Intelligenza Artificiale Computer Vision JavaScript

Computer Vision nel Browser con JavaScript: Webcam, TensorFlow.js e MoveNet

Costruisci una web app di computer vision con React, TensorFlow.js e MoveNet: rileva il corpo umano in tempo reale dalla webcam.

Descrizione del corso

Il tuo browser vede ciò che fai — e puoi programmarlo

Immagina un'app web che rileva in tempo reale la posizione del tuo corpo usando solo la webcam del laptop. Nessun hardware speciale, nessun server backend: tutto gira nel browser con JavaScript, TensorFlow.js e il modello MoveNet. In questo corso costruiamo esattamente questo — da zero.

Cosa costruiamo insieme

  • Setup del progetto React + TypeScript con TensorFlow.js e il modello MoveNet
  • Accesso alla webcam e streaming del video direttamente nel browser
  • Selettore della webcam per scegliere il dispositivo di input disponibile
  • Disegno su canvas in overlay al video in tempo reale
  • Rilevamento del corpo umano e dei 17 keypoints anatomici
  • Disegno delle connessioni spalla-gomito-polso per visualizzare la posa
  • Contatore di movimenti basato sulla posizione relativa di polso e naso

A chi è rivolto

A sviluppatori JavaScript e React che vogliono esplorare il machine learning nel browser. Non serve esperienza pregressa con l'AI: si parte dalla configurazione dell'ambiente e si arriva a un'app funzionante che analizza il movimento in tempo reale.

Perché è interessante

La computer vision lato client apre scenari che fino a pochi anni fa richiedevano server dedicati e GPU professionali. Oggi puoi costruire fitness tracker, rilevatori di gesti, sistemi di accessibilità — tutto nel browser, con privacy totale per l'utente perché i dati non lasciano mai il dispositivo.

Elenco delle lezioni

Ti mostro come creare da zero il progetto React con TypeScript che useremo come base per la nostra applicazione di Computer Vision. Configuriamo l'ambiente e analizziamo la struttura dei file generata da Vite.

Guarda lezione

Vediamo come attivare la webcam direttamente nel browser con React e installiamo TensorFlow.js e il modello MoveNet, pronti per fare pose estimation in tempo reale.

Guarda lezione

Ti mostro come costruire un selettore di webcam con una SelectBox React: gestiamo l'elenco dei dispositivi disponibili e permettiamo all'utente di scegliere quale camera usare.

Guarda lezione

Portiamo i frame della webcam su un canvas HTML, che diventerà la nostra area di lavoro per disegnare sopra le informazioni di Computer Vision in tempo reale.

Guarda lezione

Integriamo TensorFlow.js e il modello MoveNet nel progetto: inizializziamo il backend WebGL e avviamo la pose estimation per rilevare il corpo umano direttamente nel browser.

Guarda lezione

Rendiamo visibili i risultati di MoveNet disegnando sul canvas i 17 keypoints anatomici del corpo, così possiamo verificare in tempo reale che il modello stia funzionando correttamente.

Guarda lezione

Usiamo i keypoints di MoveNet per collegare spalla, gomito e polso con una linea sul canvas: iniziamo a costruire la prima lettura vera del movimento del corpo.

Guarda lezione

Costruiamo la logica applicativa principale: contiamo quante volte il polso supera l'altezza del naso usando le coordinate restituite da MoveNet, il cuore di un fitness tracker browser-based.

Guarda lezione
Giovanni Pace

Giovanni Pace

Ingegnere Informatico · Pratola Peligna

  • 107 Corsi
Mi presento brevemente

Sono un ingegnere informatico con oltre 15 anni di esperienza nel settore ICT. Mi occupo di sviluppo software, cybersecurity, data science e intelligenza artificiale, con particolare attenzione all’innovazione e all’automazione dei processi aziendali. Da anni svolgo anche attività di docenza e formazione, creando percorsi pratici e coinvolgenti su programmazione, DevOps, AI e sicurezza informatica.

Questo corso include

  • Lezioni 8
  • Durata 2h 0m
  • Difficoltà intermedio
  • Lingua it
  • Certificato No

Visti di recente