识别传感器的模式,我想我的应用程序能够检测当携带手机用户下降,仅使用加速度计数据(因为它是在所有的智能手机唯一可用的传感器)。列车的Android应用程序中使用机器学习
我首先尝试实现一种算法来检测自由落体(加速度计的总加速度接近于零,然后是由于地面打击引起的高加速度,以及当用户刚刚快速走到楼下时短暂静止以消除误报) ,但有很多方法可以下降,而且对于我的算法实现,我总能找到一个情况,即没有检测到跌倒,或者跌倒被错误地检测到。
我认为机器学习可以帮助我解决这个问题,通过从大量来自不同设备的传感器值,不同采样率,什么是下降和什么是不是。
Tensorflow似乎是我需要的,因为它似乎可以在Android上运行,但虽然我可以找到教程来使用它进行离线图像分类(here for example),但我没有找到任何帮助来制作模型从运动传感器值中学习模式。
我试图学习如何使用入门页面使用Tensorflow,但未能,可能是因为我不太流利的Python,并且没有机器学习背景。 (我在Java和Kotlin中流利,并习惯于Android API)。
我在社区寻求帮助,以帮助我使用Tensorflow(或机器学习中的其他东西)来训练我的应用程序,以识别跌倒和其他运动传感器模式。
作为提醒,Android以随机速率报告运动传感器值,但为每个传感器事件提供纳秒时间戳,可用于推断自上次传感器事件以来的时间,并提供传感器读数作为每个轴(x,y,z)的浮点(32位)。
嗨,你是否能够实现下降检测?我也想在加速计数据上应用一些ML。 –
@TinaJ我没有时间去尝试当前的解决方案,但我很想知道这些解决方案是否适合您! –
Weka是一个很好的工具。如果我有时间,我想知道它是多么容易。我也喜欢你,没有python背景(只有Java)!请更新我的ML进展!哈哈 –