随着深度学习推理技术的不断发展,让小型设备运行深度学习成为可能,阿里体育等IT大厂,推出的“乐动力”、“天天跳绳”AI运动APP,让云上运动会、线上运动会、健身打卡、AI体育指导等概念空前火热。 本系列文章就带您一步一步从零开始开发一个AI运动小程序,本系列文章将使用“AI运动识别”小程序插件,插件详情可以前往微信服务市场搜索相应插件。 其中sports命名空间下包含了所有的内置运动分析器类和运动检测相关计时、计数的核心逻辑抽象;calc命名空间下包含了人体姿态分析的角度、垂直、水平、视角等规则计算器、姿态相似度和关键点追踪等能力,sports 1.2、运动分析的过程运动分析的过程,便是逐帧分析人体结果,当捕捉符合到要求的姿态动作,便触发计时、计数回调。UI便可以基于此回调与用户进行交互。 二、获取所有的内置运动sports.SportBase是运动分析器抽象基类,实现了基本的计数、计时逻辑,其中SPORTS静态属性包含了所有的插件内置运动。
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。 通过前几篇博文,您已经可以通过插件在APP上进行抽帧、人体检测了,在获得到人体结构后,便可以进行运行分析实现人体计时计数了,uniAPP插件同微信小程序一样,仍然内置了跳绳、开合跳、俯卧撑、仰卧起坐、深蹲 一、创建运动分析器通过createSport(key string)可以创建相应的运动实例:import {getSports,createSport} from "@/uni_modules/yz-ai-sport sport = createSport('jumping-jack');}二、进行运动分析,监听计数变化启动运动分析,并向运动分析器推送人体结构,即可开展运动分析进行计时计数:import {getSports
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";
计时API可以测量两个预定义标记之间的性能,仅需要分别定义测量的开始和结束标记 例如 var start = performance.now(); ... var start = performance.now
3.让这个子弹往上运动。还记得我在第2课《游戏的本质》里面说的吗:在游戏主循环中,要处理物理运动。所以在程序中要做的就是,每次循环里,把子弹图片的y坐标减少一个量(因为屏幕左上角的坐标是(0,0))。 5.为了看起来更符合常理,你得把子弹的图片放在飞机的图片下面,这样看上去才会是从飞机上发射出去,而不是凭空冒出来的。在程序中,就是先绘制子弹,再绘制飞机,像是画油画,后画的会覆盖掉先画的。 bullet_y = y - bullet.get_height() / 2 #把子弹的中心位置设为鼠标坐标 else: bullet_y -= 5 面向零基础初学者的编程课 每天5分钟,轻松学编程 回复『 p 』查看python课程 回复『 g 』查看pygame课程 回复『 t 』查看习题
没有人能够熄灭满天星光 每一位开发者,都是华为要汇聚的星星之火 第一个javascript开发鸿蒙app----呼吸计时训练(基于华为轻量级运动手表) b站学习视频 运行图如下: github代码仓库 或者 codechina代码仓库 个人手敲代码,视频每一个章节的我都对应一个分支 视频选集 代码分支 p4 step1 p5 step2 p6 step3 p7 step4 p8 step5 p9 step6 p10 step7 p11 step8 p12 step9 p13 step10 p14 step11 p15 step12 p16 step13 p17 step14
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。 在这个“评价标准”里,百度给深度学习工程师们画了一棵技能树,包含通用能力、专业知识、专业能力、行业知识、组织管理5大分枝,以及各维度细分的16类能力项参考标准,开发者们可以按照这棵技能数来学习技能、自我提升 而自然语言处理基础技术系列接口方面,用户每个接口默认拥有5个QPS,若需更高的QPS资源,开发者可按需申请,审核通过即可继续免费调用,最高可达每接口100个QPS。 去年10月,首期百度AI加速器在AI开发者实战营首站推出,然后经过两个多月的报名及评估,从上千个项目中经过多轮资料筛选和面试沟通,最终选出优质企业正式进入首期AI加速器。 AI服务。
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。
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。 这款插件专为基于uni-app框架开发的APP量身打造,提供了本地原生(非云端依赖)的AI人体识别、精准姿态识别、运动识别计时计数等核心能力。 2.3、灵活扩展,满足多样需求 识别引擎在设计时充分考虑到了使用方的扩展需求。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。 但正因为是新力军,完善度和社区资源不是非常成熟,需要团队有一定的原生APP开发技术储备,足够应对新平台的不确定性,且对APP有极致的性能追求,才建议您选择uni-app x;如果是仅有前端技术储备,现有小程序、H5等
矩阵把一个向量变成另一个向量是发生在向量空间里的变换运动,该变换有个专业名词叫线性变换或线性映射。这可以称为矩阵的几何意义。 矩阵独立的几何意义表现为对向量的作用结果。矩阵对一个向量是如何作用的? 一个矩阵就描述了向量空间中的一个运动——变换,这个矩阵规定了所有向量的变换规则。
随着深度学习推理技术的不断发展,让小型设备运行深度学习成为可能,阿里体育等IT大厂,推出的“乐动力”、“天天跳绳”AI运动APP,让云上运动会、线上运动会、健身打卡、AI体育指导等概念空前火热。 本系列文章就带您一步一步从零开始开发一个AI运动小程序,本系列文章将使用“AI运动识别”小程序插件,插件详情可以前往微信服务市场搜索相应插件。 一、运动分析如图所示,俯卧撑有卧和撑两个动作姿态组成,从卧到撑或者撑到卧,为一个动作,即计数加1;因此我们分别构建这两个姿态的识别规则,查测到卧撑或撑卧的组合计数加1,便可以完成俯卧撑的检测数。 三、执行检测实现运动分析器,我们需要继承扩展sports.SportBase抽象类,该类已经为您实现了基本的计时、计数能力,您只要重写pushing方法,在此方法调用calc.Calculator计算器进行规则计算 ,通过则调用计时计数即可,代码如下: pushing(body) { if (utils.isNone(body)) return; //卧
随着深度学习推理技术的不断发展,让小型设备运行深度学习成为可能,阿里体育等IT大厂,推出的“乐动力”、“天天跳绳”AI运动APP,让云上运动会、线上运动会、健身打卡、AI体育指导等概念空前火热。 本系列文章就带您一步一步从零开始开发一个AI运动小程序,本系列文章将使用“AI运动识别”小程序插件,插件详情可以前往微信服务市场搜索相应插件。 一、运动识别的原理运动检测的基本原理是,对帧流的人体识别结果,进行姿态分析检测,当捕捉到符合动作要求的姿态结果,便触发计数、计时逻辑。 二、运动计量方式2.1、计数方式此方式是当捕捉到一个或多个连续分动作后,则计数加1,如跳绳、俯卧撑、仰卧起坐等运动;计数的同时也可以同时进行计时。 2.1、计时方式此方式则是运动者进入某个姿态,并保持不变,则开始计时;解除相关动作时则暂停计时,如平板支撑、马步蹲等运动。
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。 一、AI运动识别插件在鸿蒙5的实测表现使用版v8.0.11微信分别在Harmony5.0.1和Harmony5.1.0的实际测试结果如下:功能 功能表现 备注 识别引擎ve1正常 但精度不佳,与MTK芯片问题一致 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...
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。
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
赞助书籍
引言 受小程序camera组件预览和抽帧图像不一致的特性影响,一直未全功能支持全屏模式,详见本系列文件第四节小程序如何抽帧;随着插件在云上赛事、健身锻炼、AI体测、AR互动场景的深入应用,各开发者迫切的希望能在全屏模式下应用 3.2、人体检测范围变化若您在运动时进行了人体远、近站位预检,那相应的range坐标也需进行偏移。 好了,全屏适配问题就为您介绍到这里,未尽问题可以联系我们进行咨询,插件将致力为您提供全面的AI运动识别解决方案,助力您快速落地AI运动、AI体育、AI健身、AI体测、AR互动等运动应用。
iOS MachineLearning 系列(5)—— 视频中的物体运动追踪 本系列的前面几篇文章中,我们将静态图片分析相关的API做了详尽的介绍。 视频中物体运动的跟踪常在一些AR游戏中应用,这些现实增强类的应用常常需要实时追踪显示中的物体。 1 - 先看一个简单的示例 我们以矩形区域追踪为例,与前面文章介绍的静态分析类似,运动追踪实现的核心点也只有三个: 1. 请求操作句柄。 2. 构建请求。 3. 处理分析请求的回调。
随着深度学习推理技术的不断发展,让小型设备运行深度学习成为可能,阿里体育等IT大厂,推出的“乐动力”、“天天跳绳”AI运动APP,让云上运动会、线上运动会、健身打卡、AI体育指导等概念空前火热。 本系列文章就带您一步一步从零开始开发一个AI运动小程序,本系列文章将使用“AI运动识别”小程序插件,插件详情可以前往微信服务市场搜索相应插件。一、为什么要判断人体站位视角? 上一篇我们介绍了运动识别中,如何实现对人与摄像头的远近预检,以提供识别率和体验。 在我们实际的运动应用场景中,为了准确识别到相关运动的关键姿态点,一般会指定视角,如跳绳、开合跳需要面或背朝相机,而且像俯卧撑、仰卧起坐则需要左右侧对像相机,以获得最佳的识别率和体验。 ..});});listener.start();好了,运动开始前的常规距离、视角预检查就为您分享到这,请关注我们各平台的博客账号,我们将为您分享更多的人体、姿态、运动检测应用技巧。
值得注意的是,这种不息的运动遵循着与训练人工智能相同的数学原理。该发现暗示,类似学习的行为可能是物质、机器和活细胞共有的基本原理。 某机构的工程师发现,虽然泡沫保持整体形状,但其内部处于不断运动之中。更出人意料的是,描述这种运动的数学与深度学习(用于训练现代人工智能系统的技术)极为相似。 永不静止的气泡在一项发表于《美国国家科学院院刊》的研究中,研究人员使用计算机模拟追踪了湿泡沫内气泡的运动。气泡并未最终静止,而是在众多可能的结构中持续游走。 这种持续的运动与现代人工智能系统在学习过程中的运作方式高度相似。帮助解释深度学习为何有效的数学,同样也捕捉了泡沫一直以来的行为。 通过证明泡沫气泡并非冻结在类玻璃状态,而是以类似于学习算法的方式运动,该研究鼓励科学家重新思考其他复杂系统的行为。