【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
|
6月前
|
人工智能 小程序 前端开发
一个小程序轻量AR体感游戏,开发实现解决方案
针对青少年运动兴趣不足问题,AR体感游戏凭借沉浸式互动体验脱颖而出。结合小程序“AI运动识别”插件与WebGL渲染技术,可实现无需外设的轻量化AR健身游戏,如跳糕、切水果等,兼具趣味性与锻炼效果,适用于儿童健身及职工团建,即开即玩,低门槛高参与。
|
6月前
|
移动开发 小程序 前端开发
小程序开发平台有哪些?哪个好
小程序的开发方式丰富多元,开发团队可根据自身的技术背景、项目具体需求以及资源状况,灵活挑选最为适宜的开发路径。以下将详细介绍几种主流的小程序开发方式。
586 1
|
6月前
|
运维 小程序 数据可视化
小程序开发平台有哪些?SaaS小程序制作平台哪个好
小程序开发模式详解:自主开发、SaaS小程序制作平台与外包全对比 选择合适的小程序开发模式,是项目成功的基石。这三种模式在成本、周期、控制力和灵活性上各有千秋,适用于不同阶段和不同类型的企业。下面我们将逐一深入剖析。
513 8
|
6月前
|
消息中间件 人工智能 安全
云原生进化论:加速构建 AI 应用
本文将和大家分享过去一年在支持企业构建 AI 应用过程的一些实践和思考。
1520 62
|
7月前
|
人工智能 安全 中间件
阿里云 AI 中间件重磅发布,打通 AI 应用落地“最后一公里”
9 月 26 日,2025 云栖大会 AI 中间件:AI 时代的中间件技术演进与创新实践论坛上,阿里云智能集团资深技术专家林清山发表主题演讲《未来已来:下一代 AI 中间件重磅发布,解锁 AI 应用架构新范式》,重磅发布阿里云 AI 中间件,提供面向分布式多 Agent 架构的基座,包括:AgentScope-Java(兼容 Spring AI Alibaba 生态),AI MQ(基于Apache RocketMQ 的 AI 能力升级),AI 网关 Higress,AI 注册与配置中心 Nacos,以及覆盖模型与算力的 AI 可观测体系。
1397 69
|
6月前
|
人工智能 运维 Kubernetes
Serverless 应用引擎 SAE:为传统应用托底,为 AI 创新加速
在容器技术持续演进与 AI 全面爆发的当下,企业既要稳健托管传统业务,又要高效落地 AI 创新,如何在复杂的基础设施与频繁的版本变化中保持敏捷、稳定与低成本,成了所有技术团队的共同挑战。阿里云 Serverless 应用引擎(SAE)正是为应对这一时代挑战而生的破局者,SAE 以“免运维、强稳定、极致降本”为核心,通过一站式的应用级托管能力,同时支撑传统应用与 AI 应用,让企业把更多精力投入到业务创新。
684 31
|
6月前
|
设计模式 人工智能 自然语言处理
3个月圈粉百万,这个AI应用在海外火了
不知道大家还记不记得,我之前推荐过一个叫 Agnes 的 AI 应用,也是当时在 WAIC 了解到的。
691 2
|
6月前
|
存储 人工智能 NoSQL
AI大模型应用实践 八:如何通过RAG数据库实现大模型的私有化定制与优化
RAG技术通过融合外部知识库与大模型,实现知识动态更新与私有化定制,解决大模型知识固化、幻觉及数据安全难题。本文详解RAG原理、数据库选型(向量库、图库、知识图谱、混合架构)及应用场景,助力企业高效构建安全、可解释的智能系统。

热门文章

最新文章