健身应用越来越重视动作指导和运动过程分析。传统健身 APP 通常通过视频或图文告诉用户应该如何完成动作,但用户在实际训练时,很难判断自己的姿势是否标准。
HarmonyOS 7 Core Vision Kit 提供骨骼点检测能力,可以从图片中提取人体关键骨骼点,为运动姿态分析提供基础数据。这次以一个居家健身 APP 为例,实现深蹲动作的骨骼点检测和姿态展示。
首先,需要导入骨骼点检测模块:
import { skeletonDetection, visionBase } from '@kit.CoreVisionKit';用户选择一张包含完整人体的图片后,应用将其转换为 PixelMap,并构造视觉请求:
async detectSkeleton(pixelMap: PixelMap) {
const request: visionBase.Request = {
inputData: {
pixelMap: pixelMap
}
};
const detector =
await skeletonDetection.SkeletonDetector.create();
try {
const result = await detector.process(request);
return result;
} finally {
await detector.destroy();
}
}得到骨骼点检测结果后,可以根据返回的关键点信息进行解析,并在图片上绘制人体骨架。比如,可以将肩部、髋部、膝部和脚踝等关键位置连接起来,形成简化的人体姿态示意图。
对于深蹲动作,比较重要的是观察髋部、膝部和踝部之间的相对位置关系。开发者可以利用骨骼点坐标计算相关关节角度,进一步分析用户的动作状态。
例如,三点夹角可以通过向量计算获得:
function calculateAngle(
ax: number, ay: number,
bx: number, by: number,
cx: number, cy: number
): number {
const v1x = ax - bx;
const v1y = ay - by;
const v2x = cx - bx;
const v2y = cy - by;
const dot = v1x * v2x + v1y * v2y;
const len1 = Math.sqrt(v1x * v1x + v1y * v1y);
const len2 = Math.sqrt(v2x * v2x + v2y * v2y);
if (len1 === 0 || len2 === 0) {
return 0;
}
const cos = Math.max(-1, Math.min(1, dot / (len1 * len2)));
return Math.acos(cos) * 180 / Math.PI;
}这个函数可以用于计算三个关键点构成的夹角。实际使用时,需要根据检测结果中的关键点坐标进行映射,并正确处理图片缩放和坐标方向。
需要注意的是,单张图片只能反映一个时间点的姿态,无法完整判断连续动作是否标准。因此,如果要实现真正的健身动作分析,还需要结合连续视频帧或多次图片采样,分析动作过程中的姿态变化。
此外,人体骨骼点检测结果也会受到拍摄角度、衣物遮挡、光线和人体是否完整入镜等因素影响。应用不应该仅凭一次检测就给出绝对化的动作评价。
在测试时,可以准备站立、深蹲和弯腰等不同姿势的图片,检查关键点提取情况,并验证关节角度计算是否合理。
通过骨骼点检测,健身 APP 可以获得人体姿态分析的基础数据,为动作指导、训练记录和运动反馈提供新的技术入口。
暂无评论数据
发布
相关推荐
24
0
32
0
20
0
198
0飞飞碟
我还没有写个人简介......
帖子
提问
粉丝
HarmonyOS 7 多目标识别进阶:为智能家居 APP 增加室内物品识别能力
2026-11-12 13:03:36 发布我用自然语言处理给笔记自动打标签,发现先把文本拆明白很重要#向光而行 码向未来
2026-10-22 20:06:54 发布



京公网安备:11010502051901号