Tag: tensorflow

训练Android应用使用机器学习识别传感器模式

我希望我的应用程序能够检测携带手机的用户何时下落，只使用加速计数据（因为它是所有智能手机上唯一可用的传感器）。 我首先试图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，接着是由于地面打击引起的高加速度，以及当用户刚刚在楼下快速走动时短暂静止以消除误报），但是有一个很多方法下降，而且对于我的算法实现，我总是可以找到一个情况下，没有检测到跌倒，或者在哪里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，通过学习来自不同设备的很多传感器值，不同的采样率，什么是跌倒，什么不是。 Tensorflow似乎是我所需要的，因为它似乎可以在Android上运行，但是虽然我可以找到教程来使用它进行离线图像分类（ 在这里例如 ），但我没有找到任何帮助，使模型学习模式来自运动传感器的值。 我试着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，并没有机器学习的背景。 （我在Java和Kotlin上流利，并习惯于Android API）。 我正在从社区寻求帮助，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。 提醒一下，Android会以随机速率报告运动传感器值，但会为每个传感器事件提供纳秒级时间戳，可用于推断自上次传感器事件以来流逝的时间，并将传感器读数作为浮点数提供对于每个轴（x，y，z）都是32位）。