【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
|
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。
1953 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
|
5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。
1163 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
|
5月前
|
人工智能 测试技术 项目管理
测试不再碎片化:AI智能体平台「项目资料套件」功能上线!
在实际项目中,需求文档分散、整理费时、测试遗漏等问题常困扰测试工作。霍格沃兹推出AI智能体测试平台全新功能——项目资料套件,可将多个关联文档打包管理,并一键生成测试用例,提升测试完整性与效率。支持套件创建、文档关联、编辑删除及用例生成,适用于复杂项目、版本迭代等场景,助力实现智能化测试协作,让测试更高效、更专业。
|
6月前
|
人工智能 IDE 开发工具
通义灵码 AI IDE使用体验(3)项目优化及bug修复
本文介绍了使用通义灵码 AI IDE进行项目重构与优化的全过程,涵盖页面调整、UI更新、功能修复等内容,并展示了多次优化后的成果与仍存在的问题。
518 0
|
5月前
|
人工智能 关系型数据库 数据库
公募REITs专属AI多智能体查询分析项目
公募REITs专属AI多智能体查询分析项目。本项目是基于 OpenAI Agent 框架的多智能体项目,提供二级市场数据查询分析、招募说明书内容检索、公告信息检索、政策检索等多板块查询服务。支持图标绘制、文件生成。
公募REITs专属AI多智能体查询分析项目
|
4月前
|
人工智能 小程序 搜索推荐
【一步步开发AI运动APP】十二、自定义扩展新运动项目2
本文介绍如何基于uni-app运动识别插件实现“双手并举”自定义扩展运动,涵盖动作拆解、姿态检测规则构建及运动分析器代码实现,助力开发者打造个性化AI运动APP。
|
6月前
|
传感器 人工智能 自然语言处理
当AI学会跑跳抓:来云栖大会,参加一场“具身智能运动会”
一副AI眼镜帮你实时智能识别、一只机器狗陪你跑跨栏、一条机械臂听你指挥、一场与机器人的点球大战——这可不是科幻电影,这是2025云栖大会即将上演的现实。
302 8
|
5月前
|
人工智能 小程序 开发者
【一步步开发AI运动APP】十一、同时检测识别多人运动,分别进行运动计时计数
本文介绍了如何开发支持多人运动检测的AI运动APP,涵盖多人人体检测、定位及运动分析实现方法,助力开发者打造高性能AI运动应用。
|
6月前
|
人工智能 自然语言处理 负载均衡
排期延误预警:用AI预测项目风险的3层模型搭建教程
本文介绍了如何通过 AI 智能排期将项目排期误差减少 40% 以上。文章剖析了传统排期中常见的经验依赖、资源冲突、需求变更和进度滞后四大痛点,提出 AI 排期的三步落地方法:历史数据建模、动态适配需求、资源智能匹配,并推荐适配不同团队的 AI 排期工具。强调 AI 是辅助而非替代,核心在于用数据驱动提升排期准确性,帮助团队告别“拍脑袋估期”,实现高效、可控的项目管理。
排期延误预警:用AI预测项目风险的3层模型搭建教程

热门文章

最新文章