M4 AI Vision Pro 📸

这是一个基于浏览器的高性能实时 AI 视觉识别系统，专门为体验 Apple M4 芯片的强大算力而设计。它结合了目标检测（Object Detection）和自定义物体学习（Teachable Machine）功能。

🌟 功能特性

• 实时目标检测：利用 COCO-SSD 模型自动识别并追踪画面中的主要物体。
• 自定义学习 (Teachable Machine)：
  • 结合 MobileNet 特征提取和 KNN 分类器。
  • 只需点击几下，即可让 AI 认识任何特定物体。
• 高性能渲染：
  • 针对 M4 芯片优化（通过 WebGL/WebGPU 加速）。
  • 采用 EMA（指数移动平均）算法平滑追踪框，防止画面抖动。
• 现代化 UI：极简毛玻璃设计，实时反馈置信度和识别结果。

🚀 快速启动

由于浏览器对摄像头的安全限制，本项目必须在 localhost 或 HTTPS 环境下运行。

方法一：使用 VS Code Live Server (最简单)

1. 在 VS Code 中安装 Live Server 扩展。
2. 右键点击 index.html，选择 Open with Live Server。

方法二：使用 Python 命令

在项目根目录下运行：

python3 -m http.server 8000

然后在浏览器访问 http://localhost:8000。

方法三：使用 Node.js (npx)

npx serve .

然后在浏览器访问生成的地址。

🛠️ 如何使用

1. 初始化：打开页面后，允许浏览器访问摄像头。
2. 目标追踪：将物体放在摄像头前，绿框会自动锁定面积最大的物体。
3. 学习物体 A/B：
   • 将物体 A 放在框内，持续点击“学习物体 A”。建议从不同角度录入 10-20 个样本。
   • 对物体 B 重复上述操作。
4. 实时识别：录入样本后，AI 会实时显示当前框内物体的名称及其置信度。
5. 重置：点击“重置模型”清空所有已学习的特征。

🏗️ 技术栈

• Core: JavaScript (ES6+), HTML5, CSS3
• AI Engine: TensorFlow.js
• Models:
  • MobileNet v2 (特征提取)
  • COCO-SSD (目标检测)
  • KNN Classifier (在线学习)

---

Developed for M4 AI Capability Testing.