- 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。 ，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AIoT技术交流、分享
Python+OpenCV实现AI人脸识别身份认证系统(4)—人脸识别
本篇博文是Python+OpenCV实现AI人脸识别身份认证系统的收官之作，在人脸识别原理到数据采集、存储和训练识别模型基础上，实现人脸识别，废话少说，上效果图： ? 案例引入 在Python+OpenCV实现AI人脸识别身份认证系统(3)——训练人脸识别模型中主要讲述神经网络模型的训练过程，使用OpenCV模块中的LBPH（LOCAL BINARY PATTERNS HISTOGRAMS）人脸识别器算法（cv2.face.LBPHFaceRecogni zer_create()方法实现），训练生成“.yml”后缀的模型文件。 人脸识别的过程也非常简单，通过使用OpenCV模块读取“.yml”后缀的识别模型文件，实现人脸识别。 示例代码如下所示：
4.2K30发布于 2021-01-20 - 来自专栏科控自动化
运动控制4.CAM同步应用
VDI指南2143中定义了16种可能的运动过渡选择（图4），并给出了不同过渡转换可能适用的运动转变的过渡曲线（图5）。 图4 VDI 2143基于连续分段的运动过渡选择 图5 VDI 2143适用于可能的运动转变的运动定律 有关“LCamHdl”库的更多信息，请参见西门子工业在线支持网站的条目 ID 105644659 跟随轴的运动起点根据所选的同步模式进行定义。 随后同步，设置参数“MC_CamIn.SyncProfileReference”= 3时，设置参数使用主值距离与特定同步位置同步和“MC_CamIn.SyncProfileReference”= 4时， ” = 5 时，将在活动凸轮结束运动时以新的缩放比例更改另一个凸轮或当前凸轮。
4.6K31编辑于 2022-03-29 - 来自专栏新智元
4分钟视频讲解DeepMind论文：AI在复杂环境中学习运动
这篇4分钟的视频论文解析很好地讲解了论文的大意，特推荐给读者。 具体来说，我们在不同环境环境下训练智能体，发现这样可以增强智能体的稳健行为，使其在一系列任务中表现良好。 我们在此展示这种运动原则，这些行为以奖励敏感性高闻名。我们使用基于前向传播的简单奖励函数，在多种具挑战性的地形和障碍物上训练几个虚拟人物。 这是 Humanoid 根据周围地形运动的一系列延时图像。 原文地址：http://blog.floydhub.com/coding-the-history-of-deep-learning/
1.1K50发布于 2018-03-22 - 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。 r}${g}${b}${a}`;//console.log(color, offset);gl.fillStyle = color;gl.fillRect(x, y, 1, 1);offset += 4; 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。 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。 今年4月，百度上线了PaddlePaddle公开课，以提供丰富的深度学习课程资源，在线帮助开发者从零开始掌握PaddlePaddle深度学习框架。 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。
70970发布于 2018-07-27 - 来自专栏逆向与安全
一张A4纸攻破某AI人脸识别产品
图3-4 四、攻击流程分析 4.1、攻击方案尝试 第一次尝试是在手机中打开一张静态照片来模拟攻击，AI能识别出图片中的人脸，但是被检测出不是真人，“人脸验证失败”,结果如图4-1所示： ? 图 4-1 第二次尝，通过第一次的尝试后我想应该是AI有检测人脸是否有动态的特征我再次将一个视频放在手机中播放来欺骗AI，但是最终还是没有成功。 经过两次尝试后，还是不能过掉AI活体检测，我最终决定分析APP识别人脸的整个过程和逻辑，是否能反向推导出识别模型，然后再构造出一张对抗性图像或视频数据来达到攻击模型的目的。 图4-6 这种方式是不改变目标AI学习系统的情况下，通过构造特定输入样本以完成欺骗目标系统的攻击。我用一张A4纸打印了一张非真人脸图做测试，在没有真人脸的情况下成功通过验证。 在构造对抗性数据的过程中，攻击者并不知道AI所使用的算法和参数，但攻击者仍能与AI系统有所交互，比如可以通过传入任意输入观察输出，判断输出。或者攻击者可以通过逆向分析推导掌握AI模型参数信息。
2.1K20发布于 2021-08-05 - 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 ， 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。 figure; hold on; imshow(result); end 追踪效果： 时间： 注（画框函数引用网上现有的） 可能是matlab问题，这段视频为4K 结果是还是太慢，而且不能预读取，好像用这个无法实时，可能与图片为4k也有点关系有点伤 发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/108746.html原文链接：
89520编辑于 2022-07-19 - 来自专栏FreeBuf
CovertBand：连“啪啪啪”都能识别的身体运动信息测试
Allen计算机学院通过研究，实现了一种基于声纳并名为CovertBand的测试，通过该测试，可以对特定范围和有隔离屏障内目标人物的位置及身体运动信息进行捕捉，进而推断出目标人物的当前身体运动状况，甚至连 ”啪啪啪”运动也能被识别！ 在提倡数据安全和隐私保护的今天，该项研究试图证明，在毫不知情的前提下，你的身体运动动信息可能正被测试者能通过智能设备进行窃取。 测试目的 身体行为检测跟踪 身体活动判断识别 对智能设备的扩展测试 跨障碍感知（该测试可以跨越门、窗、墙壁等屏障物隔离） 对未知目标物体的活动信息感知 测试模型设计 CovertBand支持两种测试模型 随后的直线运动测试显示，测试者可以在卧室木门外跟踪感知目标对象在房间内的直线行走行动，最终感知结果误差仅为18厘米，甚至更复杂的运动中，感知误差也小于25厘米，而在家中外门进行测试，其感知误差为30厘米左右
1.2K110发布于 2018-03-01 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。 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 ，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。 运动识别插件升级到最新版本，并为纯血鸿蒙版本的用户开启增强模式。
39810编辑于 2025-11-24
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