android - 使用机器学习训练 Android 应用识别传感器模式

Question

我希望我的应用能够检测携带手机的用户何时跌倒，仅使用加速度计数据(因为它是所有智能手机上唯一可用的传感器).

我首先尝试实现一种算法来检测自由落体(加速度计总加速度接近于零，随后由于地面撞击而产生高加速度，以及当用户只是快速下楼时出现短时间静止以消除误报)，但是跌倒的方式有很多种，对于我的算法实现，我总能找到没有检测到跌倒的情况，或者错误检测到跌倒的情况。

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、具有不同采样率的大量传感器值，了解什么是跌倒，什么不是跌倒。

Tensorflow 似乎是我需要的，因为它似乎可以在 Android 上运行，但是虽然我可以找到使用它进行离线图像分类的教程 (here for example)，但我没有找到任何制作模型的帮助从运动传感器值中学习模式。

我尝试通过“入门”页面学习如何使用 Tensorflow，但未能成功，这可能是因为我不精通 Python，并且没有机器学习背景。 (我精通 Java 和 Kotlin，并且习惯使用 Android API)。

我正在寻求社区的帮助，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。

提醒一下，Android 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以纳秒为单位的时间戳，可用于推断自上次传感器事件以来耗时，传感器读数提供为每个轴(x、y、z)的 float (32 位)。

Answer 1

如果您的数据组织得很好，那么您也许可以使用基于 Java 的 Weka 机器学习环境: http://www.cs.waikato.ac.nz/ml/weka/

您可以使用 Weka 对您的数据使用所有不同的算法。 Weka 为数据使用 ARFF 文件。如果您有 JSON 或 CSV 格式的数据，则创建它非常容易。找到有效的算法/模型后，您可以轻松地将其放入您的 Android 应用程序中: http://weka.wikispaces.com/Use+Weka+in+your+Java+code

如果你不需要深度学习算法，你真的不需要 Tensorflow，我认为你不需要。如果您确实需要深度学习算法，那么 DeepLearning4J 是一个基于 Java 的 Android 开源解决方案: https://deeplearning4j.org/android