HAR

基于多传感器数据融合的人体行为识别系统

工程基于以下数据集进行设计： 数据集-Kaggel

用自采集数据集（约3000组特征序列）构建训练集和测试集，模型搭载在树莓派3B上实时运行，acc 96%

参考：

1D卷积网络;文献综述

Requirements：

• python 3.7.3

• torch 1.1.0

• torchvision 0.3.0

• Pillow

• Sense-HAT-B（使用九轴传感器）

sensor:

• accelerometer

• gyroscope

Usage

• classi.py : load your own dataset and train your model

• ICM20948.py : run in raspberry pi to get sensor's data

• MakeANewDataset.py ： create Feature Engineering

• run.py : run in raspberry pi,scratch datas,calculate your feature and classification.

• visdo.py ： Monitoring the training process in tensorboard

• visualble.py ： Draw your model as a flowchart

Usage in Raspberry Pi

1.登录

username:pi

passwd :yahboom

2.run

cd ~/pycharmproject/censorcal/model23

sudo python 422.py

未完成部分

目前每个动作的特征序列上共有561个特征值，许多特征是无用的，可以用特征工程知识进行特征选择，在数据预处理时做好特征清理工作，提高计算效率

一：

1）在保证正确率情况下，用尽量小的样本进行训练。目前的训练的特征序列仍需要2000+组，对个人采集来说时间还是太长。可以用预训练的模型移植到设备上再让用户Funtuning,或许也可以实现小样本训练

2）用户的自采集自训练的交互界面

二：

1）在实时时间序列上操作。