Внедрение распознавания поз (Pose Estimation) в мобильное приложение

При разработке фитнес-приложения столкнулись с тем, что сырая модель PoseNet давала ложные срабатывания на каждом втором кадре — недостаточная временная стабильность. Решением стало внедрение pose estimation на основе MediaPipe с кастомным сглаживанием OneEuroFilter. Мы интегрируем в мобильные приложения распознавание поз — детекцию ключевых точек скелета в реальном времени. Это востребовано в фитнесе (подсчёт повторений, анализ техники), медицине (реабилитация, диагностика походки) и AR. Технически задача сложнее детекции объектов: требуется не только точность локализации, но и временная стабильность. Наша команда имеет 5+ лет опыта в компьютерном зрении и реализовала более 30 проектов с pose estimation. Типовой бюджет внедрения стартует от 3000 USD и зависит от числа упражнений и платформ. Экономия времени на отладку по сравнению с самостоятельной разработкой может достигать 40%.

Какую модель выбрать: MoveNet, BlazePose или ML Kit?

MoveNet Lightning — лучший баланс для мобиля: TFLite-оптимизирован, доступен через PoseLandmarker. BlazePose даёт z-координаты для 3D-углов. ML Kit — прост, но чуть менее точен. В нашем кейсе MoveNet Lightning оказался в 2 раза быстрее BlazePose на iPhone 11 (35 FPS vs 17 FPS), что критично для real-time фидбека.

Как правильно подсчитывать повторения в фитнес-приложении?

Наивный подход — следить за Y-координатой бедра — ломается в реальности. Правильное решение — вычислять угол в коленном суставе через скалярное произведение векторов [HIP → KNEE] и [KNEE → ANKLE]. Приседание = угол ниже 120°, вставание = выше 160°. Конечный автомат: STANDING → DOWN → STANDING = 1 повтор. Углы по z-координатам стабильнее, если камера не строго сбоку. Сглаживание landmarks — обязательно: сырые данные прыгают на 3–5 пикселей между кадрами. Дополнительно используем фильтр медианного сглаживания для отсечения выбросов.

Какой метод сглаживания лучше?

Для фитнеса достаточно EMA, для реабилитации — OneEuroFilter. В наших проектах мы кастомизируем параметры OneEuroFilter под конкретное упражнение: для приседаний низкая частота среза (min_cutoff=0.5), для быстрых движений — выше (min_cutoff=1.0).

Интеграция: iOS и Android — пошагово

1. Выбор модели — на основе нужной точности и скорости. MoveNet Lightning для старта.
2. Подготовка стека: MediaPipe Tasks Vision (SPM или Gradle) версии 0.10.0.
3. Настройка инференса: PoseLandmarker с runningMode = .liveStream и PoseLandmarkerOptions.
4. Обработка результатов: нормализованные точки (0..1) или worldLandmarks (метровые). Для углов используем worldLandmarks — они не зависят от crop камеры.
5. Отрисовка скелета: на iOS — CAShapeLayer с анимацией, на Android — Canvas.drawLine на SurfaceView или Compose Canvas.
6. Тестирование — проверка FPS и точности на целевых устройствах (iPhone 11, Pixel 6, Galaxy S21).

Типичные ошибки при внедрении:

• Рисование скелета в нормализованных координатах без трансформации в координаты превью — забывают aspect ratio и crop. Используйте convertNormalizedLandmarksToImageCoordinates.
• Запуск инференса на main thread — снижает FPS до нуля. Используйте фоновые очереди (userInteractive в iOS, SingleThreadExecutor в Android).
• Отсутствие сглаживания landmarks — визуальный джиттер и неправильный подсчёт повторений. Даже простой EMA (α=0.7) решает проблему.

Что входит в работу

• Консультация по выбору модели и оценка feasibility.
• Проектирование архитектуры (инференс, UI, хранение истории).
• Интеграция pose estimation на iOS и/или Android.
• Реализация логики подсчёта повторений или анализа движений.
• Настройка сглаживания и оптимизация под конкретный девайс.
• Документация по использованию и калибровке.
• Поддержка после запуска (гарантируем стабильность обновлений).

Сроки

Базовый скелет на видеопотоке + одно упражнение — 1–2 недели. Полноценный фитнес-модуль с несколькими упражнениями, голосовой обратной связью и историей — 3–4 недели. Стоимость рассчитывается индивидуально, примерные рамки — от 2000 до 5000 USD в зависимости от сложности.

Свяжитесь с нами для оценки вашего проекта — мы поможем выбрать модель и спроектируем решение под ключ. Получите консультацию по внедрению pose estimation уже сегодня.

AI и ML в мобильных приложениях: CoreML, TFLite и on-device модели

Мы различаем два принципиально разных подхода: приложение с on-device AI и приложение, которое просто вызывает облачное API. Первое работает без интернета, не отправляет данные пользователя на сторонние серверы и отвечает за 50 миллисекунд. Второе зависит от задержки сети и тарифного плана. Выбор архитектуры — ключевой этап, который напрямую влияет на стоимость, приватность и пользовательский опыт. Наш опыт показывает: в 70% проектов on-device инференс оказывается дешевле в долгосрочной перспективе за счёт исключения серверных затрат.

Как выбрать между CoreML и TFLite для on-device инференса?

CoreML — нативный фреймворк Apple для запуска ML-моделей на устройстве. Поддерживает Neural Engine (начиная с A11 Bionic), GPU и CPU как fallback. Модели конвертируются в формат .mlmodel через coremltools из PyTorch, ONNX или TensorFlow. Конвертация — не всегда тривиальна: кастомные слои требуют реализации MLCustomLayer, а квантизация до INT8 иногда заметно роняет точность на специфических данных. Мы гарантируем, что итоговая модель проходит валидацию на реальных данных до и после конвертации.

TensorFlow Lite — кросс-платформенная альтернатива для Android и Flutter. На Android использует NNAPI (Neural Networks API) для хардварного ускорения — с Android 10 NNAPI стабильнее, до этого лучше явно использовать GPU delegate через GpuDelegate. Типичная ошибка: модель обучена на нормализованных данных в диапазоне [0,1], а в приложении на вход подаётся [0,255] — инференс работает, но с бессмысленными результатами без ошибки. Мы включаем модуль автоматической валидации входных данных в SDK.

Для задач классификации изображений, детекции объектов и сегментации доступны готовые оптимизированные модели. YOLOv8 в CoreML формате запускает детекцию кадра 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite с GPU delegate — около 8 мс на Pixel 7 при классификации.

Что делать, если нужна генерация текста на устройстве?

Запуск небольших языковых моделей на устройстве стал реальностью в последние несколько лет. Apple Intelligence использует собственные модели через Private Cloud Compute, но для сторонних разработчиков доступны другие пути.

llama.cpp с Metal backend на iOS — работающий подход для phi-3-mini (3.8B параметров, 4-bit квантизация, ~2.3 ГБ). Инференс: 15–25 токенов/секунду на iPhone 15 Pro. Для интеграции в Swift используем Swift Package llama.swift или обёртку через C-интерфейс llama.h. Бинарник к приложению не прикладываем — модель скачивается при первом запуске и хранится в Application Support. Наши сертифицированные разработчики настраивают инкрементальную загрузку, чтобы не блокировать первый запуск.

На Android аналог — Google AI Edge (бывший MediaPipe LLM Inference API) с поддержкой Gemma-2B. Работает через GPU delegate, на Tensor G3 чипе Pixel 8 Pro — около 20 токенов/секунду.

Ограничения реальны: модели больше 4B параметров на мобильных устройствах по-прежнему медленны. Для сложных задач рассуждения on-device LLM уступает GPT-4o в качестве. Гибридный подход — on-device для коротких задач и приватных данных, облако для сложных запросов — часто оптимален. Оценим ваш кейс и предложим баланс производительности и приватности — пишите.

Интеграция OpenAI API и других облачных моделей

Для сценариев, где cloud inference допустим, интеграция OpenAI, Anthropic или Google Gemini — это HTTP клиент + streaming SSE. В Swift удобно через AsyncThrowingStream для стриминговых ответов. В Kotlin — через Flow.

Критически важно: API-ключи никогда не хранятся в бандле приложения. Даже обфусцированный ключ извлекается из IPA за 10 минут через strings или frida. Правильная архитектура: мобильное приложение → собственный backend → OpenAI API. Backend контролирует rate limiting, логирует запросы, защищает ключ.

Что входит в работу (deliverables)

• Обученная и квантизированная модель под целевое устройство (документация по метрикам)
• SDK для интеграции (Swift/Kotlin/Flutter) с примерами вызова
• Тесты производительности на 3–5 реальных устройствах
• Инструкция по обновлению модели OTA
• Поддержка при прохождении модерации App Store / Google Play (проверка соответствия Guidelines 4.2, 5.1)
• 2 недели технической поддержки после релиза

Типичный пайплайн проекта

1. Анализ задачи — замеряем latency, privacy, size, поддерживаемые устройства.
2. Прототипирование модели — в Python, оценка accuracy на целевых данных.
3. Конвертация и квантизация — под CoreML/TFLite с валидацией.
4. Интеграция в приложение — модель оборачивается в сервисный слой (легко подменять CoreML → TFLite → облако).
5. Тестирование — на реальных девайсах, замер FPS, RAM, батареи.
6. Деплой — через TestFlight / Firebase App Distribution, мониторинг метрик.

Сроки: интеграция готовой CoreML/TFLite модели — 1–2 недели, разработка кастомной модели с мобильной оптимизацией — от 6 недель, on-device LLM чат с персонализацией — 4–8 недель.

Почему мы беремся за сложные кейсы?

10+ лет опыта в мобильной разработке, 50+ внедрённых AI/ML решений, гарантия совместимости с актуальными версиями iOS и Android. Все проекты проходят code review и нагрузочное тестирование. В стоимость уже входит подготовка документации для модерации и обучение вашей команды.

Свяжитесь с нами — мы поможем выбрать архитектуру и внедрить ML в ваше приложение под ключ. Закажите аудит существующего решения — бесплатно оценим потенциал экономии серверных затрат (в некоторых проектах экономия достигает $10k в месяц).