智能硬件产品经理的工作内容.docxVIP

智能系统硬件产品经理的工作主要内容

有想法、有追求、有温度的产品经理应该热情拥抱人工智能，与AI合作，发挥最大潜能。

AI时下有一种需求是AI助力系统硬件设计产品的现象，有用AI机器学习视觉技术能力进行检测工件质量的，有用AI机器通过视觉检测金属表面凹凸的。

本文主要是基于AI视觉技术检测人体骨架提取人体关节三维信息，对健身、无人零售等场景需识别人体最常见步态蹲姿行为进行抽象与建模，然后解决AI视觉技术捕捉人体细微动作变化检测的产品经理工作内容。

一、搭建智能硬件产品极简版需求

它包括五个部分:显示屏、深度体感相机、算法、服务器和小程序。下图:

深度体感摄像头可以选择微软的Kinect，因为Kinect深度学习传感器技术能够进行自动捕获人体的深度融合图像，并实时的跟踪研究人体骨架，检测到细微的动作发展变化。

一方面，kinect捕捉深度图像与彩色图像不同，在保护隐私的同时提供更多的空间信息。因此，深度图像分析识别和检测人体姿态的方法一直是各种产品关注的焦点。

另一方面,人体的骨骼特征也为行为识别、姿势检测等任务提供了重要的行为特征。Kinect因上述功能和其具有的精确性与实用性等特点，已经使其成为一种多功能组件，可以集成到智能硬件的各种应用中。

作者的人体姿势识别产品采用Kinect深度传感器，基于人体骨骼信息检测非标准蹲姿。

使用躯干角度、髋部角度、膝部角度和踝部角度可以作为深蹲期间的四个具有代表性企业特征。然后，把深蹲过程主要分为以下四个发展阶段，并使用关键帧进行检测信息技术，对每一阶段的角度不同特征逐帧的计算和记录。

最后，采用阈值比较的方法，对深蹲姿势进行检测判断。

该产品无需佩戴任何的可穿戴传感器，不会给学生锻炼者带来不便，且不需要我们使用进行训练研究数据集，能够真正做到信息实时准确的检测。

其次，产品经理定义特性

对基于人体骨架进行信息技术监测人体姿势建模分析之前，首先企业产品销售经理要寻求健身教练或者通过人体专家按需建立可用于区分不同标准姿势和非标准姿势的界限。

产品经理进行协调发展专家绘制特征定义表如下图：

如上图所示，该产品配合健美运动员的定义如下:躯干角度，臀部角度，膝盖角度，踝关节角度，躯干角度。

如果上述任何角度值不在标准范围内，则可以检测到异常姿势。

三、产品跟进特征提取

我们懂技术的产品经理都需要知道在RGB图像中提取研究人体细胞骨架是一项非常艰巨繁琐的任务，且仅能发展提供一个平面（二维）信息。而在Kinect中，能够在深度学习图像中，提取影响人体骨架的三维数据信息。

通过Kinect所提供的API可以进行准确的提取并跟踪研究人体细胞骨架的总共25个关节点。

Kinect创建的是三维（three-dimensional，3D）的图像进行空间，因此这25个关节点为3D坐标数据信息。

这25个关节点可以组合连接形成对应的三维骨架坐标。上述人体姿势过程中的五个代表性角度特征可以由肩关节、髋关节、膝关节、踝关节、足关节和25个关节点中的五个关节点组成。并用余弦定理计算其空间角度。

下图为Kinect跟踪研究人体细胞骨架图：

四、产品跟进技术计算

产品经理应了解的计算流程如下，方便在日后产品上市后出现数据问题时候找准原因，一遍快速解释用户的问题。

首先，当Kinect检测到人体时，即可获取人体的关节点，技术计算各矢量，并在深度图像中绘制计算矢量线。

其次，利用几何中的向量平移理论可以恢复向量。

第三，由于自身重力矢量总是一个垂直于地面，计算以及重力矢量。

最后，可以同时通过公式进行计算躯干角度。

另外对于髋部角度、踝部角度和膝部角度，可直接使用空间向量法计算。

五、产品需懂算法流程

算法流程如下图：

一般来说，算法可以分为两步。上图粗虚线的上半部分定义了人类行为的四个阶段，详细说明了算法中提取和计算代表性角度特征的关键步骤。

首先，当Kinect检测到一个人体时，则可通过获取该人体的深度学习图像并跟踪该人体细胞骨架。

接着，对人体行为期间行为阶段的关键帧进行定义。而关键帧检测是所有行为识别、姿势检测等方法的重大难题。

产品经理可以判断团队内的行为识别工程师的水平和意愿是否需要引进技术外援。

人体姿态检测的关键步骤如上图粗虚线下半部分所示。单个动作是短期练习。为了更好地观察角度变化，人体需要在B动作结束时停留一段时间。因此，单个或多个非标准帧值不能作为判断标准。建议产品经理配合算法工程师和适应度专家采用阈值比较法。

如图中通过笔者LineLian所示，当非标准帧与总帧数的比率可以大于X％这一传统阈值时。人体运动姿势为非正常的。也就是说，非正常帧比率在人体健康行为方式完成时被计算且与给定一