【一步步开发AI运动APP】十四、AI运动检测中,如何拍照留存图像?

简介: 本文介绍如何在AI运动APP中实现现场图像留存功能。通过「AI运动识别」插件的相机API,可在本地提取并保存运动帧的Base64图像,满足体测、赛事等场景的审核需求。同时强调隐私合规与按需抽样留存,兼顾安全与性能。

之前我们为您分享了【一步步开发AI运动小程序】开发系列博文,通过该系列博文,很多开发者开发出了很多精美的AI健身、线上运动赛事、AI学生体测、美体、康复锻炼等应用场景的AI运动小程序;为了帮助开发者继续深耕AI运动领域市场,今天开始我们将为您分享新系列【一步步开发AI运动APP】的博文,带您开发性能更强、体验更好的AI运动APP。

根据我们之前的介绍可知,本系列使用的「AI运动识别」插件在运动识别时,完全依赖于设备端算力进行动识别推理,不会将用户图像上传至后台或第三方服务;所以运动识别后是无法再获得运动时的现场图像的,但是像体测和严肃的赛事场景可能又有留存运动现场图像进行后期审核核验的需求,本篇就带您来实现这个场景需求。

一、相机提取图像相关API

「AI运动识别」插件自带的相机组件,相机操控提供了将帧解析成jpeg格式图像并保存文件或Base64编码的相关API,详情如下,请可以参考插件API文档。
115969-20251117093039034-361285107.png

1.2、ICameraContext.saveFrameToAlbum将帧数据转换成base64字符串

115969-20251117093121935-1387324099.png

二、实现留存图像代码

<template>
        <yz-ai-camera class="camera" :style="{
      width:previewWidth,height:previewHeight}" :device="cameraDevice"
            resolution="medium" @on-camera-ready="onCameraReady" />
        <yz-pose-grapher ref="grapher" class="grapher" :style="{
      width:previewWidth,height:previewHeight}"
            :scaleRate="previewRate" :offsetX="previewOffsetX" :offsetY="previewOffsetY" lineColor="#FFFFFF"
            pointColor="#0091ff" leftColor="#009d00" />
</template>
<script>
import {
    getCameraContext,createHumanDetector} from "@/uni_modules/yz-ai-sport";
export default {
    
    data(){
    
        return {
    
            previewWidth:480,
            height:640
        };
    }
    methods:{
    
        onCameraReady(){
    
            //相机就绪后获取相机操控上下文
            this.cameraContext = getCameraContext();
        },
        onDetecting(){
    
            let options = {
    
                multiple: false,
                enabledGPU: true,
                highPerformance: false
            };

            const that = this;
            humanDetector = createHumanDetector(options);
            humanDetector.startExtractAndDetect({
    
                onDetected(result){
    
                    let humans = result.humans;
                    this.$refs.grapher.drawing(humans);

                    //推送进行运动识别

                    //将帧转换成Base64
                    that.cameraContext.convertFrameToBase64({
    
                        frame:result.frame,
                        success(res){
    
                            //转换后的Base64,可以进一步上传到后台
                            console.log(res);
                        },
                        fail(err){
    
                            console.error(err);
                        }
                    });
                }
            });

        }
    }
}
</script>

三、现场图像留存功能的小建议

3.1、做好隐私合规性

根据现行的相关监管法律法规要求,实现获取用户图像的功能场景,一定要做好隐私的合规性,提前向用户声明要会获取图像数据,在获得用户明确许可的情况,相关功能才能使用,以免造成应用上架时审查不通过。

3.1、不要全程留存

为了减轻识别时的手机端计算压力、公网带宽传输、后台存储服务压力,不建议全流程留存图像,可以考虑在特定时机(如:签到、触发计数等)下,进行随机抽取的方式留存。

115969-20250421202623502-216157057.png

相关文章
|
4月前
|
人工智能 算法 小程序
AI运动识别插件-APP版新版特性速览
云智AI运动识别插件APP版1.0.6发布:新增相机直接拍照、帧图保存至临时文件功能,优化关键点追踪与跳绳算法,并推出Windows姿态调试工具,支持真机帧回放与关键点分析,提升开发调试效率。
|
5月前
|
缓存 安全 API
android studio Gradle 打包任务配置
本文详解Android Studio中AGP自动生成的Gradle打包任务机制,涵盖`build.gradle`核心配置:签名管理、多渠道构建、APK/AAB输出命名,以及CI/CD集成技巧。系统梳理打包流程,提供安全、高效、可追溯的发布实践方案。(238字)
633 0
|
5月前
|
安全 Ubuntu iOS开发
Tenable Nessus 10.11 发布 - 漏洞评估解决方案
Tenable Nessus 10.11 发布 - 漏洞评估解决方案
193 15
Tenable Nessus 10.11 发布 - 漏洞评估解决方案
|
12月前
|
人工智能 小程序 开发者
【一步步开发AI运动APP】六、运动计时计数能调用
本文章介绍了如何通过【一步步开发AI运动APP】系列博文,利用uniAPP插件开发高性能的AI运动应用。文中详细说明了创建运动分析器、进行运动分析、监听计数变化以及停止/重置分析等功能实现步骤。插件内置多种常见运动(如跳绳、俯卧撑等),支持自定义扩展,满足健身、体测等场景需求。示例代码展示了人体检测、运动计时计数及UI更新的完整流程,帮助开发者快速上手并深耕AI运动领域。
|
5月前
|
数据采集 文字识别 算法
腾讯混元&清华开源15M高质量多模态训练数据,全面开放MLLM迎来质变时刻
腾讯混元与清华推出Bee项目,首创“以数据为中心”的全栈开源方案,通过Honey-Data-15M高质量数据集、HoneyPipe数据增强管线及Bee-8B模型,显著提升全开源多模态大模型性能,缩小与闭源模型差距。
594 4
|
5月前
|
SQL 移动开发 安全
从代码到用户:陪玩系统源码搭建方案与功能一览+小程序快速上线
购买成品源码,快速上线陪玩平台。流程包括选供应商、测试演示站、确认授权与环境、部署配置及上架运营。技术栈多为PHP+uni-app,支持多端覆盖。优点是成本低、周期短、功能成熟;缺点为易同质化,定制扩展需追加投入。需重视合规、安全与第三方服务选型。
396 1
|
人工智能 小程序
【一步步开发AI运动小程序】二、引入插件
随着人工智能技术的发展,阿里体育等公司推出的“乐动力”、“天天跳绳”等AI运动APP广受欢迎。本文将引导您从零开始开发一个AI运动小程序,使用“云智AI运动识别小程序插件”。内容包括新建uni-app项目、配置插件、部署模型、安装依赖包、全局初始化和调用插件对象。
|
人工智能 vr&ar
TRELLIS:微软联合清华和中科大推出的高质量 3D 生成模型,支持局部控制和多种输出格式
TRELLIS 是由微软、清华大学和中国科学技术大学联合推出的高质量 3D 生成模型,能够根据文本或图像提示生成多样化的 3D 资产,支持多种输出格式和灵活编辑。
1198 3
TRELLIS:微软联合清华和中科大推出的高质量 3D 生成模型,支持局部控制和多种输出格式
|
存储 固态存储 测试技术
电脑性能的影响因素
电脑性能的影响因素【10月更文挑战第31天】
1120 2
网站常用术语 PV 和UV
网站常用术语 PV 和UV
1492 0