使用加速度计和机器学习进行运动类型检测

Question

我即将着手开发使用加速度计来检测运动类型的移动应用程序，无论它是跳跃，跑步，步行等。现在我最近进行了很多在线搜索，并且有些了解使用机器学习可以检测从加速度计收集的样本数据中的模式。我是机器学习的新手，但是如果我理解正确（基于其他专家在线提供的提示），我可以使用支持向量机或神经网络来识别所收集样本中的模式并将其映射到特定的运动类型。我也知道OpenCV库提供了这两种方法。

能在该领域具有专业知识的人告诉我哪种方法更好用，并指导我完成从数据收集到结果表示的所有步骤吗？

Answer 1

没有确凿的证据表明SVM或NN在一般情况下更好，并且性能在很大程度上取决于应用程序以及如何设置这两种算法。因此，找出任何新应用程序的唯一方法是使用相同的数据尝试这两个应用程序，并查看哪个应用程序性能更好。

而且，NN通常在分类上计算速度较快，但在训练上则较慢。SVM用于训练的速度更快，但是用于分类的速度则较慢。

对于您的情况，算法的输入参数将是更大的问题。我不会将原始加速度计数据输入SVM或NN。取而代之的是，我将进行预处理并获得基本信息，例如总功率，标准偏差，频域中的一些系数，以确定其运行速度。通过这种方式可以更好地了解和改进分类器。如果输入参数正确，则可能甚至不需要NN或SVM即可确定基本运动，只需简单的最近距离标识符即可。祝好运。