FITLAB打造基于计算机视觉的智能健身解决方案

Fitlab（纷来智能）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等前提下，为健身房及其用户提供全面的运动健康数据服务。

用户可以通过App，自动获取结构化的健身数据与专业分析、实时的动作校准和指导，享受私教级别的健身服务。健身房运营者可以实现科技感、智能化形象升级，获得精细化的管理和运营能力。支撑这一变革的核心技术的是Fitlab自研的“身份认证”和“运动分析”两大系统，具备高可用、高并发、轻量化、低算力、实时同步、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运动健身领域的重要组成部分。现有的数字化健身系统或者是集成在特定种类的运动场馆（篮球足球），或者是在家庭终端中。而多用户与多运动类型等复杂环境下的智能化需求并没有被满足。

因此，将具有低延时、高吞吐量的实时多人室内AI运动分析系统集成到各种不同的运动场景下成为Fitlab的主要挑战。与单一AI模型推断模式不同，多人运动分析系统涉及到各种不同功能的AI模型的复杂耦合：

分析过程要基于多个位置的实时视频流，视觉数据要经过多种检测、识别、定位和分析等模型。因此将不同后端、不同量化模式、不同功能的AI模型部署起来，并提供统一的接口，成为一个难点。

另外，上述的AI运动分析系统对于实时性的要求很高，而一个客户场景下可能具有数十个视觉传感器的数据吞吐。这些数据有的是一段运动的序列数据，有的是同时发生的多个位置的空间数据。

因此，基于云的解决方案具有相对较大的网络IO延迟和带宽问题，在当前并不是一个合适的选择。本系统在硬件层面需要构建一套能平衡地利用网络带宽和网络IO负载，同时能有效支持AI异构计算的硬件拓扑结构。

应用方案

基于以上挑战，Fitlab选择采用NVIDIA Jetson边缘AI计算平台作为底层硬件，采用NVIDIA Docker和NVIDIA Triton Inference Server作为多后端集成的模型部署工具，使用后给系统的运行效率带来巨大提升。

1. NVIDIA Jetson边缘AI计算平台能够以低成本的优势部署经过量化的AI模型。同时也能将AI模型分布式部署到各个硬件运算节点，从而实现负载均衡。这套系统的综合推断运行效率相比原来提高了30倍，能有效处理大吞吐量的视频流数据。

同时由于Jetson边缘AI计算平台上具有丰富的视觉传感器接口，因此也能充当集成了多位置的帧同步功能的视频推流服务器，使得部署成本降低了10倍左右。

2. NVIDIA Triton Inference Server是一种集成了多种自定义后端、支持不同量化方式的AI模型部署服务框架。相较于其他部署框架，Triton能够更加高效地利用NVIDIA GPU的算力。

同时Triton还支持模型自动并行、动态batching等，在真实场景下大幅提升算力的利用率。在纷来智能的实时运动分析系统的开发中，基于NVIDIA Docker的Triton Inference Server大幅缩短了AI模型从研发到生产部署的流程，节省了超过55%的开发时间。

目前Fitlab已经开始了在B端种子用户中的部署，全方位提高种子用户的服务能力及经营能力。使健身爱好者更好地了解每次运动的成效，更安全更有效率地实现用户的训练目标。

使用效果及影响

使用NVIDIA Jetson边缘AI平台和NVIDIA Triton服务框架，构建软硬一体的智能运动分析系统，极大提高了Fitlab的运动AI研发和落地的进度，同时进一步降低硬件成本，为业务拓展打下坚实的基础。

因硬件部署成本较低，Fitlab成功将近期广泛运用于职业运动赛场和专业运动员训练时使用的专业运动分析的系统，通过纯视觉的方式带给每一位运动爱好者。Fitlab致力于为整个运动行业提供全民健身智慧化服务，并为即将出现的“虚拟线上赛事”、“运动卡”等应用提供数据支持。

编辑：jq