【一步步开发AI运动小程序】十三、自定义一个运动分析器,实现计时计数02

本文涉及的产品
视觉智能开放平台,分割抠图1万点
视觉智能开放平台,图像资源包5000点
视觉智能开放平台,视频资源包5000点
简介: 本文介绍如何利用“云智AI运动识别小程序插件”开发AI运动小程序,详细解析了俯卧撑动作的检测规则构建与执行流程,涵盖卧撑和撑卧两个姿态的识别规则,以及如何通过继承`sports.SportBase`类实现运动分析器,适用于小程序开发者。

随着人工智能技术的不断发展,各“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。那么,能否将这些在APP成功应用的场景搬上小程序,分享这些概念的红利呢?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官网了解详情。

一、运动分析

image.png

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,查测到卧撑撑卧的组合计数加1,便可以完成俯卧撑的检测数。

二、检测规则构建

【撑】:
如上图所示的动作1“撑”姿态,我们看到整个身体躯干绷直,双手绷直撑起,手臂与腰部夹角大约80度左右,所以我们构建出以下几个检测规则进行检测:

{
   
    name: '撑状态检查',
    calc: '$and',
    rules: [{
   
        name: '手臂垂直撑起',
        calc: '$or',
        rules: [{
   
            name: '左手臂垂直',
            calc: 'vertical',
            upperKey: 'left_shoulder',
            centerKey: 'left_elbow',
            lowerKey: 'left_wrist',
            offset: 20
        }, {
   
            name: '右手臂垂直',
            calc: 'vertical',
            upperKey: 'right_shoulder',
            centerKey: 'right_elbow',
            lowerKey: 'right_wrist',
            offset: 20
        }]
    }, {
   
        name: '手臂与腰部垂直',
        calc: '$or',
        rules: [{
   
            name: '左手臂与腰齐垂直',
            calc: 'match-angle',
            angleKey: 'left_shoulder',
            secondKey: 'left_elbow',
            thirdKey: 'left_hip',
            angle: 90,
            offset: 25
        }, {
   
            name: '右手臂与腰齐垂直',
            calc: 'match-angle',
            angleKey: 'right_shoulder',
            secondKey: 'right_elbow',
            thirdKey: 'right_hip',
            angle: 90,
            offset: 25
        }]
    }, {
   
        name: '腿部绷直',
        calc: '$or',
        rules: [{
   
            name: '左腿绷直',
            calc: 'match-angle',
            angleKey: 'left_knee',
            secondKey: 'left_ankle',
            thirdKey: 'left_hip',
            angle: 160,
            offset: 20
        }, {
   
            name: '右腿绷直',
            calc: 'match-angle',
            angleKey: 'right_knee',
            secondKey: 'right_ankle',
            thirdKey: 'rgight_hip',
            angle: 160,
            offset: 20
        }]
    }]
};

【卧】:
接下来我们继续看第二个分解动作卧,如上图所示的动作2“卧”姿态,我们看到整个身体躯干也是绷直的,手臂弯曲成约90度,胳膊与腰部齐平,所以我们构建出以下检测规则进行识别:

{
   
    name: '卧动作检查',
    calc: '$and',
    rules: [{
   
        name: '躯干卧倒状态',
        calc: 'lie',
        offset: 30
    }, {
   
        name: '手臂弯曲检查',
        calc: '$or',
        rules: [{
   
            name: '左手臂弯曲状态',
            calc: 'match-angle',
            angleKey: 'left_elbow',
            secondKey: 'left_shoulder',
            thirdKey: 'left_wrist',
            angle: 115,
            offset: 15
        }, {
   
            name: '右手臂弯曲状态',
            calc: 'match-angle',
            angleKey: 'right_elbow',
            secondKey: 'right_shoulder',
            thirdKey: 'right_wrist',
            angle: 115,
            offset: 15
        }]
    }, {
   
        name: '手臂与腰齐平查',
        calc: '$or',
        rules: [{
   
            name: '左手臂与腰齐平查',
            calc: 'match-angle',
            angleKey: 'left_shoulder',
            secondKey: 'left_elbow',
            thirdKey: 'left_hip',
            angle: 35,
            offset: 15
        }, {
   
            name: '右手臂与腰齐平查',
            calc: 'match-angle',
            angleKey: 'right_shoulder',
            secondKey: 'right_elbow',
            thirdKey: 'right_hip',
            angle: 35,
            offset: 15
        }]
    }]
}

到这,我们就把运动检测规则编写好了,规则同时考虑了左、右侧入镜的问题。

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
        if (this._calculator.calculating(body, this.rules.liePose)) {
   
            this.stateTran = 1;
            return;
        }

        //撑
        if (!this._calculator.calculating(body, this.rules.upPose) || this.stateTran !== 1)
            return;

        this.stateTran = -1;
        this.countTimes();
        this.emitTick();  //触发计数 

    }

四、后计

以上便是俯卧撑运动的分析器的适配过程,当然还可以使用姿态相似度能力进行动作识别,效率相对会更高些,详情请参考前面的相似度使用章节及API文档。

相关文章
|
9天前
|
存储 人工智能 自然语言处理
ChatMCP:基于 MCP 协议开发的 AI 聊天客户端,支持多语言和自动化安装 MCP 服务器
ChatMCP 是一款基于模型上下文协议(MCP)的 AI 聊天客户端,支持多语言和自动化安装。它能够与多种大型语言模型(LLM)如 OpenAI、Claude 和 OLLama 等进行交互,具备自动化安装 MCP 服务器、SSE 传输支持、自动选择服务器、聊天记录管理等功能。
74 15
ChatMCP:基于 MCP 协议开发的 AI 聊天客户端,支持多语言和自动化安装 MCP 服务器
|
5天前
|
人工智能 小程序 API
【一步步开发AI运动小程序】十七、如何识别用户上传视频中的人体、运动、动作、姿态?
【云智AI运动识别小程序插件】提供人体、运动、姿态检测的AI能力,支持本地原生识别,无需后台服务,具有速度快、体验好、易集成等优点。本文介绍如何使用该插件实现用户上传视频的运动识别,包括视频解码抽帧和人体识别的实现方法。
|
6天前
|
人工智能 小程序 数据处理
uni-app开发AI康复锻炼小程序,帮助肢体受伤患者康复!
近期,多家康复机构咨询AI运动识别插件是否适用于肢力运动受限患者的康复锻炼。本文介绍该插件在康复锻炼中的应用场景,包括康复运动指导、运动记录、恢复程度记录及过程监测。插件集成了人体检测、姿态识别等功能,支持微信小程序平台,使用便捷,安全可靠,帮助康复治疗更加高效精准。
|
1月前
|
小程序 前端开发 JavaScript
在线课堂+工具组件小程序uniapp移动端源码
在线课堂+工具组件小程序uniapp移动端源码
34 0
在线课堂+工具组件小程序uniapp移动端源码
|
2月前
|
移动开发 小程序 数据可视化
基于npm CLI脚手架的uniapp项目创建、运行与打包全攻略(微信小程序、H5、APP全覆盖)
基于npm CLI脚手架的uniapp项目创建、运行与打包全攻略(微信小程序、H5、APP全覆盖)
340 3
|
2月前
|
小程序 API
微信小程序更新提醒uniapp
在小程序开发中,版本更新至关重要。本方案利用 `uni-app` 的 `uni.getUpdateManager()` API 在启动时检测版本更新,提示用户并提供立即更新选项,自动下载更新内容,并在更新完成后重启小程序以应用新版本。适用于微信小程序,确保用户始终使用最新版本。以下是实现步骤: ### 实现步骤 1. **创建更新方法**:在 `App.vue` 中创建 `updateApp` 方法用于检查小程序是否有新版本。 2. **测试**:添加编译模式并选择成功状态进行模拟测试。
57 0
微信小程序更新提醒uniapp
|
4月前
|
小程序 前端开发 Java
SpringBoot+uniapp+uview打造H5+小程序+APP入门学习的聊天小项目
JavaDog Chat v1.0.0 是一款基于 SpringBoot、MybatisPlus 和 uniapp 的简易聊天软件,兼容 H5、小程序和 APP,提供丰富的注释和简洁代码,适合初学者。主要功能包括登录注册、消息发送、好友管理及群组交流。
116 0
SpringBoot+uniapp+uview打造H5+小程序+APP入门学习的聊天小项目
|
4月前
|
小程序 前端开发 JavaScript
【项目实战】SpringBoot+uniapp+uview2打造一个企业黑红名单吐槽小程序
【避坑宝】是一款企业黑红名单吐槽小程序,旨在帮助打工人群体辨别企业优劣。该平台采用SpringBoot+MybatisPlus+uniapp+uview2等技术栈构建,具备丰富的注释与简洁的代码结构,非常适合实战练习与学习。通过小程序搜索“避坑宝”即可体验。
114 0
【项目实战】SpringBoot+uniapp+uview2打造一个企业黑红名单吐槽小程序
|
4月前
|
存储 小程序 JavaScript
|
5月前
|
JavaScript Java 测试技术
基于SpringBoot+Vue+uniapp的汉服交易小程序的详细设计和实现(源码+lw+部署文档+讲解等)
基于SpringBoot+Vue+uniapp的汉服交易小程序的详细设计和实现(源码+lw+部署文档+讲解等)
70 7

热门文章

最新文章

下一篇
DataWorks