Hooop 是一款鸿蒙单框架版App，深度融合AI与鸿蒙端侧能力，针对篮球训练全流程进行智能化升级：

1. 端侧大模型实时分析：通过加载端侧大模型与视频编解码能力，实时识别投篮动作、轨迹与落点，无需网络即可在设备本地完成推理，保障低延迟与数据安全。

2. 实时进球判定与统计：自动识别命中/未中，统计出手次数、命中次数、命中率等关键指标，生成训练数据看板，助力科学训练与复盘。

3. 离线视频分析：支持将历史训练视频导入本地离线分析，自动抽取关键帧与高光片段，适配不同分辨率与帧率的视频素材。

4. 高光集锦一键生成：基于识别结果与评分模型，自动挑选精彩片段生成高光集锦，支持手动微调与导出分享，让每一次训练都能成为高光时刻。

     5. 隐私优先与低功耗：核心识别在本地完成，尽量减少数据上行；结合端侧NPU/GPU算力做能耗优化，长时训练更稳定。

项目亮点：

1. 鸿蒙底层模型推理能力

熟练运用鸿蒙CANN Kit实现模型的高效推理加速，解决移动端算力有限的问题。通过鸿蒙提供的omg模型转换工具，构建了“PyTorch（PT）→ONNX→OM”的完整模型适配流程，攻克鸿蒙系统暂不支持PT/ONNX 模型的兼容性难题，形成了一套可复用的鸿蒙离线模型集成标准。

2. 视频处理技术沉淀

● 视频采集与编解码：基于FFmpeg实现视频抽帧（支持指定时间点启动抽帧）、进球片段自动剪辑，解决了“实时录制帧提取”与“本地视频离线分析 的共性需求，沉淀了移动端轻量化视频处理的优化方案（如仅采集篮筐中心局部帧）。

● 图像预处理标准化：通过OpenCV完成视频帧的“缩放- 转置- 数据入队”全流程，形成了“预处理 - 推理”的数据衔接标准，确保输入模型的帧数据一致性与有效性。

3. 高性能并发架构设计

● 生产者 - 消费者模式落地：针对“预处理（15ms /帧）+ 推理（40ms/帧）总耗时超帧率要求”的问题，设计双线程分离架构 —— 线程 A 负责预处理并将数据存入无锁队列，线程B从队列取数执行推理，将单帧总处理时间从55ms降至40ms，满足20fps帧率需求；同时规避了主线程卡顿问题，形成了移动端“多任务并行 - 数据安全流转”的优化范式。

     ● 无锁队列与状态同步：采用无锁数据结构减少线程间竞争，结合鸿蒙系统的状态管理，确保帧数据在多线程间的实时性与一致性，避免数据丢失或重复处理。

关键技术

本项目目前为鸿蒙单框架平台首发

单独编译OpenCV为HarmonyOS版本

单独编译FFmpeg为HarmonyOS版本

CANN Kit：视频帧推理，深度使用端侧能力

Model Zoo，目标检测离线模型

pytorch模型转化为onnx模型

onnx模型转化为om模型

Camera Kit:视频采集与编解码

Media Kit: 融合OpenCV对媒体文件抽帧并压缩处理投喂大模型

     NDK开发：模型调用，数据交互核心逻辑通过NDK实现