- 综合排序
- 最热优先
- 最新优先
- 来自专栏一步一步开发AI运动小程序
十六、AI运动识别中，如何判断人体站位？
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。 在正式开始运动前，便可以使用此检测规则，对当前人体姿态进行预检，再通过语音等方式提醒用户调整站位至合适视角，以便获得最佳体验和识别效果。
74410编辑于 2024-06-06 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
今天给大家分享一个最近使用我们的“AI运动识别小程序插件”+“微搭”搭建小程序的经典案例。 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。 借助插件丰富接口和可扩性，我司根据AI美体小程序的需求，定制了多种运动识别功能,如瘦身训练、形体矫正等美体运动的动作识别，整个过程只花费了几天时间。 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
57710编辑于 2024-10-14- 来自专栏一步步开发AI运动APP
AI运动识别插件-APP版新版特性速览
云智AI运动识别插件APP版最近发布了1.0.6版，今天带您快速了解一下新版本发布的新特性，以便在后续开发场景中使用。 本次在相机上下文中新增了直接拍照接口takePhoto，可以在直接在yz-ai-camera组件预览状态上拍照。cameraContext?. , err);}});二、帧图像保存至临时文件能力在原来已有的将帧图像保存至相册和转换成Base64的基础上，再新增将帧图像保存至临时文件接口saveFrameToTemp，方便将帧图析解析后进行人脸识别 PointTracker和跳绳运动检测算法进行了全面优化，可以更好的抑制关键点噪声检出峰谷跳变。 四、姿态调试辅助工具由于插件在人体和运动检测时，绝大部分应用场景是通过设备相机实时抽帧进行识别的，而受限于开发工具模拟器能力、图像缩放和抽帧特性等因素，导致开发者在调试人体、运动检测及适配姿态运动检测时
23110编辑于 2025-12-15 - 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
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、方案简介 本系列开发指南选用了「云智AI运动识别」系列插件中的uni-app APP版作为识别引擎。 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。 这一设计不仅保证了识别的即时性，更带来了流畅无阻的用户体验，让用户享受AI运动识别的便捷。 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。
52410编辑于 2025-04-02 十五、AI运动识别中，如何判断人体站位的远近？
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、为什么要判断人体与摄像头的远近？ 在进行运动和姿态识别时，离摄像头太近，则无法取得全身关键点；若离摄像头太远，则人体图像太小，关键点将混成一团，识别效果太差，如下图所示： 基于此，就非常有必要在正式开始运动前，对人体站位进行预检，再通过语音等方式提醒用户调整站位至合适距离 ，以便获得最佳体验和识别效果，我们建议将人体控制在帧图像的55%-85%之间。 三、离摄像头太近判断 在进行远近判断前，请查阅本系列博文了解抽帧、人体识别、body-calc应用等内容。
76910编辑于 2024-07-10- 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 - 来自专栏一步一步开发AI运动小程序
三、运动识别处理流程
随着人工智能技术的不断发展，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“云智AI运动识别小程序插件”，请先行在微信服务市场或官网了解详情。 一、基本概念 要完成AI运动识别的，需要您了解以下基本概念。 1.1、视频帧 视频帧是指构成视频图像的一帧一帧的画面，每一帧都是静态的图像，连续的帧构成了视频的动态画面。 取得人体识别结果后便可进行下一步的运动、运动识别、结果计算等。 二、处理流程 上面是一次运动分析的图像分析过程：抽帧->人体识别检测->骨骼图绘制（可选）->运动分析->结果展示。 其中人体识别、骨骼图绘制、运动分析核心功能由插件提供，调用相应的API即可完成。 下一篇我们将为您介绍始何在小程序中抽帧...
36010编辑于 2024-05-09 - 来自专栏一步步开发AI运动APP
AI运动识别插件版本再发布迭代更新，大量新特性更新
基于近期用户的应用情况的反馈，在上周的时间节点上，我们精心打造的全景AI运动解决方案中的uni APP版与小程序版插件，均发布了新一版的迭代更新。 其中，uni APP版本的更新成效尤为显著，不仅在识别检测性能方面实现了大幅提升，让用户能够享受到更为精准、高效的运动识别体验；还针对此前存在的一些错误进行了全面修复，确保系统运行的稳定性与可靠性；与此同时 ，更是新增了一系列场景急需的功能，充分满足了用户在不同运动场景下的多样化需求。 使用示例如下：<template><yz-ai-camera id="camera" class="camera" :device="cameraDevice" resolution="medium" 好了，此新特性就为您介绍到这，请保持关注，AI运动识别插件将保持迭代，助力开发者更简单的实现AI运动小程序、APP。
18210编辑于 2025-07-01 - 来自专栏AI掘金志
AI识别早期脑瘫，可将儿童运动视频转化为“火柴人”显示
研究人员利用AI图像识别算法将视频记录中幼儿的图像运动模式自动转化为如图所示的“火柴人（stick man）”形式的客观生物标记物，在这项同行评审的研究中，该方法已被用于识别早期脑瘫（CP）。 ? AI“火柴人”揭示运动基本要素 ? 脑瘫的识别往往通过观察婴幼儿的动作及反应情况，极大地依靠医生的主观视觉经验，难免会误诊或效率低。 AI运动分析应用于神经学 ? 运动分析可以以多种方式改善医生对疾病的治疗决策，为不同治疗策略效果提供客观的定量测量方法。 除早期脑瘫检测外，AI自动运动分析在评估婴儿神经发育方面具有许多潜在的应用。 例如应用儿童健康管理，自动化运动分析可以对儿童进行院外筛查，以识别需要进一步护理的儿童，或者在关注儿童发育的情况下确保大脑发育正常。 目前已经收集了包括3D视频记录在内的多种数据集，正在开发一种基于AI的婴儿运动成熟度评估方法。
99250发布于 2019-08-29 - 来自专栏量子位
仅需2张图，AI便可生成完整运动过程
再给一张正脸（关键帧2）： ? 然后仅仅根据这两张图片，AI处理了一下，便能生成整个运动过程： ? 而且不只是简单的那种，连在运动过程中的眨眼动作也“照顾”得很到位。 仅需2个关键帧，如何实现完整运动？ 不需要冗长的训练过程。 不需要大量的训练数据集。 这是论文作者对本次工作提出的两大亮点。 具体而言，这项工作就是基于关键帧将视频风格化。 对于每一个超参数设置： （1）执行给定时间训练； （2）对不可见帧进行推理； （3）计算推理出的帧（O4）和真实值（GT4）之间的损失。 而目标就是将这个损失最小化。 ? //www.reddit.com/r/MachineLearning/comments/n3b1m6/r_fewshot_patchbased_training_siggraph_2020_dr/ [2]
1K20发布于 2021-05-11 - 来自专栏CVer
仅需2张图！AI便可生成完整运动过程
再给一张正脸（关键帧2）： ? 然后仅仅根据这两张图片，AI处理了一下，便能生成整个运动过程： ? 而且不只是简单的那种，连在运动过程中的眨眼动作也“照顾”得很到位。 仅需2个关键帧，如何实现完整运动？ 不需要冗长的训练过程。 不需要大量的训练数据集。 这是论文作者对本次工作提出的两大亮点。 具体而言，这项工作就是基于关键帧将视频风格化。 对于每一个超参数设置： （1）执行给定时间训练； （2）对不可见帧进行推理； （3）计算推理出的帧（O4）和真实值（GT4）之间的损失。 而目标就是将这个损失最小化。 ? //www.reddit.com/r/MachineLearning/comments/n3b1m6/r_fewshot_patchbased_training_siggraph_2020_dr/ [2]
70430发布于 2021-05-10 - 来自专栏AIGC
【AI视频】Runway：Gen-2 图文生视频与运动模式详解
前言 在上一篇文章【AI视频】Runway Gen-2与Gen-3：仅文本生成视频详解中，我们深入探讨了Gen-2和Gen-3的纯文本生成视频技术及其应用原理。 随着AI视频技术的快速发展，如Runway的图加文生成视频和运动模式正逐渐改变创作的方式，为未来的视频内容制作带来无限可能。 AI不仅简化了复杂的创作流程，还打破了传统制作的技术壁垒，让任何人都能轻松生成专业级别的动态内容。 结合深度学习和大数据，AI将进一步理解和预见创作需求，推动视频创作从被动工具向主动创意助手的转变。 (cv2.cvtColor(frame,cv2.COLOR_RGB2BGR));video.release();for epoch in range(epochs):real_labels,fake_labels
2.1K10编辑于 2024-10-17 - 来自专栏科控自动化
运动控制2 基本定位应用
2、半闭环位置控制系统： 图2 半闭环位置控制系统 与开环位置伺服系统不同，半闭环位置控制系统是具有位置检测反馈的闭环控制系统。 2、中端运动控制：主要产品为S7-1500系列PLC，S7-1500PLC具有多种类型接口，可以连接不同接口的驱动装置，主要有两大类，即支持PROFIdrive通信的驱动接口（PROFINET或PROFIBUS 2、位置分辨率 这里的位置分辨率表示负载在两个运动控制循环之间行驶的距离。在实际应用程序中一般根据CPU运动控制处理的周期时间来确定位置分辨率。这对应于内插器周期和位置控制器周期。 使用“MC_Halt”运动控制指令停止轴以及利用“ MC_Power”指令的“Enable”输入引脚停止轴时，也要遵循时间片机制，轴停止也会延时1-2时间片（10-20ms）才生效。 2-20ms。
2.4K21编辑于 2022-03-29 - 来自专栏一步步开发AI运动APP
【一步步开发AI运动APP】十二、自定义扩展新运动项目2
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。 上一篇为您介绍了uni-app版运动识别插件的自定义扩展运动的基本架构、与小程序版运动识别插件的运动扩展差异，本篇我们就以双手并举为例带你来实现一个扩展运动。 一、动作姿态拆解如上图所示，这个运动主要为手部摆动动，包含2个分动作姿态，起始动作姿态1为双手垂放于左右两侧站立，结束动作姿态2双手举过头顶撑直为结束动作，完成动作2时计数加一，如此反复运动。 ', this);}pushing(fragment) {if (fragment.isNobody) {console.log('未识别到人体');return;}const human = fragment.human
21910编辑于 2025-10-09 - 来自专栏一步步开发AI运动APP
【一步步开发AI运动APP】三、在APP中引入识别插件
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。 使用的「AI运动识别插件」引擎，已托管到DCloud插件市场，为什么标准的uni-modules模块，同时支持uni-app和uni-app x两个框架。 二、登录DCloud插件市场 登录DCloud插件市场，搜索“AI运动识别”(插件ID：yz-ai-sport) 三、导入插件 点击插件详情页右侧的【购买普通授权版】或【试用】按钮，选择要调用插件的APP ，并【确认】，再点击【导入到HBuilderX】按钮将插件导入到项目中，如下图所示： 稍等一两分钟，插件成功导入到项目后，项目的uni_modules文件中会多出yz-ai-sport文件夹。
36700编辑于 2025-04-02 - 来自专栏一步一步开发AI运动小程序
十九、运动识别中如何解析RGBA帧图片？
引言 最近有不少开发者向我们咨询，像体测、赛事等应用场景中，需要保存运动过程的图像，如何将相机抽取的RGBA帧图像解析成.jpg或.png格式的图像？今天我们就为您介绍相应的解决方案。 g = buffer[offset + 1].toString(16).padStart(2, '0');let b = buffer[offset + 2].toString(16).padStart (2, '0');let a = buffer[offset + 3].toString(16).padStart(2, '0');let color = `#${r}${g}${b}${a}`;//console.log 这主要出于两个原因，一是在抽帧的同时无法调用CameraContext.takePhoto()API进行拍照; 二是由于抽帧是异步的，所以无法同步调用，可能会导致识别时机的图像与拍摄的一不致。 由于图像转换是比较消耗计算资源的，所以建议不要在抽帧时同步调用图像转换，建议先暂存要转换的帧，等运动结束是再进行转换、上传等操作。
44710编辑于 2024-07-09 - 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。 在中国食品药品检定研究院，借助EasyDL，他们打造一款中草药识别模型，用于辅助研究人员进行药品鉴定，同时方便药监局稽查执法人员在监督、抽样、执法时，快速识别药品，提高效率。 至今，该模型已实现对42种常见中草药的识别，准确率超过97.4%，训练耗时小于10分钟，单图识别速度小于50毫秒。 从去年起，百度相继宣布人脸识别接口、语音全系列接口免费政策，最近还公布了语义技术全线永久免费。至此，百度已经免费开放从感知到认知的最常用AI技术，为开发者与合作伙伴提供全栈式免费AI能力支持。 但借用AI技术，车主通过语音、文字或者图片就能发布汽车问题，而AI系统在语音识别、图像识别和语义理解的基础上，生产效率就会变得不同。 背后技术支持方，正来自百度。
85020发布于 2018-07-20 - 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。 被称为Find Your World Cup Twin的人工智能工具由挪威新闻机构VG的开发团队开发，使用由软件工程师Adam Geitgey开发的开源面部识别库作为其新工具的基础。 尽管Geitgey创建的库是在一个大数据集上进行训练的，但开发人员不得不量身定制工具来专门识别世界杯团队的照片。 对于最终的工具，VG团队还采用了来自OpenCV（开源计算机视觉库）的技术，这是一个开源数据库，其中包含2,500个针对机器学习和计算机视觉优化的免费算法。
70970发布于 2018-07-27 - 来自专栏鸿蒙开发笔记
带你玩转OpenHarmony AI：基于Seetaface2的人脸识别
人脸识别引擎在OpenAtom OpenHarmony（以下简称“OpenHarmony”）上实现人脸识别的AI能力。 如下图展示了SeetaFace2支持的应用矩阵：SeetaFace2人脸识别原理SeetaFace2人脸识别引擎搭建了一套全自动人脸识别系统所需的三个核心模块:1. SeetaFace2人脸识别的具体过程如下图所示：两步带你实现人脸识别关于SeetaFace2的如何移植到OpenHarmony移植请参照文档：SeetaFace2移植开发文档（请参考文章末尾相关文档链接 ），这里我们主要分析通过SeetaFace2如何实现人脸识别。 2. 人脸识别人脸识别和人脸注册步骤类似，都需要先检测人脸信息及提取面部特征数据。
73330编辑于 2025-04-25 - 来自专栏全栈程序员必看
用MATLAB实现对运动物体识别与跟踪
第二个MATLAB程序，对运动物体的识别与追踪。 这里我们主要运用帧差法实现运动物体与背景图像的分离，由于视频中的物体较为简单，我们只对两帧图像取帧差（也是为了提高速度） 对于运动物体的提取我们运用了MATLAB里自带的函数bwareaopen bwareaopen（src，int），src为二值图像，int为设置的联通域的大小，是对帧差法，在转化为二值的图像进行操作，结果是将大小小于设定的int的连通域置为0； 对于第一帧与第二帧图像运动物体的坐标的提取我们用了自带的 ‘内的为你所需要的属性 具体属性可以查看MATLAB的help 这里我们选用了其中的Centroid属性，返回的时连通域的质心坐标，注返回的第一个值为横坐标，第二个值为纵坐标~ 对于运动物体的追踪我们用了质心追踪 ， 在第一二三两帧的帧间差的运动物体的质心求出来后，将质心做差得到的向量预测下一帧间差运动物体可能到达的位置，接下来在对这个位置进行局部的找质心，再做差如此循环。
89520编辑于 2022-07-19
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