引言：
：随着深度学习技术的发展进取
，，已经不再依赖壮大的GPU算力
，，便可实现AI推理了
，，让AI技术渗入到了电脑、、、手机、、、智能设备等各类设备。。。体育、、、健身行业也不例外
，，阿里体育等IT大厂
，，推出的乐动力、、、天天跳绳、、、百分活动等AI活动APP
，，让云上活动会、、、线上活动会、、、健身打卡、、、AI体育领导、、、AI体测等概念空前火热。。。
那么AI活动这个利用场景
，，除了在原生APP上实现
，，能否搬上微信小法式呢
，，今天就带您索求几种可能的解决规划
，，并进行一些横向对比。。。

一、、、AI活动鉴别技术重点

要实现AI活动计时、、、计数
，，要解决重要技术问题有：
：视频抽帧、、、视频人体检测、、、姿势鉴别、、、计时计数算法
，，其中最重要的也是技术前提的就是人体鉴别检测
，，实现上面的技术
，，就是一个齐全的AI活动解决规划了。。。

二、、、离线规划

所谓离线规划
，，即把整套的视频抽帧、、、视频人体检测、、、计时计数等环节放在后盾服务端执行
，，由于在后大驾执行
，，所以无法做到在小法式端凭据视频或摄像头采集进度实时展示鉴别了局及进行互动
，，故叫离线规划。。。

1.1、、、全离线规划

全离线规划重要的技术规划在后端实现
，，运行在后盾服务器
，，小法式端只掌管上传活动视频或图片
，，期待服端返回鉴别了局即可。。。 后端实现的有关技术栈相对比力成熟
，，如视频抽帧能够选择选取ffmpeg、、、opencv等成熟开源组件实现；；；人体检测鉴别能够选取百度、、、阿里、、、腾讯等成熟的第三方服务或私有化部署有关模型。。。

1.2、、、半离线规划

所谓半离线规划
，，与全离线规划的区别在于
，，将视频抽帧放在小法式端执行
，，即可利用小法式的javascript在小法式端本地实现及运行
，，由于所有的推算在小法式端同步进行
，，所以实时履历会更好
，，后端压力也较轻
，，离线规划的后端压力会随着用户量增长上升。。。

1.1、、、自研AI引擎规划

微信小法式端自身提供了Camera组件及摄像头画面抽帧API
，，使用现成的即可
，，重点在于人体关键点鉴别检测的深度学习推理引擎的集成
，，这必要凭据小法式的运行时
，，选择好相应的鉴别引擎及检测模型
，，进行适配集成。。。再编写人体姿势鉴别算法及活动分析器逻辑。。。

1.2、、、成熟的插件规划

相较于自研规划
，，也能够选择成熟的小法式插件解决规划
，，好比我们推出的【AI活动鉴别】微信小法式插件
，，可以为您的小法式提供人体检测、、、活动识此外AI能力
，，插件目前支持跳绳、、、开合跳、、、俯卧撑、、、仰卧起坐、、、卷腹、、、深蹲(深蹲起)、、、平板支持、、、马步蹲等活动的鉴别检测计时、、、计数分析
，，更多的活动类型正在丰硕中；；；插件活动鉴别引擎提供了基于规定配置的活动鉴别能力
，，您能够通过配置一些单一的规定
，，增长一项新的活动（作为）鉴别能力
，，若是复杂的活动种类
，，也能够通过代码扩大的方式进行。。。

三、、、规划对比

凭据上面的综合对比得知
，，离线规划投入的成本和履历不成正比
，，所以在新开发利用中不应将离线规划纳入思考领域；；；无特殊的需要团队建议直接使用AI活动鉴别插件规划
，，投入成本小且能预防好多实现陷井。。。