Классификация деятельности человека с помощью данных акселерометра с нейронной сетью

Question

Мне поручено провести тест существующего классификатора для моей компании. Самая большая проблема в настоящее время заключается в дифференциации между различными видами транспорта, такими как признание того, что я сейчас в поезде, вождение автомобиля или велосипед, поэтому это основное внимание.

Я читал много о LSTM, http://en.wikipedia.org/wiki/Long_short_term_memory и его недавнем успехе в рукописном и распознавании речи, где время между значительными событиями может быть довольно длинным.

Итак, моя первая мысль о проблеме с поездом/автобусом заключается в том, что, вероятно, не существует такого четкого и короткого цикла, как при ходьбе/запуске, например, такая долговременная память, вероятно, имеет решающее значение.

Кто-нибудь пробовал что-либо подобное с приличными результатами? Или есть другие методы, которые могли бы потенциально решить эту проблему лучше?

Answer 1

Я работал над обнаружением транспорта, используя акселерометры для смартфонов. Основной результат, который я нашел, заключается в том, что почти любой классификатор будет делать; ключевой проблемой является набор функций. (Это ничем не отличается от многих других проблем машинного обучения.) Мой набор функций в конечном итоге содержал значения во временной области и частотной области, взятые из сегментации раздвижных окон временного ряда.

Другая проблема заключается в том, что акселерометр можно разместить где угодно. На теле это может быть где угодно и в любой ориентации. Если пользователь водит машину, это телефон в кармане, в сумке, на автокресле, прикрепленном к крепежному окну и т.п.?

Если вы хотите избежать этих проблем, используйте GPS вместо акселерометра. Вы можете сделать относительно точные классификации с этим датчиком, но стоимость - это использование батареи.