智能硬件产品经理的工作内容

智能硬件产品经理的工作内容

AI时下有一种需求是AI助力硬件产品的现象，有用AI机器视觉能力检测工件质量的，有用AI机器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：包含显示屏、深度体感摄像头、算法、服务端、小程序5个部分。如下图：

深度体感摄像头选择微软的Kinect，因为Kinect 深度传感器能够自动捕获人体的深度图像，并实时的跟踪人体骨架，检测到细微的动作变化。

一方面，Kinect 获取的深度图像不同于彩色图像，它可以提供更多的空间信息，同时又能保护个人隐私。因此，通过分析深度图像来识别和检测人体姿势的方法一直以来都倍受各家产品关注。

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。

笔者的人体体态识别产品利用Kinect 深度传感器基于人体骨架信息来检测非标准深蹲姿势。使用躯干角度、髋部角度、膝部角度和踝部角度作为深蹲期间的四个代表性特征。然后，把深蹲过程分为四个阶段，并使用关键帧检测技术，对每一阶段的角度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，不会给锻炼者带来不便，且不需要使用训练数据集，能够做到实时准确的检测。

二、产品经理进行特征定义

对基于人体骨架信息监测人体姿势建模之前，首先产品经理要寻求健身教练或者人体专家按需建立可用于区分标准姿势和非标准姿势的界限。

产品经理协调专家绘制特征定义表如下图：

如上图表中描述的角度，产品协调人体健身专家定义如下： 躯干角度、髋部角度、膝部角度、踝部角度、躯干角度。

如上述角度值中的任何一个不在标准范围内，则非正常姿势可被检测到。

三、产品跟进特征提取

下图为Kinect跟踪人体骨架图：

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，可以通过几何中的矢量平移理论将矢量复原。

第三，由于重力矢量总是垂直于地面，计算重力矢量。

最后，可以通过公式计算躯干角度。

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：

总体而言，算法可分为两个步骤。上图中粗虚线的上半部分定义了人体行为动作期间中的四个阶段，并且详述了提取并计算算法中的代表性角度特征的关键步骤。

首先，当 Kinect检测到人体时，则可获取该人体的深度图像并跟踪该人体骨架。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。

人体姿势检测的关键步骤如上图中粗虚线的下半部分所示。单次的行为是一种短时间运动，为更好的观察角度变化，人体需要在B动作结束时停留一段时间。因此单个或几个不标准帧值不能作为判断标准，建议产品经理协调算法工程师和人体健身专家采用阈值比较的方法。如图中笔者LineLian所示，当非标准帧与总帧数的比率大于 X％这一阈值时。人体姿势为非正常的。也就是说，非正常帧比率在人体行为完成时被计算且与给定阈值进行比较。当比率大于阈值(X％)时（X具体值可以联系笔者或者阅读畅销人工智能书籍《AI赋能-AI重新定义产品经理》），人体姿势被判断为非正常，否则它是正常的。

六、AI视觉在智能硬件中应用小结

在AI大环境下，产品经理应该优先拥抱AI，优先用AI助力产品创新。我们做的AI产品既不是被人嘲笑的，也不是破坏人力正产生活的，认识到AI既不善良也不卑鄙，更不应该被视为魔鬼。像笔者LineLian文章中一样机器视觉能够帮助用户更好的健身，能够帮助无人零售商家监视店铺节省劳动成本。

所以有思想、有追求、有温度的产品经理，应该热情地去拥抱人工智能，只有同AI合作才能发挥最大的潜能。这同时也是对自己认知的了解和重构，任何一次改变，都是不断地自我创新，都是一种成长，都可能造就一种新的生活方式。未来也许决定产品经理薪资的将取决于你对产品运用AI的程度。