【一步步开发AI运动小程序】二十一、如何将AI运动项目配置持久化到后端?

简介: 本文介绍基于云智「Ai运动识别引擎」的运动配置持久化方案,旨在优化小程序或Uni APP中AI运动识别能力。通过将运动检测参数(如`Key`、`Name`、`TickMode`、`rules`或`samples`)持久化到后端,可避免因频繁调整运动参数而重新发布应用,提升用户体验。持久化数据结构支持规则和姿态样本存储,适用于关系数据库、文件或文档数据库(如MongoDB)。此外,云智还提供运动自动适配工具及「AI乐运动」产品,助力快速实现AI体育、全民健身等场景。

说明:本文所涉及的AI运动识别、计时、计数能力,都是基于云智「Ai运动识别引擎」实现。云智「Ai运动识别」插件识别引擎,可以为您的小程序或Uni APP赋于原生、本地、广覆盖、高性能的人体识别、姿态识别、10余种常见的运动计时、计数识别及自定义扩展运动识别能力。完善的文档、Demo项目,开箱即用,可以帮助您快速实现AI运动、AI体育、AI运动赛事、全民健身赛事、AI体测等应用场景的快速落地。

一、为什么要将运动配置持久化到后端?

当我们根据应用场景重新调整内置运动检测参数或者扩展了新运动项目,发布小程序、APP后,若在运行时发现运动参数不合适需要调整时,便需要重新发布小程序或者APP,这个发布过程需要耗费短则几个小时,长则一两天;不便于运营。
若将运动检测的各项参数持久化到后端,这样便可以避免因为运动调整频繁发布小程序、APP新版本,让用户获得更好的体验。

二、需要持久化的那些配置数据?

运动检测的常规参数有KeyNameTickMode,这是基本的必须的参数,剩的检测规则rules或姿态样本samples则取决于选择何种运动识别方案,若基于body-calc规则识别则持久化rules,基于相似度方案则持久化samples

三、如果实现持久化配置?

识别引擎的接口设计便考虑了规则和样本便于持久化,根据上面要持久化的数据,我们可以构建出的持久化数据结构如下:

{
    "key": "demo",
    "name": "测试运动",
    "samples": {
        "basic": {
            "keypoints": [{
                    "y": 66.0156295428602,
                    "x": 196.24999974976453,
                    "score": 0.3974609375,
                    "name": "nose"
                },
                {
                    "y": 56.99219681226278,
                    "x": 204.68749974880043,
                    "score": 0.395263671875,
                    "name": "left_eye"
                },
                {
                    "y": 56.48437477557764,
                    "x": 188.12499975069284,
                    "score": 0.353759765625,
                    "name": "right_eye"
                },
                {
                    "y": 63.867192043105675,
                    "x": 217.18751882085854,
                    "score": 0.6533203125,
                    "name": "left_ear"
                },
                {
                    "y": 60.78125454345827,
                    "x": 174.99999975219248,
                    "score": 0.49560546875,
                    "name": "right_ear"
                },
                ...
            ]
        }
    },
    "rules": {
        "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
            }]
        }]
    }
}

以上便是基本持久化结构,其它的可以根据需要添加字段,持久化到关系数据库、文件、mongodb文档数据库等都可。

除了提供AI运动识别引擎外;还可以使用运动自动适配工具快速适配运动;还有可直接在AI云上赛事、全民健身线上运动、学生体测场落地的「AI乐运动」产品。

115969-20241111101924900-1927012482.png
115969-20241111102106131-553224566.png

相关文章
|
5月前
|
人工智能 安全 API
20 万奖金池就位!Higress AI 网关开发挑战赛参赛指南
本次赛事共设三大赛题方向,参赛者可以任选一个方向参赛。本文是对每个赛题方向的参赛指南。
518 47
|
5月前
|
人工智能 运维 安全
加速智能体开发:从 Serverless 运行时到 Serverless AI 运行时
在云计算与人工智能深度融合的背景下,Serverless 技术作为云原生架构的集大成者,正加速向 AI 原生架构演进。阿里云函数计算(FC)率先提出并实践“Serverless AI 运行时”概念,通过技术创新与生态联动,为智能体(Agent)开发提供高效、安全、低成本的基础设施支持。本文从技术演进路径、核心能力及未来展望三方面解析 Serverless AI 的突破性价值。
|
5月前
|
人工智能 运维 Java
Spring AI Alibaba Admin 开源!以数据为中心的 Agent 开发平台
Spring AI Alibaba Admin 正式发布!一站式实现 Prompt 管理、动态热更新、评测集构建、自动化评估与全链路可观测,助力企业高效构建可信赖的 AI Agent 应用。开源共建,现已上线!
6513 90
|
人工智能 自然语言处理 前端开发
产品经理也能“开发”需求?淘宝信息流从需求到上线的AI端到端实践
淘宝推荐信息流业务,常年被“需求多、技术栈杂、协作慢”困扰,需求上线周期动辄一周。WaterFlow——一套 AI 驱动的端到端开发新实践,让部分需求两天内上线,甚至产品经理也能“自产自销”需求。短短数月,已落地 30+ 需求、自动生成 5.4 万行代码,大幅提升研发效率。接下来,我们将揭秘它是如何落地并改变协作模式的。
810 37
产品经理也能“开发”需求?淘宝信息流从需求到上线的AI端到端实践
|
5月前
|
人工智能 IDE 开发工具
从6人日到1人日:一次AI驱动的客户端需求开发实战
从6人日到1人日:一次AI驱动的客户端需求开发实战
从6人日到1人日:一次AI驱动的客户端需求开发实战
|
存储 缓存 负载均衡
后端开发中的性能优化策略
本文将探讨几种常见的后端性能优化策略,包括代码层面的优化、数据库查询优化、缓存机制的应用以及负载均衡的实现。通过这些方法,开发者可以显著提升系统的响应速度和处理能力,从而提供更好的用户体验。
519 6
|
JSON 自然语言处理 前端开发
【01】对APP进行语言包功能开发-APP自动识别地区ip后分配对应的语言功能复杂吗?-成熟app项目语言包功能定制开发-前端以uniapp-基于vue.js后端以laravel基于php为例项目实战-优雅草卓伊凡
【01】对APP进行语言包功能开发-APP自动识别地区ip后分配对应的语言功能复杂吗?-成熟app项目语言包功能定制开发-前端以uniapp-基于vue.js后端以laravel基于php为例项目实战-优雅草卓伊凡
643 72
【01】对APP进行语言包功能开发-APP自动识别地区ip后分配对应的语言功能复杂吗?-成熟app项目语言包功能定制开发-前端以uniapp-基于vue.js后端以laravel基于php为例项目实战-优雅草卓伊凡
|
8月前
|
人工智能 Java API
后端开发必看:零代码实现存量服务改造成MCP服务
本文介绍如何通过 **Nacos** 和 **Higress** 实现存量 Spring Boot 服务的零代码改造,使其支持 MCP 协议,供 AI Agent 调用。全程无需修改业务代码,仅通过配置完成服务注册、协议转换与工具映射,显著降低改造成本,提升服务的可集成性与智能化能力。
2302 1
|
8月前
|
前端开发 Java 数据库连接
后端开发中的错误处理实践:原则与实战
在后端开发中,错误处理是保障系统稳定性的关键。本文介绍了错误分类、响应设计、统一处理机制及日志追踪等实践方法,帮助开发者提升系统的可维护性与排障效率,做到防患于未然。
|
10月前
|
存储 消息中间件 前端开发
PHP后端与uni-app前端协同的校园圈子系统:校园社交场景的跨端开发实践
校园圈子系统校园论坛小程序采用uni-app前端框架,支持多端运行,结合PHP后端(如ThinkPHP/Laravel),实现用户认证、社交关系管理、动态发布与实时聊天功能。前端通过组件化开发和uni.request与后端交互,后端提供RESTful API处理业务逻辑并存储数据于MySQL。同时引入Redis缓存热点数据,RabbitMQ处理异步任务,优化系统性能。核心功能包括JWT身份验证、好友系统、WebSocket实时聊天及活动管理,确保高效稳定的用户体验。
554 4
PHP后端与uni-app前端协同的校园圈子系统:校园社交场景的跨端开发实践

热门文章

最新文章