HarmonyOS鸿蒙Next骨骼点检测技术详解:探索机器识别人体动作的奥秘

HarmonyOS鸿蒙Next骨骼点检测技术详解:探索机器识别人体动作的奥秘 随着人工智能技术的持续进步,机器不仅能听懂人类语言,识别图片内容,还能通过对人体动作的精准捕捉来实现有效的人体行为监测。这项技术主要集中在智能视频监控,病人监护系统,人机交互,虚拟现实,人体动画,智能家居,智能安防,运动员辅助训练等领域。那么机器是如何识别人体动作的呢?我们可以通过学习HarmonyOS SDK基础视觉服务(Core Vision Kit)提供的骨骼点检测能力(Skeleton Detection)来进行探索。

人体骨骼点检测,主要是检测人体的一些关键点,当前,基础视觉服务的骨骼检测技术可支持17个关键点的识别,具体为鼻子,左右眼,左右耳,左右肩,左右肘、左右手腕、左右髋、左右膝、左右脚踝。

系统可以通过检测出的关键点描述人体的骨骼信息,并基于骨骼点信息对人体姿势进行估计,从而识别人体的姿势和动作,比如站立、蹲下、跑步等。骨骼点检测技术除了能实现对人体行为的监控,还可以应用于游戏娱乐领域,通过对人体骨骼点的检测捕捉人体动作姿态,并应用于虚拟模型中,使模型可以活动起来。

开发者可以通过集成HarmonyOS SDK基础视觉服务提供的API来调用骨骼检测功能,具体步骤如下:

  1. 在使用骨骼点检测时,将实现骨骼点检测相关的类添加至工程。
import { skeletonDetection, visionBase } from '@kit.CoreVisionKit';
import { BusinessError } from '@kit.BasicServicesKit';
  1. 简单配置页面的布局,并在Button组件添加点击事件,拉起图库,选择图片。
Button('选择图片')
  .type(ButtonType.Capsule)
  .fontColor(Color.White)
  .alignSelf(ItemAlign.Center)
  .width('80%')
  .margin(10)
  .onClick(() => {
    // 拉起图库,获取图片资源
    this.selectImage();
  })
  1. 通过图库获取图片资源,将图片转换为PixelMap。
private async selectImage() {
  let uri = await this.openPhoto()
  if (uri === undefined) {
    hilog.error(0x0000, 'skeletonDetectSample', "Failed to defined uri.");
  }
  this.loadImage(uri)
}

private openPhoto(): Promise<string> {
  return new Promise<string>((resolve, reject) => {
    let photoPicker: photoAccessHelper.PhotoViewPicker = new photoAccessHelper.PhotoViewPicker();
    photoPicker.select({
      MIMEType: photoAccessHelper.PhotoViewMIMETypes.IMAGE_TYPE, maxSelectNumber: 1
    }).then(res => {
      resolve(res.photoUris[0])
    }).catch(err => {
      hilog.error(0x0000, 'skeletonDetectSample', `Failed to get photo image uri. code:${err.code},message:${err.message}`);
      reject('')
    })
  })
}

private loadImage(name: string) {
  setTimeout(async () => {
    let fileSource = await fileIo.open(name, fileIo.OpenMode.READ_ONLY);
    this.imageSource = image.createImageSource(fileSource.fd);
    this.chooseImage = await this.imageSource.createPixelMap();
  }, 100)
}
  1. 实例化Request对象,并传入待检测图片的PixelMap,实现骨骼点检测功能。
// 调用骨骼点识别接口
let request: visionBase.Request = {
inputData: { pixelMap: this.chooseImage, }
};
let data: skeletonDetection.SkeletonDetectionResponse = await (await 
skeletonDetection.SkeletonDetector.create()).process(request);
  1. (可选)如果需要将结果展示在界面上,可以用下列代码。
let data: skeletonDetection.SkeletonDetectionResponse = await (await skeletonDetection.SkeletonDetector.create()).process(request);
let poseJson = JSON.stringify(data);
hilog.info(0x0000, 'skeletonDetectSample', `Succeeded in face detect:${poseJson}`);
this.dataValues = poseJson;

了解更多详情>>

访问 基础视觉服务联盟官网

获取 骨骼点检测能力的开发指导文档


更多关于HarmonyOS鸿蒙Next骨骼点检测技术详解:探索机器识别人体动作的奥秘的实战教程也可以访问 https://www.itying.com/category-93-b0.html

2 回复

HarmonyOS鸿蒙Next的骨骼点检测技术是一种基于深度学习的计算机视觉技术,主要用于识别人体动作。该技术通过分析图像或视频中的人体关键点(如关节、头部、手部等),构建出人体的骨骼结构,从而实现对动作的精确识别。

骨骼点检测技术的核心是使用神经网络模型,如卷积神经网络(CNN)或图卷积网络(GCN),来提取图像中的人体特征。这些模型经过大量标注数据的训练,能够准确地定位人体的关键点,并生成骨骼结构。鸿蒙Next在此基础上进行了优化,提升了检测的精度和速度。

在鸿蒙Next中,骨骼点检测技术可以应用于多个场景,如健身指导、动作捕捉、虚拟现实等。例如,在健身应用中,系统可以通过检测用户的骨骼点,实时分析其动作是否标准,并提供反馈。在虚拟现实中,骨骼点检测技术可以用于捕捉用户的动作,实现更自然的交互体验。

鸿蒙Next的骨骼点检测技术还支持多设备协同,能够在不同设备之间共享检测结果,提升系统的整体性能。此外,该技术还具备一定的鲁棒性,能够在复杂背景、遮挡等情况下保持较高的检测精度。

总的来说,HarmonyOS鸿蒙Next的骨骼点检测技术通过深度学习模型,实现了对人体动作的精确识别,并在多个应用场景中展现了其强大的功能。

更多关于HarmonyOS鸿蒙Next骨骼点检测技术详解:探索机器识别人体动作的奥秘的实战系列教程也可以访问 https://www.itying.com/category-93-b0.html


HarmonyOS鸿蒙Next的骨骼点检测技术基于深度学习和计算机视觉算法,通过摄像头捕捉人体关键点(如关节、头部等)的位置,构建人体骨骼模型。该技术利用神经网络对图像进行实时分析,精准定位并追踪人体动作,支持多场景应用,如健身指导、虚拟试衣等。其核心优势在于高效的计算能力和低延迟,确保在复杂环境下仍能保持高精度和稳定性。

回到顶部