至此，关于自定义扩展运动的能力就为你介绍完了，详细完整的代码都可以在插件资料的demo示例项目中找到，并且提供uni-app和uni-app x两套实现，完美兼容新旧两套框架。强调基础能力，提供高扩展性一直是插件秉持的开发理念，自定义姿态和自定义运动识别检测作为小程序APP终端系列插件的核心能力之一，也深受使用者的好评，可以助力APP和小程序轻松拓展更多的应用场景。后续章节我们将继续为您分享一些典

的检测规则都是对象化，所以开发者实际应用中可以考虑采用JSON方式持久化，放置在后端，便于运动、姿态的检测更新、配置化等。人体姿态检测能力是插件的核心功能之一，插件为您封装好了基本的人体检测及逻辑运算检测规则。下篇将为您介绍运动调试分析工具的使用，敬请期待…两个逻辑运算器，详情参考。所有的人体检测规则，有。等检测规则，详情参考。每条检测规则都是一个。

项目引入插件后，需要提交自定义基座云打包，iOS端的开发证书，可以参考我们之前分享的没有MAC电脑，如何申请苹果开发证书、上架APP Store博文。待自定义基座打包成功后，就可以调用插件功能，进行调试了，可以直接使用提供的Demo进行测试。下篇我们将为您介绍相机的抽帧，敬请期待…

本文介绍了如何开发支持多人检测的AI运动APP，重点突破了小程序无法实现多人检测的局限。通过原生插件实现多人姿态检测，并利用人体关键点定位技术区分不同位置的人员。文章详细展示了核心代码实现，包括如何开启多人检测模式、基于鼻子关键点定位左右人员位置，以及创建多个运动分析实例分别统计不同用户的运动数据。该方案适用于赛事PK、体测教学等需要同时分析多人运动的场景，性能较小程序有显著提升。开发者可参考完整

识别并检测图像中的人体结构，是开展运动分析检测、姿态分析以及姿态交互场景应用前不可或缺的前置步骤。为了满足不同场景和需求，APP版本插件精心提供了多种人体检测模式，包括“高性能”模式以满足快速响应的需求，“高精度”模式以确保检测结果的准确无误，以及“多人检测”模式以应对复杂场景中的多人识别挑战。相较于小程序版本，APP版本插件不仅提供了更为丰富的性能配置参数，让用户能够根据实际需求进行灵活调整，还

针对以上情况，经过我们的技术团队努力及不断偿试，我们把一套精简的人体识别深度学习模型搬上了微信小程序，并结合我们基于规则配置的运动识别计算引擎，可以轻松实现跳绳、开合跳、平板撑、俯卧撑、仰卧撑等多种运动的识别。我们的方案中，带有运动识别规则计算引擎，您只需按照文档说明，简单的配置规则即可实现一种新的运动识别，还可以将配置规则JSON化，放置于服务端，实现运动识别可配置化。足不出户，只需一部手机和家