【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
|
9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。
687 71
|
9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。
|
9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!
8276 122
|
10月前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
本文讲解 Prompt 基本概念与 10 个优化技巧,结合学术分析 AI 应用的需求分析、设计方案,介绍 Spring AI 中 ChatClient 及 Advisors 的使用。
2866 134
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
|
10月前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段三:自定义 Advisor 与结构化输出实现以及对话记忆持久化开发
本文介绍如何在Spring AI中自定义Advisor实现日志记录、结构化输出、对话记忆持久化及多模态开发,结合阿里云灵积模型Qwen-Plus,提升AI应用的可维护性与功能性。
1968 125
AI 超级智能体全栈项目阶段三:自定义 Advisor 与结构化输出实现以及对话记忆持久化开发
|
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。
1470 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
|
9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
|
9月前
|
人工智能 小程序 开发者
【一步步开发AI运动APP】十二、自定义扩展新运动项目03
继【一步步开发AI运动小程序】后,我们推出新系列【一步步开发AI运动APP】,助开发者打造高性能、优体验的AI运动应用。本文详解自定义扩展运动分析器的统一管理实现,提升代码复用性与可维护性,涵盖APP与小程序插件差异及完整代码示例,助力AI运动场景深度拓展。
|
9月前
|
人工智能 Java 测试技术
【556AI】(一)IntelliJ IDEA全流程AI设计开发平台
556AI支持IDEA、PHPSTORM、PYCHARM最新版 AI平台定位是开发大型软件项目,大型软件项目代码AI生成引擎,OA/ERP/MES 百万行代码一次性AI生成 支持axure原型导入预览,集成AI软件设计/AI软件开发/AI软件测试整个流程 支持 若依 JEECG SmartAdmin THINKPHP Django等多种JAVA/PHP/python框架 实现了java php python 的统一增强行调试方式 可以链接多个AI大模型,进行AI生成代码
1016 8

热门文章

最新文章