電子發(fā)燒友網(wǎng)>電子資料下載>電子資料>使用通用傳感器API和Google進(jìn)行用戶活動(dòng)識(shí)別

使用通用傳感器API和Google進(jìn)行用戶活動(dòng)識(shí)別

1860193 2023-06-19 | zip | 0.00 MB | 次下載 | 免費(fèi)

資料介紹

描述

這是為羅馬第一大學(xué)物聯(lián)網(wǎng)課程的Assignment4制作的項(xiàng)目。

介紹

在本作業(yè)中，我創(chuàng)建了一個(gè) HTML5 人群感應(yīng)應(yīng)用程序，它使用通用傳感器 API 從手機(jī)的加速度計(jì)傳感器收集數(shù)據(jù)。收集到的值會(huì)像之前的教程一樣傳輸?shù)?Google Cloud 基礎(chǔ)架構(gòu)。

使用在云端收集的數(shù)據(jù)，我開發(fā)了一個(gè)簡(jiǎn)單的活動(dòng)識(shí)別模型，可以檢測(cè)用戶是靜止不動(dòng)還是移動(dòng)。

該應(yīng)用程序以兩種模式開發(fā)：基于云的部署和基于邊緣的部署。請(qǐng)注意，為了簡(jiǎn)化測(cè)試，我的應(yīng)用程序?qū)煞N方法一起使用，但將它們分開非常簡(jiǎn)單。

以下部分是有關(guān)如何設(shè)置和運(yùn)行系統(tǒng)的動(dòng)手教程。

使用的技術(shù)：NodeJS、HTML5、通用傳感器 API、MQTT、谷歌云物聯(lián)網(wǎng)核心。

UAR - 移動(dòng)應(yīng)用程序

移動(dòng)應(yīng)用程序是一個(gè)使用 NodeJS、HTML5 和通用傳感器 API 創(chuàng)建的簡(jiǎn)單系統(tǒng)。目標(biāo)是開發(fā)一個(gè)簡(jiǎn)單的用戶活動(dòng)識(shí)別 (UAR) 模型。

用戶活動(dòng)識(shí)別

該應(yīng)用程序從手機(jī)的加速度計(jì)傳感器讀取值，提供應(yīng)用于設(shè)備 X、Y 和 Z 軸的加速度。作為第一次嘗試，我嘗試以 1Hz 的頻率對(duì)值進(jìn)行采樣，但生成的模型并不可靠，因此，經(jīng)過(guò)一些嘗試，我將頻率設(shè)置為 4Hz。

三軸加速度

設(shè)置傳感器非常簡(jiǎn)單，借助通用傳感器 API，可以在應(yīng)用程序前端使用簡(jiǎn)單的 JS 腳本來(lái)完成。首先，我們必須確保手機(jī)配備了傳感器，在這種情況下，我們必須能夠訪問(wèn)它。在這方面，需要注意的是 Generic Sensor API 需要 Google Chrome 瀏覽器和 HTTPS 協(xié)議作為先決條件。

如果所有檢查都成功，我們就可以讓我們的傳感器與startApp()函數(shù)一起工作。但在看到這部分之前，我們必須先談?wù)劵谠频牟渴鸷突谶吘壍牟渴鹬g的區(qū)別。

-基于云的部署：

在此模式下，應(yīng)用程序通過(guò) MQTT 連接將值發(fā)送到 Google Cloud IoT Core。鑒于到達(dá)云的數(shù)據(jù)，我們執(zhí)行模型并在新值到達(dá)時(shí)提供用戶狀態(tài)的狀態(tài)，并將它們顯示在提供以下功能的 Web 儀表板中：

顯示從所有傳感器接收到的最新值和結(jié)果活動(dòng)。
顯示在過(guò)去一小時(shí)內(nèi)從所有傳感器接收到的值以及結(jié)果活動(dòng)。

-基于邊緣的部署：

給定手機(jī)收集的數(shù)據(jù)，模型在本地執(zhí)行，為用戶的狀態(tài)提供狀態(tài)。只有活動(dòng)識(shí)別模型的結(jié)果應(yīng)該傳輸?shù)皆贫恕?/font>此外，在這種情況下，我們創(chuàng)建了一個(gè)提供以下功能的 Web 儀表板：

顯示用戶的最新活動(dòng)。
顯示過(guò)去一小時(shí)內(nèi)收到的活動(dòng)。

1 / 2

現(xiàn)在我們準(zhǔn)備好更好地理解startApp()函數(shù)在工作之前是如何看到的

首先，我們創(chuàng)建一個(gè)頻率為 4Hz 的 Accelerometer 類的新實(shí)例（第 66 行）。我們定義了一個(gè)事件監(jiān)聽器（第 68 行）來(lái)處理來(lái)自傳感器的值。我們每秒發(fā)送一次值，并且如前所述，我們區(qū)分了兩種部署模式。之后，我們還在應(yīng)用程序的前端顯示用戶的活動(dòng)（第 100-101 行），最后，我們啟動(dòng)傳感器（第 103 行）。

注意：通常只使用兩種模式中的一種，但為了簡(jiǎn)單起見，在這種情況下，它們被放在了一起。如果您只想以一種方式運(yùn)行應(yīng)用程序，只需將與另一種模式相關(guān)的代碼部分注釋掉即可。

在 Google 代理上發(fā)布的有效負(fù)載還包含一個(gè)用于識(shí)別用戶的字段。標(biāo)識(shí)是使用用戶第一次打開應(yīng)用程序時(shí)生成的cookie進(jìn)行的。這種方法只有重復(fù)用戶的問(wèn)題，確實(shí)為了更好的識(shí)別，需要一個(gè)身份驗(yàn)證過(guò)程，但這不是這個(gè)項(xiàng)目的目標(biāo)。

在本節(jié)的最后一部分，我們將討論用于識(shí)別人類活動(dòng)的預(yù)測(cè)模型。

預(yù)測(cè)模型

模型

我們想要估計(jì)運(yùn)動(dòng)檢查加速度是否保持在給定的閾值內(nèi)，在我們的例子中是 9.05 - 9.95 的范圍。這種選擇的動(dòng)機(jī)是當(dāng)移動(dòng)設(shè)備靜止時(shí)，無(wú)論位置如何，只有重力加速度會(huì)作用于它。該范圍略大于重力加速度，以保證良好的可靠性水平。由于我們有加速度的三個(gè)分量（x，y，z），我們可以計(jì)算斜邊的大小來(lái)檢索單個(gè)值。

這種方法的主要問(wèn)題是誤報(bào)和誤報(bào)，因?yàn)樗且粋€(gè)簡(jiǎn)單的計(jì)算，而不是機(jī)器學(xué)習(xí)訓(xùn)練的模型。

UCI HAR 數(shù)據(jù)集的實(shí)驗(yàn)

還使用數(shù)據(jù)集UCI HAR進(jìn)行了一些實(shí)驗(yàn)-具有 6 個(gè)類別的數(shù)據(jù)集：WALKING、WALKING_UPSTAI RS、WALKING_DOWNSTAIRS、SITTING、STANDING、LAYING。由于我們只需要識(shí)別運(yùn)動(dòng)，因此我將六個(gè)類別合并為兩個(gè)類別：站立，移動(dòng)。對(duì)于實(shí)驗(yàn)，我使用了一個(gè)隨機(jī)森林分類器，結(jié)果準(zhǔn)確率為 97%。不幸的是，我無(wú)法很好地實(shí)現(xiàn)系統(tǒng)，在從新輸入值中提取特征時(shí)遇到了幾個(gè)問(wèn)題。本實(shí)驗(yàn)在本項(xiàng)目的 git 倉(cāng)庫(kù)中。我使用了 Python 庫(kù) Scikit Learn（請(qǐng)參閱文件夾 uar_model）。

谷歌云后端

首先要做的是建立我們的谷歌平臺(tái)。打開“IoT Core”部分后，請(qǐng)按照以下簡(jiǎn)單步驟操作：

1) 創(chuàng)建注冊(cè)表

2）創(chuàng)建設(shè)備并將它們添加到注冊(cè)表（我們的目的是4個(gè)設(shè)備）

3) 創(chuàng)建訂閱并將其連接到設(shè)備

請(qǐng)注意，要執(zhí)行第二步，您必須創(chuàng)建一個(gè)證書。本指南由 Google 提供，包含所有詳細(xì)步驟：快速入門 - 指南。

完成這部分我們就可以開發(fā)我們的后端了。

處理到達(dá)云端的消息

和以前一樣，我們注意到云部署和邊緣部署之間的區(qū)別。事實(shí)上，在云端，到達(dá)的數(shù)據(jù)使用我們的模型處理（第 95 行），保存在數(shù)據(jù)庫(kù)中（第 97-106 行）并發(fā)送到儀表板（第 108 行），而不是在基于邊緣的數(shù)據(jù)中直接保存在數(shù)據(jù)庫(kù)中（第 112-118 行）并發(fā)送到儀表板（第 120 行）。