FITLAB打造基于计算机视觉的智能健身解决方案

Fitlab致力于打造基于计算机视觉的智能健身解决方案，在不改变健身房运营模式和用户运动习惯的前提下，为健身房及其用户提供全面的运动健康数据服务。

用户可通过App自动获取结构化健身数据和专业分析、实时运动校准和指导，享受私教级别的健身服务。健身房经营者可以提升科技感和智能形象，获得精细化管理和运营能力。支撑这一变革的核心技术是Fitlab自研的“身份认证”和“运动分析”系统，具有高可用性、高并发、轻量级、低计算能力、实时同步和深度人工智能等优势。

智能健身系统面临挑战

智能健身系统将成为未来体育健身领域的重要组成部分。现有的数字健身系统要么集成在特定的运动场所(篮球和足球)，要么集成在家庭终端中。然而，在多用户、多运动类型等复杂环境下的智能化需求还没有得到满足。

因此，将低时延、高吞吐量的实时多人室内AI运动分析系统集成到各种运动场景中，成为Fitlab面临的主要挑战。不同于单一的AI模型推理模式，多人运动分析系统涉及不同功能的AI模型的复杂耦合：

分析过程应基于来自多个位置的实时视频流，视觉数据应经过检测、识别、定位和分析等各种模型。因此，很难部署不同后端、不同量化模式、不同功能的AI模型并提供统一的接口。

此外，上述AI运动分析系统对实时性要求较高，一个客户场景中可能有几十个视觉传感器的数据吞吐量。这些数据中有些是运动的序列数据，有些是同时发生的多个位置的空间数据。

因此，基于云的解决方案存在相对较大的网络IO延迟和带宽问题，目前不是合适的选择。在硬件层面，该系统需要构建一套能够平衡网络带宽和网络IO负载，能够有效支持AI异构计算的硬件拓扑。

应用方案

基于以上挑战，Fitlab选择了NVIDIA Jetson边缘AI计算平台作为底层硬件，NVIDIA Docker和NVIDIA Triton Impact Server作为多后端集成的模型部署工具，大大提升了系统的运行效率。

1.NVIDIA Jetson边缘AI计算平台可以低成本部署量化AI模型。同时，AI模型可以分布部署到各个硬件计算节点，从而实现负载均衡。与原系统相比，该系统的综合推理运算效率提高了30倍，能够有效处理大吞吐量视频流数据。

同时，由于Jetson边缘AI计算平台拥有丰富的视觉传感器接口，还可以充当集成多位置帧同步功能的视频流服务器，部署成本降低约10倍。

2.NVIDIA Triton Impact Server是一个AI模型部署服务框架，集成了多种定制化后端，支持不同的量化方法。与其他部署框架相比，Triton可以更高效地利用NVIDIA GPU的计算能力。

同时，Triton还支持模型的自动并行化、动态批处理等。大大提高了真实场景中计算能力的利用率。在智能实时运动分析系统的开发中，基于NVIDIA Docker的Triton推理服务器大大缩短了AI模型从R&D到生产部署的流程，节省了55%以上的开发时间。

目前，Fitlab已经开始在B端种子用户中部署，全方位提升种子用户的服务能力和管理能力。使健身爱好者更好地了解每一项运动的效果，更安全高效地实现用户的训练目标。

使用效果和影响

利用NVIDIA Jetson edge AI平台和NVIDIA Triton服务框架，构建了一个软硬件一体化的智能运动分析系统，极大地提升了Fitlab运动AI研发和落地的进度，进一步降低了硬件成本，奠定了坚实的基础

由于硬件部署成本低，Fitlab近年来成功应用了专业运动场馆和专业运动员训练中使用的专业运动分析系统，并以纯可视化的方式带给每一位运动爱好者。Fitlab致力于为整个体育产业提供智能化服务，为即将到来的“虚拟线上赛事”、“运动卡”等应用提供数据支持。

编辑：jq