【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

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。

一、应用场景

在赛事活动多人PK对战、学生体测教学、运动角设备等开发应用场景中，经常存在需要同时检测多人运动需求；此需求在AI小程序时受限于小程序的运行环境，一直无法实现。而且APP版插件因为是原生执行环境，检测分析性能得以大幅提升，已可以实现同时检测多人姿态和运动能力了。

二、方案实现

根据下面的AI运动分析的流程图所示，要实现同时多人运动分析能力，须先实现多人的人体姿态检测，再将检出的多人人体结果，分别推送到不同的运动分析器实例，即可实现多人运动检测分析。

三、调用多人人体检测能力

详细的人体检测人体调用，请参考本系列第五章，将multiple选项参数设为true即可调用插件的多人人体检测能力，代码如下所示：

import {createHumanDetector} from "@/uni_modules/yz-ai-sport";export default {	data(){		return {};	}	methods:{		onDetecting(){			let options = {				multiple: true, //启用多人检测				enabledGPU: true,				highPerformance: false			};			const that = this;			humanDetector = createHumanDetector(options);			humanDetector.startExtractAndDetect({				onDetected(result){					let humans = result.humans; //注意：多人人体结构不是每次按顺序输出，且不能保证每次都能检出3人					that.$refs.grapher.drawing(humans);				}			});		}	}}

但是上面的代码仅仅只能检出图像中多人人体结果，还无法实现定位人员，提取那个站在中间、左边、右边，所以在获得检出结果后，还需要对人体结果进行定位处理。假设在应用场景中要求人员从左往右横排站立，最多检出3人，我们则可以通过人体中的鼻子关键点(nose)进行定位，nose点的x小于屏幕宽度33%则为左,大于33%小于66%则为中,大于66%则为右，代码调整如下：

import {createHumanDetector} from "@/uni_modules/yz-ai-sport";export default {	data(){		return {};	}	methods:{		locateHuamn(humans, begin, end) {			if (!Array.isArray(humans))				return;			//页面为横屏状态，受检测人员从左往右站立			//横向将屏幕图像区域平均分配，按区域提取人员			const that = this;			let loc = humans.find(hu => {				let nose = hu.keypoints.find(x => x.name == 'nose');				if (!nose)					return false;				//人体结构中的坐标为相机图像中的坐标，计算出在屏幕中的渲染坐标				let x = nose.x * that.previewRate + that.previewOffsetX;				if (x <= that.previewWidth * begin)					return false;				if (end && x > that.previewWidth * end)					return false;				return true;			});			return loc;		},		onDetecting(){			let options = {				multiple: true, //启用多人检测				enabledGPU: true,				highPerformance: false			};						const that = this;			humanDetector = createHumanDetector(options);			humanDetector.startExtractAndDetect({				onDetected(result){					let humans = result.humans; //注意：多人人体结构不是每次按顺序输出										if (humans.length < 1) {					that.$refs.grapher.clear();					return;				}				that.$refs.grapher.drawing(humans);				//以nose.x进行人体定位为左、中、右				let leftHuman = that.locateHuamn(humans, 0, 0.33);				let centerHuman = that.locateHuamn(humans, 0.33, 0.66);				let rightHuman = that.locateHuamn(humans, 0.66);								}			});		}	}}

四、多个运动分析调用

在获得了多人人体结果后，便可以创建多个运动分析器实例来，来分别对每个人的姿态进行分析检测，实现计时计数了，代码如下：

import {createSport} from "@/uni_modules/yz-ai-sport";export default {	data(){		return {			ticks: [{					counts: 0,					times: 0,					timeText: '00:00'				}, {					counts: 0,					times: 0,					timeText: '00:00',				}, {					counts: 0,					times: 0,					timeText: '00:00',			}]		};	}	methods:{		},	onLoad(options) {		let key = options.sportKey || 'jumping-jack';		//批量创建运动		sports = [];		const ticks = this.ticks;		for (let i = 0; i < ticks.length; i++) {			let sport = createSport(key);			//分别将运动计数结果推不同位置数组			sport.onTick((counts, times) => {				ticks[i].counts = counts;				ticks[i].times = times;				ticks[i].timeText = sport.toTimesString();			});			sports.push(sport);		}	}}

五、完整实现

下面是完整的实现代码，也可插件的最新支持资料包中获得。

import {		getCameraContext,		createHumanDetector,		createSport	} from "@/uni_modules/yz-ai-sport";		let humanDetector = null;	let sports = null;		export default {		data() {			const winfo = uni.getWindowInfo();			const settings = uni.getSystemSetting();			return {				isLandscape: settings.deviceOrientation == 'landscape',				cameraDevice: 'back',				frameWidth: 480,				frameHeight: 640,				previewWidth: winfo.windowWidth,				previewHeight: winfo.windowHeight,				previewRate: 1,				previewOffsetX: 0,				previewOffsetY: 0,				isExtracting: false,				sportKey: '',				sportName: '',				ticks: [{					counts: 0,					times: 0,					timeText: '00:00'				}, {					counts: 0,					times: 0,					timeText: '00:00',				}, {					counts: 0,					times: 0,					timeText: '00:00',				}]			};		},		methods: {			locateHuamn(humans, begin, end) {				if (!Array.isArray(humans))					return;				//页面为横屏状态，受检测人员从左往右站立				//横向将屏幕图像区域平均分配，按区域提取人员				const that = this;				let loc = humans.find(hu => {					let nose = hu.keypoints.find(x => x.name == 'nose');					if (!nose)						return false;					//人体结构中的坐标为相机图像中的坐标，计算出在屏幕中的渲染坐标					let x = nose.x * that.previewRate + that.previewOffsetX;					if (x <= that.previewWidth * begin)						return false;					if (end && x > that.previewWidth * end)						return false;					return true;				});				return loc;			},			onDetecting(){				let options = {					multiple: true, //启用多人检测					enabledGPU: true,					highPerformance: false				};				const that = this;				humanDetector = createHumanDetector(options);				humanDetector.startExtractAndDetect({					onDetected(result){						let humans = result.humans; //注意：多人人体结构不是每次按顺序输出						if (humans.length < 1) {							that.$refs.grapher.clear();							return;						}						that.$refs.grapher.drawing(humans);						//以nose.x进行人体定位为左、中、右						let leftHuman = that.locateHuamn(humans, 0, 0.33);						let centerHuman = that.locateHuamn(humans, 0.33, 0.66);						let rightHuman = that.locateHuamn(humans, 0.66);					}				});			}		},		onLoad(options) {			let key = options.sportKey || 'jumping-jack';			//批量创建运动			sports = [];			const ticks = this.ticks;			for (let i = 0; i < ticks.length; i++) {				let sport = createSport(key);				//分别将运动计数结果推不同位置数组				sport.onTick((counts, times) => {					ticks[i].counts = counts;					ticks[i].times = times;					ticks[i].timeText = sport.toTimesString();				});				sports.push(sport);			}		}	}