【一步步开发AI运动小程序】十、姿态动作相似度比较

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,重点讲解姿态动作相似度比较功能的运用,包括样本动作帧的采集和姿态相似度的计算方法,以及在组合运动中的应用实例。

随着人工智能技术的不断发展,IT大厂大厂纷纷推出相关产品,如“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。

在姿态、动作、运动检测时,采用检测规则计算器虽然非常便捷了,但是为了进一步减少开发者在运动适配中的工作量,方案还提供了一个姿态动作相似度比较功能,本篇就为您介绍此功能的运用。

一、采集样本动作帧

在进行姿态比较前,需要采集样本动作帧的人体关键点数据,采集样本帧推荐使用们的“姿态调试的辅助桌面工具”,具体使用请参考上篇工具的使用。

二、执行姿态比较

姿态相似度比较能力由calc.PoseComparer类提供。


//样本动作人体关键点
const sample = 
 [{
   y:95.41808288282594,x:214.42673274576924,score:0.51611328125,name:"nose"},
 {
   y:84.61684727250136,x:221.80983627909686,score:0.7265625,name:"left_eye"},
 {
   y:87.59059985661885,x:202.12153237356293,score:0.59130859375,name:"right_eye"},
 {
   y:92.85449529945058,x:234.93538334278358,score:0.814453125,name:"left_ear"},
 {
   y:99.07546188234281,x:188.58581196413604,score:0.6806640625,name:"right_ear"},
 {
   y:149.86859452983884,x:271.3040866650822,score:0.7246093153953552,name:"left_shoulder"},
 {
   y:162.78905492065545,x:158.09624324078422,score:0.82666015625,name:"right_shoulder"},
 {
   y:236.41516213602512,x:280.8747980656871,score:0.728515625,name:"left_elbow"},
 {
   y:246.8062369181066,x:156.3188420992395,score:0.55859375,name:"right_elbow"},
 {
   y:305.46100866896046,x:286.61722490605007,score:0.6591796875,name:"left_wrist"},
 {
   y:313.80120003234475,x:152.9006975047454,score:0.70849609375,name:"right_wrist"},
 {
   y:304.5039375289,x:251.342317172392,score:0.87646484375,name:"left_hip"},
 {
   y:303.68360752741575,x:189.6796075527766,score:0.8740234375,name:"right_hip"},
 {
   y:431.38422581120494,x:237.66987231438497,score:0.70703125,name:"left_knee"},
 {
   y:430.01698132540423,x:189.6796075527766,score:0.8017578125,name:"right_knee"},
 {
   y:529.8258287888553,x:229.19295650242066,score:0.6884765625,name:"left_ankle"},
 {
   y:534.747908937738,x:201.71134233782658,score:0.578125,name:"right_ankle"}];

//当前帧动作
const frame = 
 [{
   y:154.06250001297832,x:258.7499999883252,score:0.728515625,name:"nose"},
 {
   y:143.12500001305142,x:254.37499998835446,score:0.56298828125,name:"left_eye"},
 {
   y:143.75001908653357,x:255.937499988344,score:0.69482421875,name:"right_eye"},
 {
   y:143.984394086532,x:229.99999998851743,score:0.43115234375,name:"left_ear"}
 ,{
   y:146.17187501303107,x:236.09374998847667,score:0.4919433891773224,name:"right_ear"},
 {
   y:201.4062690861481,x:205.9375190621646,score:0.51416015625,name:"left_shoulder"},
 {
   y:202.03125001265758,x:227.96874998853102,score:0.66259765625,name:"right_shoulder"},
 {
   y:281.25001908561427,x:234.6874999884861,score:0.26416015625,name:"left_elbow"},
 {
   y:270.6250190856853,x:254.06249998835656,score:0.278076171875,name:"right_elbow"},
 {
   y:246.09376908584932,x:289.06249998812257,score:0.1997070610523224,name:"left_wrist"},
 {
   y:238.43750001241418,x:300.62499998804526,score:0.50927734375,name:"right_wrist"},
 {
   y:321.5624618648858,x:218.59376906208004,score:0.58154296875,name:"left_hip"},
 {
   y:323.43750001184594,x:224.06249998855716,score:0.5615234375,name:"right_hip"},
 {
   y:453.43750001097675,x:217.34376906208837,score:0.6103515625,name:"left_knee"},
 {
   y:455.6250000109622,x:214.06249998862396,score:0.51416015625,name:"right_knee"},
 {
   y:572.5000000101808,x:215.31249998861563,score:0.403564453125,name:"left_ankle"},
 {
   y:593.1250000100429,x:216.0937499886104,score:0.52294921875,name:"right_ankle"}];

//新建比较器,比较
 const AiSport = requirePlugin("aiSport");
 const poseComparer = new AiSport.calc.PoseComparer();
 const result = poseComparer.compare(sample, frame);
 console.log(result);

//输出结果
//{items:
//         [{key:"head",score:0.4327263684686711,summary:"头部偏转相似度"},
//          {key:"trunk",score:0.8407704975917485,summary:"躯干形态相似度"},
//          {key:"left_hand",score:0.2155245751055277,summary:"左手相似度"},
//          {key:"right_hand",score:0.21361728579451628,summary:"左手相似度"},
//          {key:"left_foot",score:0.5147016736506456,summary:"左脚相似度"},
//          {key:"right_foot",score:0.5190758118853293,summary:"右脚相似度"}],
// score:0.5110266728697409
//}

三、在组合运动中的应用

有的运动不只一个动作,比如开合跳,可以拆解成开、合两个动作,分别取样本帧,进行比较即可;如果是局部脚体动作,可以不取整体评分,可以取指定肢体相似度值进行比较。

相关文章
|
7天前
|
人工智能 自动驾驶 大数据
预告 | 阿里云邀您参加2024中国生成式AI大会上海站,马上报名
大会以“智能跃进 创造无限”为主题,设置主会场峰会、分会场研讨会及展览区,聚焦大模型、AI Infra等热点议题。阿里云智算集群产品解决方案负责人丛培岩将出席并发表《高性能智算集群设计思考与实践》主题演讲。观众报名现已开放。
|
23天前
|
存储 人工智能 弹性计算
阿里云弹性计算_加速计算专场精华概览 | 2024云栖大会回顾
2024年9月19-21日,2024云栖大会在杭州云栖小镇举行,阿里云智能集团资深技术专家、异构计算产品技术负责人王超等多位产品、技术专家,共同带来了题为《AI Infra的前沿技术与应用实践》的专场session。本次专场重点介绍了阿里云AI Infra 产品架构与技术能力,及用户如何使用阿里云灵骏产品进行AI大模型开发、训练和应用。围绕当下大模型训练和推理的技术难点,专家们分享了如何在阿里云上实现稳定、高效、经济的大模型训练,并通过多个客户案例展示了云上大模型训练的显著优势。
|
27天前
|
存储 人工智能 调度
阿里云吴结生:高性能计算持续创新,响应数据+AI时代的多元化负载需求
在数字化转型的大潮中,每家公司都在积极探索如何利用数据驱动业务增长,而AI技术的快速发展更是加速了这一进程。
|
18天前
|
并行计算 前端开发 物联网
全网首发!真·从0到1!万字长文带你入门Qwen2.5-Coder——介绍、体验、本地部署及简单微调
2024年11月12日,阿里云通义大模型团队正式开源通义千问代码模型全系列,包括6款Qwen2.5-Coder模型,每个规模包含Base和Instruct两个版本。其中32B尺寸的旗舰代码模型在多项基准评测中取得开源最佳成绩,成为全球最强开源代码模型,多项关键能力超越GPT-4o。Qwen2.5-Coder具备强大、多样和实用等优点,通过持续训练,结合源代码、文本代码混合数据及合成数据,显著提升了代码生成、推理和修复等核心任务的性能。此外,该模型还支持多种编程语言,并在人类偏好对齐方面表现出色。本文为周周的奇妙编程原创,阿里云社区首发,未经同意不得转载。
11730 12
|
12天前
|
人工智能 自然语言处理 前端开发
100个降噪蓝牙耳机免费领,用通义灵码从 0 开始打造一个完整APP
打开手机,录制下你完成的代码效果,发布到你的社交媒体,前 100 个@玺哥超Carry、@通义灵码的粉丝,可以免费获得一个降噪蓝牙耳机。
5368 14
|
19天前
|
人工智能 自然语言处理 前端开发
用通义灵码,从 0 开始打造一个完整APP,无需编程经验就可以完成
通义灵码携手科技博主@玺哥超carry 打造全网第一个完整的、面向普通人的自然语言编程教程。完全使用 AI,再配合简单易懂的方法,只要你会打字,就能真正做出一个完整的应用。本教程完全免费,而且为大家准备了 100 个降噪蓝牙耳机,送给前 100 个完成的粉丝。获奖的方式非常简单,只要你跟着教程完成第一课的内容就能获得。
9570 15
|
1月前
|
缓存 监控 Linux
Python 实时获取Linux服务器信息
Python 实时获取Linux服务器信息
|
17天前
|
人工智能 自然语言处理 前端开发
什么?!通义千问也可以在线开发应用了?!
阿里巴巴推出的通义千问,是一个超大规模语言模型,旨在高效处理信息和生成创意内容。它不仅能在创意文案、办公助理、学习助手等领域提供丰富交互体验,还支持定制化解决方案。近日,通义千问推出代码模式,基于Qwen2.5-Coder模型,用户即使不懂编程也能用自然语言生成应用,如个人简历、2048小游戏等。该模式通过预置模板和灵活的自定义选项,极大简化了应用开发过程,助力用户快速实现创意。
|
5天前
|
机器学习/深度学习 人工智能 安全
通义千问开源的QwQ模型,一个会思考的AI,百炼邀您第一时间体验
Qwen团队推出新成员QwQ-32B-Preview,专注于增强AI推理能力。通过深入探索和试验,该模型在数学和编程领域展现了卓越的理解力,但仍在学习和完善中。目前,QwQ-32B-Preview已上线阿里云百炼平台,提供免费体验。
|
13天前
|
人工智能 C++ iOS开发
ollama + qwen2.5-coder + VS Code + Continue 实现本地AI 辅助写代码
本文介绍在Apple M4 MacOS环境下搭建Ollama和qwen2.5-coder模型的过程。首先通过官网或Brew安装Ollama,然后下载qwen2.5-coder模型,可通过终端命令`ollama run qwen2.5-coder`启动模型进行测试。最后,在VS Code中安装Continue插件,并配置qwen2.5-coder模型用于代码开发辅助。
903 5