- 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。
52510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。 假设在应用场景中要求人员从左往右横排站立，最多检出3人，我们则可以通过人体中的鼻子关键点(nose)进行定位，nose点的x小于屏幕宽度33%则为左,大于33%小于66%则为中,大于66%则为右，代码调整如下
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 - 来自专栏范传康的专栏
【云+社区年度征文】TinyML实践-3：牛运动姿态识别的落地实现
之前所有的依靠动物身上传感器进行姿态识别的，有一说一，应该都是经典的特征抽取，加上随机森林之类的经典算法实现的。 利用TinyML技术解决应用到畜牧业比如牛养殖的姿态识别，笔者应该是国内前几人。预测这种“革命性”技术会对AI下沉实体产业产生重大影响。 过程 目标识别状态 0：走 "walking", 1：躺 "lying", 2：站立 "standing", 3：采食 "feed" 数据预处理 [image.png] 数据预处理就是将一条采集记录 样本数据 [image.png] 对比不同运动状态标签的acc_data曲线模式，可以直观的感受不同。这个分类问题可以用CNN模型来处理，也可以用LSTM来处理。 后续探索方向 1）状态标签分布不平衡的处理 2）尝试不同的序列长度（seq=32,64, 128) 3）尝试对输入tensor做优化（float32 -> int16），可以节省写RAM空间
1.5K91发布于 2020-12-11 - 来自专栏ISP图像处理相关
3D降噪_运动估计块运动匹配
3D降噪_运动估计块运动匹配 运动估计 运动估计是视频去噪技术的重要组成之一，计算相邻两帧视频序列各像素的相对运动偏移量，从而得到其运动轨迹。 运动估计的目的就是需要找到该点在这两帧中的运动向量（x-i, y-j/）。 在寻找视频序列中两顿图像各像素之间的运动向量时，往往需要确定其整体、局部或者特征的对应关系，即得到图像像素之间的匹配关系，因而图像匹配是运动估计的核心内容。 块运动匹配 块运动匹配是当前数字图像处理领域中应用最广泛的一种运动估计方法。 以块为单位匹配，块内部的所有像素具有统一的运动向量。
1.1K20编辑于 2022-01-14 - 来自专栏Pou光明
3_机械臂运动学之刚体的运动
自由刚体的自由度 在三维空间中,含有 N 个质点的自由质点系的自由度为3N．但具有N个质点的刚体,其自由度却远远取不到这个值,因为这些质点彼此的距离必须保持不变,刚体的自由度应该是3N减去独立的关于相对位置的约束关系 如图2.1.1(a)所示,先选取刚体内部任意三个不共线的质点,如上一段分析,这三个质点构成的小体系的自由度为6.然后再选取刚体内其他的任一质点加入该小体系,见图2.1.1(b)．新增的质点一方面增加了３个自由度 (1)平动:当刚体运动时,其上的所有质点具有相同的速度和加速度,以其中一个质点的运动就可以表征整个刚体的运动,因而自由度是３; (2)定轴转动:当刚体运动时,刚体上有两个质点保持位置不变,由于其余质点与这两个质点的距离要保持不变 ,可能的运动只能是以两个质点所在直线为轴,做自由度为１的转动; (3)平面平行运动:当刚体运动时,刚体上任一点始终处于同一平面内,有两个平动自由度和一个转动自由度,总自由度为３; (4)定点转动:当刚体运动时 ,刚体上有一点保持位置不变,增加了三个约束关系,因而自由度由一般情形的６减少为３; (5)一般运动:刚体不受任何附加约束,自由度６． 2.1.2 刚体运动的欧拉定理 1.
60910编辑于 2024-01-23 - 来自专栏张国平_玩转树莓派
树莓派综合项目3：AI视觉机械臂小车（三）基本运动
一、介绍 树莓派综合项目3：AI视觉机械臂小车（一）蜂鸣器 树莓派综合项目3：AI视觉机械臂小车（二）轻触按键 本实验将实现履带车的基本运动，前进、后退、左转、右转。 GPIO.output(BIN1,False) time.sleep(t_time) try: while True: t_up(50,3) t_down(50,3) t_left(50,3) t_right(50,3) t_stop(3) except KeyboardInterrupt : GPIO.cleanup() 第3步：使用GPIO Zero库来重新编写程序，程序更简洁，语句更容易阅读和理解，基本不用注释就能明白语句的含义。 # 0.5即为占空比50的速度 t_down(0.5,3) t_left(0.5,3) t_right(0.5,3) t_stop(3
2.2K41发布于 2021-05-17 - 来自专栏python3
【Sensors】运动传感器（3）
在第一种情况下，您正在监视相对于设备参考帧或应用程序参考帧的运动; 在第二种情况下，您正在监视相对于世界参照系的运动。 如果你想尝试这些传感器，你可以通过使用getVendor()方法和getVersion()方法（供应商是Google LLC;版本号是3）。 根据供应商和版本号识别这些传感器是必要的，因为Android系统认为这三个传感器是辅助传感器。例如，如果设备制造商提供自己的重力传感器，则AOSP重力传感器将显示为次要重力传感器。 sinThetaOverTwo * axisY; deltaRotationVector[2] = sinThetaOverTwo * axisZ; deltaRotationVector[3] gyroscope_event.values[0]会接近 uncalibrated_gyroscope_event.values[0] - uncalibrated_gyroscope_event.values[3]
2.7K20发布于 2020-01-14 - 来自专栏科控自动化
运动控制3 Gear同步应用
3、简化了机械结构，高速运行时有效降低机械振动，并且可以通过软件算法实现振动抑制和负荷平衡等功能。 ，图3所示为同步轴工艺对象的基本操作原理： 图3 同步轴工艺对象的基本操作原理 如图3所示，在对工艺对象完成相应组态后，需要通过编写用户程序调用相关的运动控制指令实现引导轴与跟随轴的同步运行。 同步操作过程按以下阶段实现：等待同步（跟随轴等待同步运动的开始条件）、建立同步（跟随轴将与主值进行同步）、同步运动（跟随轴按照同步操作功能跟随引导轴的位置）、结束同步（超驰同步操作，主动同步操作会被跟随轴上的运动控制工作 通过“MC_MoveSuperimposed 作业，可将从值与相对定位运动叠加，而无需考虑引导轴的运动。 通过运动控制指令“MC_SynchronizedMotionSimulation”，可在仿真中对激活的同步操作进行仿真。此时引导轴应停止。同步运动仿真仅影响跟随轴的同步运动。
2.8K31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】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Unity3d程序开发
unity3d：运动残影
sampler2D _MainTex; half4 _GhostColor; int _Pow; struct Input { float3 viewDir; float2 uv_MainTex; }; fixed4 LightingUnlit(SurfaceOutput s, fixed3 lightDir, fixed (Input IN, inout SurfaceOutput o) { half4 c = tex2D (_MainTex, IN.uv_MainTex); float3 Shader.Find("Custom/GhostOnly_Transparent"); } private float lastTime = 0; private Vector3 lastPos = Vector3.zero; void Update() { //人物有位移才创建残影 if (lastPos == this.transform.position
50930编辑于 2023-08-24 - 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。 RGBA图像为一维数组，每四个元素描写一个图像像素，前三元素为颜色值，第四个元素为透明度值，按列扫描顺序分布，如下图所示，为一个宽2px、高3px的结果，如下图所示：二、相关API。 ).padStart(2, '0');let b = buffer[offset + 2].toString(16).padStart(2, '0');let a = buffer[offset + 3] 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AIoT技术交流、分享
Python+OpenCV实现AI人脸识别身份认证系统(3)—训练人脸识别模型
目录 案例引入 本节项目 ---- 最近有小伙伴们一直在催本项目的进度，好吧，今晚熬夜加班编写，在上一节中，实现了人脸数据的采集，在本节中将对采集的人脸数据进行训练，生成识别模型。
3.1K30发布于 2021-01-20 - 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。 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。 理解与交互技术UNIT方面，用户可免费享用3个Bot(账号)、每个Bot 40个QPS永久免费的配额，如有特殊需求，用户可在百度AI开放平台官网申请，专业客服将提供1对1的支持服务。 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
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