩展将在后续章节为您介绍。 ，通过pose-calc只要配置好计算规则（⽆代码或代少量代码）即可实现自定义姿态动作检测或运动分析，也⽅便实现运动分析可配置化。
45310编辑于 2025-04-22 - 来自专栏AI科技评论
更细粒度表情运动单元检测：来自物体检测的启示
作者 | 马晨 编辑 | 贾伟 本文解读清华大学马晨等人发表的人脸表情运动单元检测的论文：《AU R-CNN：将专家先验知识融合进R-CNN模型进行表情运动单元的检测》。 代码链接：https://github.com/sharpstill/AU_R-CNN ---- FACS(Facial Action Coding System)是人脸国际标准组织定义的44种人脸运动单元 (AU)，这些运动单元可以组合表示人脸表情所有可能的表情（包含皱眉，抿嘴等），AU是组成人脸表情的基石。 本论文中所谓的人脸AU检测的任务是指：识别一段视频中每一帧图像的人脸上出现哪些AU。因为AU只是面部肌肉的细微运动，而且不同的面部肌肉运动幅度大小不同，所以AU检测任务具有挑战性。 AU发生在人脸肌肉运动的特定区域，但不一定是某个landmark附近。 2、已有的研究使用CNN去识别整张脸的图像，而非局部区域的AU。
1.4K30发布于 2020-04-16 - 来自专栏量子位
百度AI的“圈地运动”
百度这个AI生态又呈现出何等面貌？ 这背后可能有一些时代潮向变化的影子。 地毯式“轰炸” 单从结果来看，百度真可谓发起了一场“圈地运动”。 围绕开发者，从点，到线，再到面。 还有一些“意想不到的应用”，传统制造企业蝶鱼科技的主营业务为组装键盘，该公司将EasyDL与工业摄像头、工业光源、激光测距仪、PLC控制气缸等设备组成综合检测系统，用于识别键盘组装后的合格性，包括缺件、 使用EasyDL训练的模型识别准确率超过99%，为每条生产流水线每年节省12万人工检测员人力成本。 AI服务。 就在加入百度AI加速器期间，视通科技、人人智能、CELLA等7家伙伴，发布了9项应用百度AI技术的全新产品；天正聚合、智能一点、我买网等15家伙伴，借助百度AI技术，对产品和服务进行了重大升级。
85020发布于 2018-07-20 成功案例分享|使用AI运动识别插件+微搭，快速搭建AI美体运动小程序
用户为形体礼仪培训机构，计划开发一款AI美体运动小程序，旨在为用户提供专业的运动指导和美体建议。 考虑到开发成本、开发周期及原功能迁移的问题，用户决定基于“微搭”低代码平台进行搭建，并集成“AI运动识别小程序插件”以实现AI运动识别智能化功能。 在我方技术人员的协助下，成功将“AI运动识别小程序插件”集成至“微搭”平台的小程序中。 这款小程序不仅具备精准的运动识别能力和实时反馈功能，还提供了个性化的训练计划和改进建议，“AI运动识别插件”的精准识别能力和实时反馈功能，极大地提升了用户的运动体验和粘性，使用户能够更加科学地进行美体运动 当然，这只是“AI运动”的其中一种应用场景，还可以应用其他方面，诸如：AI健身、学生体测、云上运动会、轻量AR互动等。要实现这些应用场景，在这里，我们推荐云智「AI乐运动」体验。
57710编辑于 2024-10-14- 来自专栏ATYUN订阅号
上辈子是运动员？一款人脸识别AI应用检测你与哪个世界杯运动员长得最像
挪威新闻机构VG团队开发了一款全新的AI工具，使用面部识别技术，来查找与你的长相最为相似的足球运动员。 人工智能将试图将你的形象与目前参加俄罗斯世界杯的736名职业运动员中的一名相匹配。 这个工具并没有被专业足球运动员迷惑，正确匹配了梅西和罗纳尔多的照片。 研究团队使用Python编程语言进行编码，使系统接受了训练，可以在照片中检测到每个面部精确定位的128个测量点。这些面部测量可以用来匹配两个人之间的相似度。
70970发布于 2018-07-27 - 来自专栏Urlteam
学习—用 Python 和 OpenCV 检测和跟踪运动对象
如果发生了显著的变化，我们就可以检测到它——通常这些变化和我们视频中的运动有关。 它会指定一个路径，指向一个预先录制好的视频文件，我们可以检测该视频中的运动。如果你不提供视频的路径，那么OpenCV会从你的摄像头中来检测运动。 有了这个阀值化的图片，只要简单的进行实施轮廓检测来找到白色区域的外轮廓线（第7行） 我们在第14行开始对轮廓线进行遍历，在15行滤掉小的，不相关的轮廓。 feature=oembed 正如你看到的，我们的运动检测系统尽管非常简单，但表现还不错！我们可以正常检测到我进入客厅和离开房间。 然而，现实来讲，结果还远远谈不上完美。 而且我可以看到，微小的光线变化，比如阴影和墙面反射，都触发了假阳性的运动检测结果。 最后，如果你想要利用你的摄像头的原始视频流来进行运动检测，空着--video选项即可。
3.4K10发布于 2019-11-23 - 来自专栏一步步开发AI运动APP
【一步步开发AI运动APP】二、跨平台APP AI运动识别方案介绍
之前我们为您分享了【一步步开发AI运动小程序】开发系列博文，通过该系列博文，很多开发者开发出了很多精美的AI健身、线上运动赛事、AI学生体测、美体、康复锻炼等应用场景的AI运动小程序；为了帮助开发者继续深耕 AI运动领域市场，今天开始我们将为您分享新系列【一步步开发AI运动APP】的博文，带您开发性能更强、体验更好的AI运动APP。 APP，占领AI辅助运动市场。 我们对人体识别、运动识别等关键能力进行了高度抽象化和配置化设计，开放了核心的人体识别检测、姿态识别、运动识别API。 无论您的APP用户量是多少，都能享受到稳定且经济的AI运动识别服务。
52510编辑于 2025-04-02 - 来自专栏科控自动化
S7-1200运动控制的超驰功能
1 S7-1200运动控制的超驰功能 1.1 超驰功能介绍 S7-1200 PLC运动控制指令之间存在相互覆盖和中止的情况，这种特性叫做“超驰”，利用超驰功能，轴不用停止，可以平滑地过渡到新的指令或是同一个指令的新参数 然后调用运动控制指令。 实验二：绝对位移指令和回原点指令的超驰功能 对于回原点指令“MC_Home”，超驰响应取决于所选的模式：当模式Mode = 0, 1, 6, 7时，任何其它运动控制命令均无法中止“MC_Home 同时“MC_Home”指令也不会中止任何激活的运动控制命令。当按照新的回原点位置（输入参数“Position”的值）进行回原点操作后，将继续执行与位置相关的运动命令。 如果执行该轴的一个新运动任务，可能等待最大20ms（当前时间片+排队时间片）。
2.9K10编辑于 2022-03-29 AI运动小程序鸿蒙平台适配指南
今天我们就结合我们一段时间以来「Ai乐运动」用户的反馈、实测验证，来聊聊AI运动小程序在鸿蒙端的适配。 ，开启增强模式即可解决 识别引擎ve1，增强模式正常 Harmony5+建议识别模式 识别引擎ve1正常骨骼图绘制正常 资态识别正常运动识别检测正常 运动自定义扩展正常 测试使用时的插件版本为当前最新版本 1.5.8，从结果看AI运动识别插件的功能在鸿蒙5的表现不存在兼容性问题，可以正常使用。 二、AI运动小程序在鸿蒙5的兼容性问题使用微信版本v8.0.11分别在Harmony5.0.1用Harmony5.1.0测试兼容问题主要表现在小程序的Camera组件，问题为Camera的非原生事件，即 AI运动小程序在纯血鸿蒙下的适配就为您介绍到这，若有其它的适配场景我们继续为您分享，欢迎关注...
39810编辑于 2025-11-24- 来自专栏大数据文摘
亨利·基辛格：AI启蒙运动该何去何从
启蒙运动试图把传统的真理交给解放的、善于分析的理性人。而互联网则是通过不断积累和被操控数据来传播知识，人类的认知失去了个性。 ? 我们使用数据，却变成了数据的奴隶。 是否所有AI都是这样一根筋的处理方式？ 其他的AI项目的贡献方式是帮助人们解决实际问题。除了那些解决实际需求的问题（比如外面气温是多少？），AI是否能研究自然本质和探索生命意义以及引发更深入的问题？ 我们是否应该通过限制AI自主学习来保护我们个人隐私？如果是的话，我们应该怎么做？ 如果AI的学习速度成指数型递增，那我们一定希望加快这种井喷式的学习速度，那么AI犯错的概率也会比人类高。 纵观人类历史，文明缔造了解释周围世界的方法，比如中世纪向我们解释了宗教，启蒙运动向我们揭示了自然科学奥秘，20世纪给我们带来了意识形态。 ? 启蒙运动开始于对新技术的哲学探索，但我们正在朝着相反的方向前进。 人工智能的发展潜移默化地指引了我们思考的方向。
75420发布于 2019-04-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号