大家好，插播一下，最近花了點時間，基于g-sensor，在做一些姿勢識別的事情，比如走路，跑步，騎車，起立，坐下，文章還在整理，歡迎關(guān)注。周末爭取傳個apk給大家體驗一下。
http://blog.csdn.net/finnfu/article/details/78543693
http://blog.csdn.net/finnfu/article/details/78543622
開始：
一、寫在分享之前
最新發(fā)現(xiàn)了很多文章將算法直接拿去用，簡書上，github上，導(dǎo)致下面有很多疑問。
希望大家轉(zhuǎn)載或者改造的時候，可以注明一下算法的原作者為 finnfu以及原文鏈接，謝謝。
很多人問源碼地址，因為一些原因不能提供，寫了個簡單的算法demo，以及算法介紹文檔。
https://github.com/finnfu/stepcount
如果覺得對你有幫助，請給個star吧！
下面是正文：
目前在計步領(lǐng)域比較領(lǐng)先的有樂動力以及春雨計步器，在做算法的參數(shù)調(diào)試的時候也是一直拿這兩個應(yīng)用做對比。樂動力當(dāng)之無愧行業(yè)第一，不管是應(yīng)用的體驗還是準(zhǔn)確度都是非常棒，春雨計步器的亮點是輕量級，使用以及界面操作都很簡單。之前因為一些需求，需要做一個計步器，所以就開始自己研究算法了，各種場景（走路拿在手上，放在口袋，跑步），算法的準(zhǔn)確度大概可以達到95.7%，綜合起來覺得是比春雨略好，但是贏不了樂動力（可以達到97.7%）在體驗和大局觀為王的互聯(lián)網(wǎng)時代，我覺得技術(shù)上的差距會越來越小，重要的是體驗還有對于產(chǎn)品的定位，所以決定將算法與大家分享，第一是希望可以幫到到家，第二也是希望大家提一些意見，讓這個算法可以得到改進。
http://download.csdn.net/detail/finnfu/9534158
二、計步器算法的總體思路以及輔助調(diào)試的工具
人在走路時大致分為下面幾種場景：
1、正常走路，手機拿在手上（邊走邊看、甩手、不甩手）
2、慢步走，手機拿在手上（邊走邊看、甩手、不甩手）
3、快步走，手機拿在手上（甩手、不甩手、走的很快一般不會看手機吧）
4、手機放在褲袋里（慢走、快走、正常走）
5、手機放在上衣口袋里（慢走、快走、正常走）
6、上下樓梯（上面五中場景可以在這個場景中再次適用一遍）
以上，不管出于哪一種場景（其實對應(yīng)手機不同的運動規(guī)律），g-sensor的三軸數(shù)據(jù)都是有規(guī)律可以尋找的。
每一步都有特征點，找到這個特征點，就是識別出來一步。
下面推薦一個工具，叫g(shù)sensor-debug，可以觀察三軸的曲線，下面是手機上下擺動的曲線
這是很規(guī)律曲線只要檢測波峰就行了，實際的走路曲線會有很多雜波，算法的作用就是濾除這些雜波（走路的波形可以用工具自己看，可以保存為文件，用excel打開有數(shù)據(jù)，將數(shù)據(jù)轉(zhuǎn)換為波形就可以自己看）
三、算法的介紹（貼出核心代碼）
[java]view plaincopy
//存放三軸數(shù)據(jù)
float[]?oriValues?=newfloat[3];
finalintvalueNum?=4;
//用于存放計算閾值的波峰波谷差值
float[]?tempValue?=newfloat[valueNum];
inttempCount?=0;
//是否上升的標(biāo)志位
booleanisDirectionUp?=false;
//持續(xù)上升次數(shù)
intcontinueUpCount?=0;
//上一點的持續(xù)上升的次數(shù)，為了記錄波峰的上升次數(shù)
intcontinueUpFormerCount?=0;
//上一點的狀態(tài)，上升還是下降
booleanlastStatus?=false;
//波峰值
floatpeakOfWave?=0;
//波谷值
floatvalleyOfWave?=0;
//此次波峰的時間
longtimeOfThisPeak?=0;
//上次波峰的時間
longtimeOfLastPeak?=0;
//當(dāng)前的時間
longtimeOfNow?=0;
//當(dāng)前傳感器的值
floatgravityNew?=0;
//上次傳感器的值
floatgravityOld?=0;
//動態(tài)閾值需要動態(tài)的數(shù)據(jù)，這個值用于這些動態(tài)數(shù)據(jù)的閾值
finalfloatinitialValue?=?(float)1.3;
//初始閾值
floatThreadValue?=?(float)2.0;
privateStepListener?mStepListeners;
檢測步子就是檢測波峰，但是要濾除無效的波峰，主要采用了如下三種措施
a、規(guī)定曲線連續(xù)上升的次數(shù)
b、波峰波谷的差值需要大于閾值
c、閾值是動態(tài)改變的
另一個是一些參數(shù)的初始值，比如initialValue 以及ThreadValue 的初始值，以及averageValue函數(shù)的梯度化范圍值
需要結(jié)合各種場景的波形圖來統(tǒng)計，還有幾十實際的測試來調(diào)試參數(shù)，這些參數(shù)大概前后調(diào)了兩個星期，其實總體思路不復(fù)雜。
下面貼出核心代碼以及一些注釋：
（因為一些原因，整個工程我就不傳了，后面有時間我可以將app傳上來）
[java]view plaincopy
/*
*?注冊了G-Sensor后一只會調(diào)用這個函數(shù)
*?對三軸數(shù)據(jù)進行平方和開根號的處理
*?調(diào)用DetectorNewStep檢測步子
*?*/
@Override
publicvoidonSensorChanged(SensorEvent?event)?{
for(inti?=0;?i?<3;?i++)?{
oriValues[i]?=?event.values[i];
}
gravityNew?=?(float)?Math.sqrt(oriValues[0]?*?oriValues[0]
+?oriValues[1]?*?oriValues[1]?+?oriValues[2]?*?oriValues[2]);
DetectorNewStep(gravityNew);
}
/*
*?檢測步子，并開始計步
*?1.傳入sersor中的數(shù)據(jù)
*?2.如果檢測到了波峰，并且符合時間差以及閾值的條件，則判定為1步
*?3.符合時間差條件，波峰波谷差值大于initialValue，則將該差值納入閾值的計算中
*?*/
publicvoidDetectorNewStep(floatvalues)?{
if(gravityOld?==0)?{
gravityOld?=?values;
}else{
if(DetectorPeak(values,?gravityOld))?{
timeOfLastPeak?=?timeOfThisPeak;
timeOfNow?=?System.currentTimeMillis();
if(timeOfNow?-?timeOfLastPeak?>=250
&&?(peakOfWave?-?valleyOfWave?>=?ThreadValue))?{
timeOfThisPeak?=?timeOfNow;
/*
*?更新界面的處理，不涉及到算法
*?一般在通知更新界面之前，增加下面處理，為了處理無效運動：
*?1.連續(xù)記錄10才開始計步
*?2.例如記錄的9步用戶停住超過3秒，則前面的記錄失效，下次從頭開始
*?3.連續(xù)記錄了9步用戶還在運動，之前的數(shù)據(jù)才有效
*?*/
mStepListeners.onStep();
}
if(timeOfNow?-?timeOfLastPeak?>=250
&&?(peakOfWave?-?valleyOfWave?>=?initialValue))?{
timeOfThisPeak?=?timeOfNow;
ThreadValue?=?Peak_Valley_Thread(peakOfWave?-?valleyOfWave);
}
}
}
gravityOld?=?values;
}
/*
*?檢測波峰
*?以下四個條件判斷為波峰：
*?1.目前點為下降的趨勢：isDirectionUp為false
*?2.之前的點為上升的趨勢：lastStatus為true
*?3.到波峰為止，持續(xù)上升大于等于2次
*?4.波峰值大于20
*?記錄波谷值
*?1.觀察波形圖，可以發(fā)現(xiàn)在出現(xiàn)步子的地方，波谷的下一個就是波峰，有比較明顯的特征以及差值
*?2.所以要記錄每次的波谷值，為了和下次的波峰做對比
*?*/
publicbooleanDetectorPeak(floatnewValue,floatoldValue)?{
lastStatus?=?isDirectionUp;
if(newValue?>=?oldValue)?{
isDirectionUp?=true;
continueUpCount++;
}else{
continueUpFormerCount?=?continueUpCount;
continueUpCount?=0;
isDirectionUp?=false;
}
if(!isDirectionUp?&&?lastStatus
&&?(continueUpFormerCount?>=2||?oldValue?>=20))?{
peakOfWave?=?oldValue;
returntrue;
}elseif(!lastStatus?&&?isDirectionUp)?{
valleyOfWave?=?oldValue;
returnfalse;
}else{
returnfalse;
}
}
/*
*?閾值的計算
*?1.通過波峰波谷的差值計算閾值
*?2.記錄4個值，存入tempValue[]數(shù)組中
*?3.在將數(shù)組傳入函數(shù)averageValue中計算閾值
*?*/
publicfloatPeak_Valley_Thread(floatvalue)?{
floattempThread?=?ThreadValue;
if(tempCount?<?valueNum)?{
tempValue[tempCount]?=?value;
tempCount++;
}else{
tempThread?=?averageValue(tempValue,?valueNum);
for(inti?=1;?i?<?valueNum;?i++)?{
tempValue[i?-1]?=?tempValue[i];
}
tempValue[valueNum?-1]?=?value;
}
returntempThread;
}
[java]view plaincopy
/*
*?梯度化閾值
*?1.計算數(shù)組的均值
*?2.通過均值將閾值梯度化在一個范圍里
*?3.參數(shù)暫時不開放（a,b,c,d,e,f,g,h,i,i,k,l）
*?*/
publicfloataverageValue(floatvalue[],intn)?{
floatave?=0;
for(inti?=0;?i?<?n;?i++)?{
ave?+=?value[i];
}
ave?=?ave?/?valueNum;
if(ave?>=?a)
ave?=?(float)?b;
elseif(ave?>=?c?&&?ave?<?d)
ave?=?(float)?e;
elseif(ave?>=?f?&&?ave?<?g)
ave?=?(float)?h;
elseif(ave?>=?i?&&?ave?<?j)
ave?=?(float)?k;
else{
ave?=?(float)?l;
}
returnave;
}
