我希望我的应用能够检测当携带手机的用户跌倒时，只使用加速度计数据（因为它是＆＃39）只有所有智能手机都有传感器。）
我首先尝试实施一种算法来检测自由落体（加速度计总加速度接近于零，然后是由于地面撞击导致的高加速度，以及当用户刚刚快速走下楼梯时短暂的静止以消除误报），但是有很多方法可以摔倒，而且对于我的算法实现，我总能找到一个未检测到跌倒的情况，或者错误地检测到跌落的情况。
我认为机器学习可以帮助我解决这个问题，学习来自不同设备的大量传感器值，不同的采样率，什么是跌落，什么不是。
Tensorflow似乎是我需要的，因为它似乎可以在Android上运行，但是虽然我可以找到教程将其用于离线图像分类（here for example），但我没有找到任何帮助制作从运动传感器值中学习模式的模型。
我尝试使用“入门”页面学习如何使用Tensorflow，但未能成功，可能是因为我不熟悉Python，并且没有机器学习背景。 （我精通Java和Kotlin，习惯使用Android API）。
我正在寻求社区的帮助，以帮助我使用Tensorflow（或机器学习中的其他东西）训练我的应用识别跌倒和其他运动传感器模式。
提醒一下，Android以随机速率报告运动传感器值，但为每个传感器事件提供以纳秒为单位的时间戳，可用于推断自上次传感器事件以来经过的时间，并且传感器读数提供为每个轴（x，y，z）的浮点数（32位）。
答案 0 :(得分：1)
如果您的数据组织良好，那么您可以使用基于Java的Weka机器学习环境： http://www.cs.waikato.ac.nz/ml/weka/
您可以使用Weka来处理数据中的所有不同算法。 Weka使用ARFF文件作为数据。如果您拥有JSON或CSV数据，那么创建它非常容易。 一旦找到可行的算法/模型，您就可以轻松将其添加到Android应用中： http://weka.wikispaces.com/Use+Weka+in+your+Java+code
如果你不需要深度学习算法，你真的不需要Tensorflow，我认为你不需要。如果您确实需要深度学习算法，那么DeepLearning4J是一个基于Java的Android开源解决方案： https://deeplearning4j.org/android
答案 1 :(得分：0)
步骤1）
创建培训数据库。 您需要一些标记为“下降”和“不下降”的加速度计数据样本。 因此，您将基本记录不同情况下的加速度并标记它们。即，给出数据量的数量级，1000到100,000个0.5到5秒的周期。
步骤2）
使用SK学习python。尝试使用不同的模型对数据进行分类。 X是包含3个加速度轴样本的向量。 Y是你的目标。 （下降/不下降） 您将创建一个可以将X分类为Y的分类器。
步骤3）
让您的分类器与Android兼容。 Sklearn-porter将使用您喜欢的编码语言为您输入代码。 https://github.com/nok/sklearn-porter
步骤4）
在您的应用中实施此移植分类器。用数据喂它。