【一步步开发AI运动APP】十四、AI运动检测中,如何拍照留存图像?

简介: 本文介绍如何在AI运动APP中实现现场图像留存功能。通过「AI运动识别」插件的相机API,可在本地提取并保存运动帧的Base64图像,满足体测、赛事等场景的审核需求。同时强调隐私合规与按需抽样留存,兼顾安全与性能。

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,本篇就带您来实现这个场景需求。

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。
115969-20251117093039034-361285107.png

1.2、ICameraContext.saveFrameToAlbum将帧数据转换成base64字符串

115969-20251117093121935-1387324099.png

二、实现留存图像代码

<template>
        <yz-ai-camera class="camera" :style="{
      width:previewWidth,height:previewHeight}" :device="cameraDevice"
            resolution="medium" @on-camera-ready="onCameraReady" />
        <yz-pose-grapher ref="grapher" class="grapher" :style="{
      width:previewWidth,height:previewHeight}"
            :scaleRate="previewRate" :offsetX="previewOffsetX" :offsetY="previewOffsetY" lineColor="#FFFFFF"
            pointColor="#0091ff" leftColor="#009d00" />
</template>
<script>
import {
    getCameraContext,createHumanDetector} from "@/uni_modules/yz-ai-sport";
export default {
    
    data(){
    
        return {
    
            previewWidth:480,
            height:640
        };
    }
    methods:{
    
        onCameraReady(){
    
            //相机就绪后获取相机操控上下文
            this.cameraContext = getCameraContext();
        },
        onDetecting(){
    
            let options = {
    
                multiple: false,
                enabledGPU: true,
                highPerformance: false
            };

            const that = this;
            humanDetector = createHumanDetector(options);
            humanDetector.startExtractAndDetect({
    
                onDetected(result){
    
                    let humans = result.humans;
                    this.$refs.grapher.drawing(humans);

                    //推送进行运动识别

                    //将帧转换成Base64
                    that.cameraContext.convertFrameToBase64({
    
                        frame:result.frame,
                        success(res){
    
                            //转换后的Base64,可以进一步上传到后台
                            console.log(res);
                        },
                        fail(err){
    
                            console.error(err);
                        }
                    });
                }
            });

        }
    }
}
</script>

三、现场图像留存功能的小建议

3.1、做好隐私合规性

根据现行的相关监管法律法规要求,实现获取用户图像的功能场景,一定要做好隐私的合规性,提前向用户声明要会获取图像数据,在获得用户明确许可的情况,相关功能才能使用,以免造成应用上架时审查不通过。

3.1、不要全程留存

为了减轻识别时的手机端计算压力、公网带宽传输、后台存储服务压力,不建议全流程留存图像,可以考虑在特定时机(如:签到、触发计数等)下,进行随机抽取的方式留存。

115969-20250421202623502-216157057.png

相关文章
|
3天前
|
弹性计算 运维 搜索推荐
三翼鸟携手阿里云ECS g9i:智慧家庭场景的效能革命与未来生活新范式
三翼鸟是海尔智家旗下全球首个智慧家庭场景品牌,致力于提供覆盖衣、食、住、娱的一站式全场景解决方案。截至2025年,服务近1亿家庭,连接设备超5000万台。面对高并发、低延迟与稳定性挑战,全面升级为阿里云ECS g9i实例,实现连接能力提升40%、故障率下降90%、响应速度提升至120ms以内,成本降低20%,推动智慧家庭体验全面跃迁。
|
4天前
|
数据采集 人工智能 自然语言处理
3分钟采集134篇AI文章!深度解析如何通过云无影AgentBay实现25倍并发 + LlamaIndex智能推荐
结合阿里云无影 AgentBay 云端并发采集与 LlamaIndex 智能分析,3分钟高效抓取134篇 AI Agent 文章,实现 AI 推荐、智能问答与知识沉淀,打造从数据获取到价值提炼的完整闭环。
372 91
|
5天前
|
SQL 人工智能 自然语言处理
Geo优化SOP标准化:于磊老师的“人性化Geo”体系如何助力企业获客提效46%
随着生成式AI的普及,Geo优化(Generative Engine Optimization)已成为企业获客的新战场。然而,缺乏标准化流程(Geo优化sop)导致优化效果参差不齐。本文将深入探讨Geo专家于磊老师提出的“人性化Geo”优化体系,并展示Geo优化sop标准化如何帮助企业实现获客效率提升46%的惊人效果,为企业在AI时代构建稳定的流量护城河。
385 156
Geo优化SOP标准化:于磊老师的“人性化Geo”体系如何助力企业获客提效46%
|
4天前
|
数据采集 缓存 数据可视化
Android 无侵入式数据采集:从手动埋点到字节码插桩的演进之路
本文深入探讨Android无侵入式埋点技术,通过AOP与字节码插桩(如ASM)实现数据采集自动化,彻底解耦业务代码与埋点逻辑。涵盖页面浏览、点击事件自动追踪及注解驱动的半自动化方案,提升数据质量与研发效率,助力团队迈向高效、稳定的智能化埋点体系。(238字)
267 156
|
12天前
|
机器人 API 调度
基于 DMS Dify+Notebook+Airflow 实现 Agent 的一站式开发
本文提出“DMS Dify + Notebook + Airflow”三位一体架构,解决 Dify 在代码执行与定时调度上的局限。通过 Notebook 扩展 Python 环境,Airflow实现任务调度,构建可扩展、可运维的企业级智能 Agent 系统,提升大模型应用的工程化能力。