【发布时间】：2012-11-07 08:35:45
【问题描述】：
我想知道是否有一些库/算法/技术可以帮助从加速度计数据（从任何智能手机中提取）中提取用户上下文（步行/站立）？
例如，我会在一段时间内每 5 秒收集一次加速度计数据，然后识别用户上下文（例如，前 5 分钟，用户正在走路，然后用户站立一分钟，然后然后他又走了 3 分钟）。
提前非常感谢你:)
【问题讨论】：
标签： accelerometer data-analysis
【发布时间】：2012-11-07 08:35:45
【问题描述】：
我不知道有这样的图书馆。
编写这样的库是一项非常耗时的任务。基本上，您将构建一个您希望识别的“用户上下文”数据库。
然后您收集数据并将其与数据库中的数据进行比较。至于如何比较，见Store orientation to an array - and compare，加速度计也是如此。
【讨论】：
它仍然是一个研究课题，请看这篇讨论算法的论文
【讨论】：
【讨论】：
-
不幸的是，我已经实现了这个功能。但是我 +1，因为我在 Google I/O 期间错过了这一点
步行/跑步数据在很多方面类似于心率数据。在过滤噪声和平滑峰值方面，研究噪声过滤和峰值检测算法。以下是用于获取心脏病患者的心率信息，应该是一个很好的起点：http://www.docstoc.com/docs/22491202/Pan-Tompkins-algorithm-algorithm-to-detect-QRS-complex-in-ECG
考虑一下您希望如何滤除噪声并检测峰值；过滤器显然取决于您收集的原始数据，但最好大致了解您想对数据进行哪种过滤。考虑一下过滤数据后需要做什么。在您的情况下，请考虑如何设计一种算法来找出数据何时指示活动（如步行、跑步等），以及何时显示用户处于静止状态。这是一个相当具有挑战性的问题，一旦你考虑到设备本身的动态（当用户走路/跑步时它是如何定位的），以及很少（如果不是没有）基准算法可以做到这一点的事实原始智能手机数据。
从确定合适的算法开始，然后一一解决（上面提到的）复杂性。
【讨论】：