計步器演算法是如何實現的?
Android_基於G-Sensor的計步演算法
一、寫在分享之前
學習Android也有將近一年的時間了,一直在看大牛們分享的知識,今天也想分享自己之前的一點研究,關於計步器演算法的。目前在計步領域比較領先的有樂動力以及春雨計步器,在做演算法的引數除錯的時候也是一直拿這兩個應用做對比。樂動力當之無愧行業第一,不管是應用的體驗還是準確度都是非常棒,春雨計步器的亮點是輕量級,使用以及介面操作都很簡單。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演算法了,各種場景(走路拿在手上,放在口袋,跑步),演算法的準確度大概可以達到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網際網路時代,我覺得技術上的差距會越來越小,重要的是體驗還有對於產品的定位,所以決定將演算法與大家分享,第一是希望可以幫到到家,第二也是希望大家提一些意見,讓這個演算法可以得到改進。
計步器apk下載
apk反編譯下載
二、計步器演算法的總體思路以及輔助除錯的工具
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、手機放在褲袋裡(慢走、快走、正常走)
5、手機放在上衣口袋裡(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,不管出於哪一種場景(其實對應手機不同的運動規律),g-sensor的三軸資料都是有規律可以尋找的。
每一步都有特徵點,找到這個特徵點,就是識別出來一步。
下面推薦一個工具,叫gsensor-debug,可以觀察三軸的曲線,下面是手機上下襬動的曲線
這是很規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,演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,可以儲存為檔案,用excel開啟有資料,將資料轉換為波形就可以自己看)
三、演算法的介紹(貼出核心程式碼)
1、變數的定義
//存放三軸資料 float[] oriValues = new float[3]; final int valueNum = 4; //用於存放計算閾值的波峰波谷差值 float[] tempValue = new float[valueNum]; int tempCount = 0; //是否上升的標誌位 boolean isDirectionUp = false; //持續上升次數 int continueUpCount = 0; //上一點的持續上升的次數,為了記錄波峰的上升次數 int continueUpFormerCount = 0; //上一點的狀態,上升還是下降 boolean lastStatus = false; //波峰值 float peakOfWave = 0; //波谷值 float valleyOfWave = 0; //此次波峰的時間 long timeOfThisPeak = 0; //上次波峰的時間 long timeOfLastPeak = 0; //當前的時間 long timeOfNow = 0; //當前感測器的值 float gravityNew = 0; //上次感測器的值 float gravityOld = 0; //動態閾值需要動態的資料,這個值用於這些動態資料的閾值 final float initialValue = (float) 1。3; //初始閾值 float ThreadValue = (float) 2。0; private StepListener mStepListeners;
2。 程式碼,結合註釋看
檢測步子就是檢測波峰,但是要濾除無效的波峰,主要採用瞭如下三種措施
a、規定曲線連續上升的次數
b、波峰波谷的差值需要大於閾值
c、閾值是動態改變的
另一個是一些引數的初始值,比如initialValue 以及ThreadValue 的初始值,以及averageValue函式的梯度化範圍值
需要結合各種場景的波形圖來統計,還有幾十實際的測試來除錯引數,這些引數大概前後調了兩個星期,其實總體思路不復雜。
下面貼出核心程式碼以及一些註釋:
(因為一些原因,整個工程我就不傳了,後面有時間我可以將app傳上來)
/*
* 註冊了G-Sensor後一隻會呼叫這個函式
* 對三軸資料進行平方和開根號的處理
* 呼叫DetectorNewStep檢測步子
* */
@Override
public void onSensorChanged(SensorEvent event) {
for (int i = 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,並開始計步
* 1。傳入sersor中的資料
* 2。如果檢測到了波峰,並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,波峰波谷差值大於initialValue,則將該差值納入閾值的計算中
* */
public void DetectorNewStep(float values) {
if (gravityOld == 0) {
gravityOld = values;
} else {
if (DetectorPeak(values, gravityOld)) {
timeOfLastPeak = timeOfThisPeak;
timeOfNow = System。currentTimeMillis();
if (timeOfNow - timeOfLastPeak >= 250
&& (peakOfWave - valleyOfWave >= ThreadValue)) {
timeOfThisPeak = timeOfNow;
/*
* 更新介面的處理,不涉及到演算法
* 一般在通知更新介面之前,增加下面處理,為了處理無效運動:
* 1。連續記錄10才開始計步
* 2。例如記錄的9步使用者停住超過3秒,則前面的記錄失效,下次從頭開始
* 3。連續記錄了9步使用者還在運動,之前的資料才有效
* */
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,持續上升大於等於2次
* 4。波峰值大於20
* 記錄波谷值 * 1。觀察波形圖,可以發現在出現步子的地方,波谷的下一個就是波峰,有比較明顯的特徵以及差值 * 2。所以要記錄每次的波谷值,為了和下次的波峰做對比
* */ public boolean DetectorPeak(float newValue, float oldValue) {
lastStatus = isDirectionUp;
if (newValue >= oldValue) { isDirectionUp = true;
continueUpCount++;
} else {
continueUpFormerCount = continueUpCount;
continueUpCount = 0;
isDirectionUp = false;
}
if (!isDirectionUp && lastStatus
&& (continueUpFormerCount >= 2 || oldValue >= 20)) {
peakOfWave = oldValue;
return true;
} else if (!lastStatus && isDirectionUp) {
valleyOfWave = oldValue;
return false;
} else { return false;
}
}
/*
* 閾值的計算
* 1。透過波峰波谷的差值計算閾值
* 2。記錄4個值,存入tempValue[]陣列中
* 3。在將陣列傳入函式averageValue中計算閾值
* */
public float Peak_Valley_Thread(float value) {
float tempThread = ThreadValue;
if (tempCount < valueNum) {
tempValue[tempCount] = value;
tempCount++;
} else {
tempThread = averageValue(tempValue, valueNum);
for (int i = 1; i < valueNum; i++) {
tempValue[i - 1] = tempValue[i];
}
tempValue[valueNum - 1] = value;
}
return tempThread;
}
/*
* 梯度化閾值
* 1。計算陣列的均值
* 2。透過均值將閾值梯度化在一個範圍裡
* */
public float averageValue(float value[], int n) {
float ave = 0;
for (int i = 0; i < n; i++) {
ave += value[i];
}
ave = ave / valueNum;
if (ave >= 8)
ave = (float) 4。3;
else if (ave >= 7 && ave < 8)
ave = (float) 3。3;
else if (ave >= 4 && ave < 7)
ave = (float) 2。3;
else if (ave >= 3 && ave < 4)
ave = (float) 2。0;
else {
ave = (float) 1。3;
}
return ave;
}