随着深度学习推理技术的不断发展，让小型设备运行深度学习成为可能，阿里体育等IT大厂，推出的“乐动力”、“天天跳绳”AI运动APP，让云上运动会、线上运动会、健身打卡、AI体育指导等概念空前火热。那么，能否将这些在APP成功应用的场景搬上微信小程序，分享这些概念的红利呢？本系列文章就带您一步一步从零开始开发一个AI运动小程序，本系列文章将使用“AI运动识别”小程序插件，插件详情可以前往微信服务市场搜索相应插件。
一、插件运动检测分析的流程
1.1、相关核心命名空间
插件关于姿态、运动检测的能力，都包含在calc和sports两个命名空间下。其中sports命名空间下包含了所有的内置运动分析器类和运动检测相关计时、计数的核心逻辑抽象；calc命名空间下包含了人体姿态分析的角度、垂直、水平、视角等规则计算器、姿态相似度和关键点追踪等能力，sports也是基于此能力实现。
1.2、运动分析的过程
运动分析的过程，便是逐帧分析人体结果，当捕捉符合到要求的姿态动作，便触发计时、计数回调。UI便可以基于此回调与用户进行交互。
二、获取所有的内置运动
sports.SportBase是运动分析器抽象基类，实现了基本的计数、计时逻辑，其中SPORTS静态属性包含了所有的插件内置运动。
const SportBase = AiSport.sports.SportBase;
console.log(SportBase.SPORTS);
//输出结果
//0: {key: "Rope-Skipping", name: "跳绳"}
//1: {key: "Jumping-Jack", name: "开合跳"}
//2: {key: "Sit-Up", name: "仰卧起坐"}
//3: {key: "Push-Up", name: "俯卧撑"}
//4: {key: "Squat", name: "深蹲起"}
//5: {key: "Plank", name: "平板支撑"}
//6: {key: "Squat-Horse", name: "马步蹲"}二、创建一个指定的运动分析器
代码语言：javascript复制//调用SportBase.create静态方法，创建一个俯卧撑运动分析器实例
const AiSport = requirePlugin("aiSport");
const SportBase = AiSport.sports.SportBase;
const sport = SportBase.create('Push-Up');
console.log(sport);三、执行运动分析检测
代码语言：javascript复制//创建俯卧撑运动分析器
const AiSport = requirePlugin("aiSport");
const SportBase = AiSport.sports.SportBase;
const sport = SportBase.create('Push-Up');
sport.onTiCK = (cnt, times) => {
console.log('运动计数变化');
console.log(cnt, times);
};
//抽帧
const context = wx.createCameraContext();
const listener = context.onCameraFrame((frame) => {
const iamge = {
width: Number(frame.width),
height: Number(frame.height),
rawData: frame.data
};
//人体识别
humanDetection.detectionAsync(image).then(human=>{
//将人体识别结果推入运动分析器
sport.pushing(human);
});
});
listener.start();下篇将为您介绍姿态分析，敬请期待...
