使用R和传感器加速度计数据检测跳跃

Question

我对传感器数据非常着迷。我用我的iPhone和一个名为SensorLog的应用程序来捕获 加速度计数据，而我站立并推动我的腿跳。

我的目标是使用R创建一个可以识别跳跃的模型以及我在空中的时间。 我不确定如何进行这样的挑战。我有加速计数据的时间序列。

https://drive.google.com/file/d/0ByWxsCBUWbqRcGlLVTVnTnZIVVk/view?usp=sharing

有些问题：

• 如何在时间序列数据中检测到跳转？
• 如何识别播出时间部分？
• 如何训练这样的模型？

下面是用于创建上图的R代码，这是我站立并进行简单的跳转。

谢谢！

# Training set
sample <- read.csv("sample-data.csv")

# Sum gravity
sample$total_gravity <- sqrt(sample$accelerometerAccelerationX^2+sample$accelerometerAccelerationY^2+sample$accelerometerAccelerationZ^2)

# Smooth our total gravity to remove noise
f <- rep(1/4,4)
sample$total_gravity_smooth <- filter(sample$total_gravity, f, sides=2)

# Removes rows with NA from smoothing
sample<-sample[!is.na(sample$total_gravity_smooth),]

#sample$test<-rollmaxr(sample$total_gravity_smooth, 10, fill = NA, align = "right")

# Plot gravity
plot(sample$total_gravity, type="l", col=grey(.2), xlab="Series", ylab="Gravity", main="Accelerometer Gravitational Force")
lines(sample$total_gravity_smooth, col="red")
stdevs <- mean(sample$total_gravity_smooth)+c(-2,-1,+1,+2)*sd(sample$total_gravity_smooth)
abline(h=stdevs)

Answer 1

这可能不是完美的解决方案，但它可能足以让你入门。第一部分依赖于gazetools包中对find_peaks函数的一个小修改。

find_maxima <- function(x, threshold)
{
  ranges <- find_peak_ranges(x, threshold)
  peaks <- NULL
  if (!is.null(ranges)) {
    for (i in 1:nrow(ranges)) {
      rnge <- ranges[i, 1]:ranges[i, 2]
      r <- x[rnge]
      peaks <- c(peaks, rnge[which(r == max(r))])
    }
  }
  peaks
}


find_minima <- function(x, threshold)
{
  ranges <- find_peak_ranges(x, threshold)
  peaks <- NULL
  if (!is.null(ranges)) {
    for (i in 1:nrow(ranges)) {
      rnge <- ranges[i, 1]:ranges[i, 2]
      r <- x[rnge]
      peaks <- c(peaks, rnge[which(r == min(r))])
    }
  }
  peaks
}

为了让find_maxima和find_minima函数能够为我们提供我们正在寻找的东西，我们需要进一步平滑total_gravity数据：

spline <- smooth.spline(sample$loggingSample, y = sample$total_gravity, df = 30)

注意：我将其归零＆＃39;总重力（sample$total_gravity <- sample$total_gravity - 1）

接下来，拉出平滑的x和y值：

out <- as.data.frame(cbind(spline$x,spline$y))

然后找到我们的局部最大值和最小值

max <- find_maxima(out$y, threshold = 0.4)
min <- find_minima(out$y, threshold = -0.4)

然后绘制数据以确保一切看起来合法：

plot(out$y, type="l", col=grey(.2), xlab="Series", ylab="Gravity", main="Accelerometer Gravitational Force")
lines(out$y, col="red")
stdevs <- mean(out$y)+c(-2,-1,+1,+2)*sd(out$y)
abline(h=stdevs)
abline(v=max[1], col = 'green')
abline(v=max[2], col = 'green')
abline(v=min[1], col = 'blue')

最后，我们可以看到你有多长时间了。

print(hangtime <- min[1] - max[1])
[1] 20

您可以降低阈值以获得额外的数据点（加速度的变化）。

希望这有帮助！

Answer 2

我会考虑一些事情：

1. 通过每隔100毫秒收集中值来平滑数据 - iPhone上的加速度计数据并不完全准确，因此这种方法会有所帮助。
2. 确认turningpoints为@scribbles暗示。

我的github存储库中提供了可以修改的代码，以帮助解决这两个问题。这里有一些PDF解释：https://github.com/MonteShaffer/mPowerEI/blob/master/mPowerEI/example/challenge-1a.pdf

具体来说，看看：

library(devtools);  
install_github("MonteShaffer/mPowerEI", subdir="mPowerEI");
library(mPowerEI);

# data smoothing
?scaleToTimeIncrement

# turning points
?pastecs::turnpoints