CN111343340A - 一种基于大数据的低端硬件设备的姿态判别方法 - Google Patents

一种基于大数据的低端硬件设备的姿态判别方法 Download PDF

Info

Publication number
CN111343340A
CN111343340A CN202010166202.9A CN202010166202A CN111343340A CN 111343340 A CN111343340 A CN 111343340A CN 202010166202 A CN202010166202 A CN 202010166202A CN 111343340 A CN111343340 A CN 111343340A
Authority
CN
China
Prior art keywords
big data
air pressure
low
equipment based
hardware equipment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010166202.9A
Other languages
English (en)
Inventor
韩业强
徐强
王超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Shiyu Technology Co ltd
Original Assignee
Hangzhou Shiyu Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Shiyu Technology Co ltd filed Critical Hangzhou Shiyu Technology Co ltd
Priority to CN202010166202.9A priority Critical patent/CN111343340A/zh
Publication of CN111343340A publication Critical patent/CN111343340A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G06F3/0346—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of the device orientation or free movement in a 3D space, e.g. 3D mice, 6-DOF [six degrees of freedom] pointers using gyroscopes, accelerometers or tilt-sensors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Telephone Function (AREA)

Abstract

本发明公开了一种基于大数据的低端硬件设备的姿态判别方法，包括大数据终端和气压测量器，所述大数据终端底端设置有若干个支撑脚，所述支撑脚上方设置有支撑架，所述支撑架外侧设置有底板，所述底板上方设置有神经网络系统，所述神经网络系统上方连接有存储器，所述存储器两侧设置有散热板，所述存储器上方设置有顶盖，所述气压测量器外侧设置有气压计外壳，所述气压计外壳内部设置有气压传感器，所述气压传感器两侧设置有信号增强装置，所述气压传感器下方设置有数据传输口，所述数据传输口下方设置有电板，本发明结构简单，操作时非常的方便，使用深度学习算法更准确的、方便的、自动的从数据中提取特征。

Description

一种基于大数据的低端硬件设备的姿态判别方法
技术领域
本发明涉及一种信号处理装置，具体为一种基于大数据的低端硬件设备的姿态判别方法。
背景技术
室内随着手机智能化水平的提高，越来越多的应用需要识别人类行为和手机姿态，以支持不同场景下的产品模式切换。通常姿态判断依赖手机的加速度传感器和陀螺仪传感器。加速度传感器识别x，y，z轴三个方向的运动加速度。陀螺仪传感器识别x，y，z轴三轴旋转角度。人类运动姿态多种多样，变幻莫测。但传感的质量和数据频率也多种多样，采集到数据的噪音通常比较强，且数据频率并不稳定。
常见的行为识别方法约定了几种常见的行为，例如手持竖屏，手持横屏，手持摇摆，接听电话，揣兜，放入挎包，上下楼等等。针对这几种行为，会提取出每种行为的特征，并对数据做滤波、平滑等预处理，使用机器学习的算法进行调参，以达到一种较高识别率的算法。为了减少误判概览，通常会利用时域空间相邻两次数据的条件概率关系引入Markov算法。这种方法不仅复杂，也不能很好的解决低端硬件设备，或者低频设备的识别场景。以上算法对于频率的基本保证通常在20Hz，使得预处理后的数据有相对明显的波峰波谷，再进行频域和时域上的特征提取。
本发明基于大量的带有行为标签的数据，使用深度学习算法，提高了低端硬件设别的行为识别准确率。为了更好的区分人类行为，我们引入了气压计传感器数据和姿态传感器数据。
发明内容
本发明的目的在于提供一种基于大数据的低端硬件设备的姿态判别方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于大数据的低端硬件设备的姿态判别方法，包括大数据终端和气压测量器，所述大数据终端底端设置有若干个支撑脚，所述支撑脚上方设置有支撑架，所述支撑架外侧设置有底板，所述底板上方设置有神经网络系统，所述神经网络系统上方连接有存储器，所述存储器两侧设置有散热板，所述存储器上方设置有顶盖，所述气压测量器外侧设置有气压计外壳，所述气压计外壳内部设置有气压传感器，所述气压传感器两侧设置有信号增强装置，所述气压传感器下方设置有数据传输口，所述数据传输口下方设置有电板。
优选的，所述大数据终端与所述安卓手机通过WiFi无线连接，方便数据的存储和处理。
优选的，所述安卓手机与所述气压测量器通过数据传输口有线连接，方便进行气压数据的提取。
优选的，所述神经网络系统外侧设置有若干个螺母，保证装置稳定。
优选的，所述顶盖两侧安装有固定扣，方便打开进行维修和更换。
优选的，所述大数据终端包括存储器、中央处理单元、神经网络系统和系统分析单元，更加智能的进行数据的传输和处理。
优选的，所述系统分析单元信号输出端连接有输出单元，保证了数据的传输稳定性。
优选的，所述大数据终端电能输入端连接有供电模块，提供了电能供应。
优选的，所述供电模块包括降压模块、整流模块和滤波模块，保证了电压的稳定。
优选的，所述安卓手机信号输入端连接有所述气压测量器，所述安卓手机信号输出端连接有所述大数据终端，方便数据的采集和处理。
优选的，所述存储器信号输出端连接有所述中央处理单元和所述神经网络系统，所述神经网络系统信号输出端连接有系统分析单元，实现了大数据的传输和提取。
优选的，所述降压模块信号输出端连接有所述整流模块，所述整流模块信号输出端连接有所述滤波模块，为了得到可用的标定直流电压。
优选的，所述气压传感器一侧设置有姿态传感器，方便获取人为姿态。
优选的，所述存储器通过杜邦线连接在所述内部控制板上，实现了大数据的传输。
优选的，所述神经网络系统为长短时记忆网络LSTM且所述神经网络系统与所述大数据终端内部控制板通过WiFi无线连接，采用神经网络提高了识别的精度。
与现有技术相比，本发明的有益效果是：本发明结构简单，操作时非常方便，结构简单，故障率低，易于维修，成本低，解决了低端硬件设备的姿态判别问题，使用深度学习算法更准确的、自动的从数据中提取特征。不需要根据经验提供先验知识特征，和手工设置的阈值，基于长短时记忆网络的深度学习算法具有较强的非线性能力，让模型能够包容更多的姿态和行为，具有加大的扩展潜力，由于对时间序列的数据的增强记忆能力，对行为分类的精度更高，训练集正确率98.12%，测试集正确率96.71%。相对于传统方法能更好的区分揣兜和放入挎包，竖屏和打电话这两组区分度极低的行为，神经网络训练结果只需一次完成，除非增加训练集继续提升分类精度，提升了计算性能，不需要对数据预处理等计算。
附图说明
图1为本发明整体结构示意图。
图2为本发明气压测量器示意图。
图3为本发明运行模块示意图。
图中：1-大数据终端；2-散热板；3-顶盖；4-存储器；5-固定扣；6-神经网络系统；7-螺母；8-底板；9-支撑脚；10-气压测量器；11-气压传感器；12-信号增强装置；13-数据传输口；14-电板；15-中央处理单元；16-安卓手机；17-供电模块；18-降压模块；19-整流模块；20-滤波模块；21-系统分析单元；22-输出单元；23-支撑架；24-气压计外壳。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-3，本发明提供一种技术方案：一种基于大数据的低端硬件设备的姿态判别方法，包括大数据终端1和气压测量器10，所述大数据终端1底端设置有若干个支撑脚9，所述支撑脚9上方设置有支撑架23，所述支撑架23外侧设置有底板8，所述底板8上方设置有神经网络系统6，所述神经网络系统6上方连接有存储器4，所述存储器4两侧设置有散热板2，所述存储器4上方设置有顶盖3，所述气压测量器10外侧设置有气压计外壳24，所述气压计外壳24内部设置有气压传感器11，所述气压传感器11两侧设置有信号增强装置12，所述气压传感器11下方设置有数据传输口13，所述数据传输口13下方设置有电板14。
所述大数据终端1与所述安卓手机16通过WiFi无线连接，方便数据的存储和处理。所述安卓手机16与所述气压测量器10通过数据传输口13有线连接，方便进行气压数据的提取。所述神经网络系统6外侧设置有若干个螺母7，保证装置稳定性。所述顶盖3两侧安装有固定扣5，方便打开进行维修和更换。所述大数据终端1包括存储器4、中央处理单元15、神经网络系统6和系统分析单元21，更加智能的进行数据的传输和处理。所述系统分析单元21信号输出端连接有输出单元22，保证了数据的传输稳定性。所述大数据终端1电能输入端连接有供电模块17，提供了电能供应。所述供电模块17包括降压模块18、整流模块19和滤波模块20，保证了电压的稳定。所述安卓手机16信号输入端连接有所述气压测量器10，所述安卓手机16信号输出端连接有所述大数据终端1，方便数据的采集和处理。所述存储器4信号输出端连接有所述中央处理单元15和所述神经网络系统6，所述神经网络系统6信号输出端连接有系统分析单元21，实现了大数据的传输和提取。所述降压模块18信号输出端连接有所述整流模块19，所述整流模块19信号输出端连接有所述滤波模块20，为了得到可用的标定直流电压。所述气压传感器11一侧设置有姿态传感器，方便获取人为姿态。所述存储器4通过杜邦线连接在所述内部控制板上，实现了大数据的传输。所述神经网络系统6为长短时记忆网络LSTM且所述神经网络系统6与所述大数据终端1内部控制板通过WiFi无线连接，采用神经网络提高了识别的精度。
工作原理：首先供电模块17保证了装置电能供应，存储器4进行数据的存储，旁边的散热板2进行散热，本发明为了保证较好的训练效果，需要准备大量的独立的连续行为数据。为了解决低端硬件姿态判别问题，准备了多种版本的3轴、6轴、9轴传感器对应的安卓手机。使用安卓手机16原生接口，安卓手机外接气压测量器10，气压计传感器10测量当前大气压值，只对上下楼的行为有影响获取加速度计和陀螺仪参数，频率设置5Hz，更低频率的神经网络训练，存储器4信号输出端连接有所述中央处理单元15和所述神经网络系统6，可以在5Hz的数据上重新取样，数据传输到大数据终端1中的神经网络系统6进行训练，引入了长短时记忆网络（LSTM），通过特有的门单元解决问题，使用训练集数据进行网络训练。将一组数据输入完毕后经过权值矩阵计算的到网络输出y与本组数据标签y’计算交叉熵作为误差，计算误差函数loss对权值矩阵W的梯度，将获得的梯度反向传播调整网络各部分权值矩阵，通过Adam下降方式反复迭代降低误差loss直到网络收敛至可接受误差。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种基于大数据的低端硬件设备的姿态判别方法，其特征在于：包括大数据终端（1）和气压测量器（10），所述大数据终端（1）底端设置有若干个支撑脚（9），所述支撑脚（9）上方设置有支撑架（23），所述支撑架（23）外侧设置有底板（8），所述底板（8）上方设置有神经网络系统（6），所述神经网络系统（6）上方连接有存储器（4），所述存储器（4）两侧设置有散热板（2），所述存储器（4）上方设置有顶盖（3），所述气压测量器（10）外侧设置有气压计外壳（24），所述气压计外壳（24）内部设置有气压传感器（11），所述气压传感器（11）两侧设置有信号增强装置（12），所述气压传感器（11）下方设置有数据传输口（13），所述数据传输口（13）下方设置有电板（14）。
2.根据权利要求1所述的一种基于大数据的低端硬件设备的姿态判别方法，其特征在于：所述大数据终端（1）与所述安卓手机（16）通过WiFi无线连接。
3.根据权利要求1所述的一种基于大数据的低端硬件设备的姿态判别方法，其特征在于：所述安卓手机（16）与所述气压测量器（10）通过数据传输口（13）有线连接。
4.根据权利要求1所述的一种基于大数据的低端硬件设备的姿态判别方法，其特征在于：所述神经网络系统（6）外侧设置有若干个螺母（7）。
5.根据权利要求1所述的一种基于大数据的低端硬件设备的姿态判别方法，其特征在于：所述顶盖（3）两侧安装有固定扣（5）。
6.根据权利要求1所述的一种基于大数据的低端硬件设备的姿态判别方法，其特征在于：所述大数据终端（1）包括存储器（4）、中央处理单元（15）、神经网络系统（6）和系统分析单元（21）。
7.根据权利要求1所述的一种基于大数据的低端硬件设备的姿态判别方法，其特征在于：所述系统分析单元（21）信号输出端连接有输出单元（22）。
8.根据权利要求1所述的一种基于大数据的低端硬件设备的姿态判别方法，其特征在于：所述大数据终端（1）电能输入端连接有供电模块（17）。
9.根据权利要求1所述的一种基于大数据的低端硬件设备的姿态判别方法，其特征在于：所述供电模块（17）包括降压模块（18）、整流模块（19）和滤波模块（20）。
10.据权利要求1所述的一种基于大数据的低端硬件设备的姿态判别方法，其特征在于：所述安卓手机（16）信号输入端连接有所述气压测量器（10），所述安卓手机（16）信号输出端连接有所述大数据终端（1）。
CN202010166202.9A 2020-03-11 2020-03-11 一种基于大数据的低端硬件设备的姿态判别方法 Pending CN111343340A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010166202.9A CN111343340A (zh) 2020-03-11 2020-03-11 一种基于大数据的低端硬件设备的姿态判别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010166202.9A CN111343340A (zh) 2020-03-11 2020-03-11 一种基于大数据的低端硬件设备的姿态判别方法

Publications (1)

Publication Number Publication Date
CN111343340A true CN111343340A (zh) 2020-06-26

Family

ID=71186241

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010166202.9A Pending CN111343340A (zh) 2020-03-11 2020-03-11 一种基于大数据的低端硬件设备的姿态判别方法

Country Status (1)

Country Link
CN (1) CN111343340A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105009027A (zh) * 2012-12-03 2015-10-28 纳维森斯有限公司 用于估计对象的运动的系统和方法
CN105806542A (zh) * 2016-04-29 2016-07-27 深圳市宇朔晶合微机电技术有限公司 一种气压传感器
CN106534579A (zh) * 2016-12-12 2017-03-22 北京羲和科技有限公司 基于深度学习的手机姿态判断方法及装置
CN206167845U (zh) * 2016-10-10 2017-05-17 曹惠 一种用于滑雪运动的智能系统
CN108965609A (zh) * 2018-08-31 2018-12-07 南京宽塔信息技术有限公司 移动终端应用场景的识别方法和装置
CN108958482A (zh) * 2018-06-28 2018-12-07 福州大学 一种基于卷积神经网络的相似性动作识别装置及方法
WO2019192172A1 (zh) * 2018-04-04 2019-10-10 歌尔股份有限公司 一种姿态预测方法、装置和电子设备
CN209572085U (zh) * 2019-04-15 2019-11-01 成都大数汇聚科技有限公司 基于云服务的人脸识别系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105009027A (zh) * 2012-12-03 2015-10-28 纳维森斯有限公司 用于估计对象的运动的系统和方法
CN105806542A (zh) * 2016-04-29 2016-07-27 深圳市宇朔晶合微机电技术有限公司 一种气压传感器
CN206167845U (zh) * 2016-10-10 2017-05-17 曹惠 一种用于滑雪运动的智能系统
CN106534579A (zh) * 2016-12-12 2017-03-22 北京羲和科技有限公司 基于深度学习的手机姿态判断方法及装置
WO2019192172A1 (zh) * 2018-04-04 2019-10-10 歌尔股份有限公司 一种姿态预测方法、装置和电子设备
CN108958482A (zh) * 2018-06-28 2018-12-07 福州大学 一种基于卷积神经网络的相似性动作识别装置及方法
CN108965609A (zh) * 2018-08-31 2018-12-07 南京宽塔信息技术有限公司 移动终端应用场景的识别方法和装置
CN209572085U (zh) * 2019-04-15 2019-11-01 成都大数汇聚科技有限公司 基于云服务的人脸识别系统

Similar Documents

Publication Publication Date Title
CN202282004U (zh) 基于情景感知与活动分析的移动健康管理系统
CN203953662U (zh) 一种穿戴式睡眠检测监控系统
CN204909414U (zh) 一种老年人专用的多功能智能医疗监测手环
CN103455170A (zh) 一种基于传感器的移动终端运动识别装置及方法
CN204166291U (zh) 一种具有智能健康监测报警系统的手表装置
CN202067276U (zh) 移动健康管理系统
CN204157812U (zh) 一种具有检测心率功能的手环结构
CN205514533U (zh) 一种可穿戴的人体皮肤检测装置
CN107545134A (zh) 用于可穿戴设备的与睡眠相关的特征数据处理方法与装置
CN208541309U (zh) 一种体动监测装置
CN206274673U (zh) 心率检测耳机
CN104407768A (zh) 一种终端
CN107292105A (zh) 一种饮水信息的生成方法及生成装置
CN107943271A (zh) 运动数据检测方法、装置及系统
CN204744166U (zh) 一种智能检脂秤
CN106657415A (zh) 一种智能健康终端系统
CN204169840U (zh) 心率监测卡片及背心
CN204272234U (zh) 一种个人健康监护的手机伴侣装置
CN111343340A (zh) 一种基于大数据的低端硬件设备的姿态判别方法
AU2021102014A4 (en) Bcg-based non-contact heart rate monitoring method and system
CN208223542U (zh) 一种施工现场环境监测系统
US20180252549A1 (en) Method and apparatus for realizing step counting
CN207850390U (zh) 一种人体弯腰姿态识别装置
CN206700160U (zh) 一种实时远程监测的智能老人健康手环
CN206166923U (zh) 人体运动数据采集装置和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200626