RU2013157930A - Способ и аппаратура для классификации множества состояний устройства - Google Patents
Способ и аппаратура для классификации множества состояний устройства Download PDFInfo
- Publication number
- RU2013157930A RU2013157930A RU2013157930/08A RU2013157930A RU2013157930A RU 2013157930 A RU2013157930 A RU 2013157930A RU 2013157930/08 A RU2013157930/08 A RU 2013157930/08A RU 2013157930 A RU2013157930 A RU 2013157930A RU 2013157930 A RU2013157930 A RU 2013157930A
- Authority
- RU
- Russia
- Prior art keywords
- type
- state
- classification algorithm
- accelerometer
- sensors
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
- G06F3/0346—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of the device orientation or free movement in a 3D space, e.g. 3D mice, 6-DOF [six degrees of freedom] pointers using gyroscopes, accelerometers or tilt-sensors
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- User Interface Of Digital Computer (AREA)
- Telephone Function (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Mobile Radio Communication Systems (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
1. Способ классификации множества типов состояний для устройства, причем способ содержит:реализацию доступа к информации от датчиков устройства, при этом по меньшей мере некоторая часть информации от датчиков используется в первом наборе характеристик и по меньшей мере некоторая часть информации от датчиков используется во втором наборе характеристик;обработку первого набора характеристик с использованием первого алгоритма классификации, где первый алгоритм классификации сконфигурирован для определения первого предполагаемого состоянии первого типа и первого предполагаемого состояния второго типа;обработку второго набора характеристик с использованием второго алгоритма классификации, где второй алгоритм классификации сконфигурирован для определения второго предполагаемого состояния первого типа и второго предполагаемого состояния второго типа; иопределение предполагаемого состояния устройства как первого предполагаемого состояния первого типа и второго предполагаемого состояния второго типа.2. Способ по п. 1, в котором первым типом состояния является состояние движения, а вторым типом состояния является состояние местоположения.3. Способ по п. 2, в котором:информация от датчиков, используемая в первом наборе характеристик, включает в себя выход акселерометра ипервый набор характеристик включает в себя дисперсию выхода акселерометра на временном интервале.4. Способ по п. 2, в котором:информация от датчиков, используемая во втором наборе характеристик, включает в себя выход акселерометра для множества осей акселерометра многоосного акселерометра, имеющего по меньшей мере первую ось и вторую
Claims (30)
1. Способ классификации множества типов состояний для устройства, причем способ содержит:
реализацию доступа к информации от датчиков устройства, при этом по меньшей мере некоторая часть информации от датчиков используется в первом наборе характеристик и по меньшей мере некоторая часть информации от датчиков используется во втором наборе характеристик;
обработку первого набора характеристик с использованием первого алгоритма классификации, где первый алгоритм классификации сконфигурирован для определения первого предполагаемого состоянии первого типа и первого предполагаемого состояния второго типа;
обработку второго набора характеристик с использованием второго алгоритма классификации, где второй алгоритм классификации сконфигурирован для определения второго предполагаемого состояния первого типа и второго предполагаемого состояния второго типа; и
определение предполагаемого состояния устройства как первого предполагаемого состояния первого типа и второго предполагаемого состояния второго типа.
2. Способ по п. 1, в котором первым типом состояния является состояние движения, а вторым типом состояния является состояние местоположения.
3. Способ по п. 2, в котором:
информация от датчиков, используемая в первом наборе характеристик, включает в себя выход акселерометра и
первый набор характеристик включает в себя дисперсию выхода акселерометра на временном интервале.
4. Способ по п. 2, в котором:
информация от датчиков, используемая во втором наборе характеристик, включает в себя выход акселерометра для множества осей акселерометра многоосного акселерометра, имеющего по меньшей мере первую ось и вторую ось, и
второй набор характеристик включает в себя усредненное соотношение ускорения между двумя осями многоосного акселерометра.
5. Способ по п. 1, в котором первый алгоритм классификации содержит алгоритм максимального совместного правдоподобия, использующий первый набор характеристик и первую функцию распределения вероятности.
6. Способ по п. 1, в котором первый алгоритм классификации содержит алгоритм максимальной маргинальной апостериорной вероятности, использующий первый набор характеристик и первую функцию распределения вероятности.
7. Способ по п. 1, в котором второй алгоритм классификации содержит алгоритм максимального совместного правдоподобия, использующий второй набор характеристик и вторую функцию распределения вероятности.
8. Способ по п. 1, в котором второй алгоритм классификации содержит алгоритм максимальной маргинальной апостериорной вероятности, использующий второй набор характеристик и вторую функцию распределения вероятности.
9. Способ по п. 1, в котором первый алгоритм классификации и второй алгоритм классификации содержат каждый байесовский классификатор.
10. Мобильное устройство, содержащее:
один или несколько датчиков, сконфигурированных для создания выхода датчиков;
модуль генератора набора характеристик, связанный с одним или несколькими датчиками и сконфигурированный для связывания соответствующей информации от датчиков, указывающей выход датчиков, по меньшей мере с одним из наборов характеристик - первым или вторым; и
модуль классификации, связанный с модулем генератора набора характеристик и сконфигурированный для выполнения операций, содержащих:
обработку первого набора характеристик с использованием первого алгоритма классификации, где первый алгоритм классификации сконфигурирован для определения первого предполагаемого состояния первого типа и первого предполагаемого состояния второго типа,
обработку второго набора характеристик с использованием второго алгоритма классификации, где второй алгоритм классификации сконфигурирован для определения второго предполагаемого состояния первого типа и второго предполагаемого состояния второго типа, и
определение предполагаемого состояния устройства как первого предполагаемого состояния первого типа и второго предполагаемого состояния второго типа.
11. Устройство по п. 10, в котором первым типом состояния является состояние движения, а вторым типом состояния является состояние местоположения.
12. Устройство по п. 11, в котором:
один или несколько датчиков включают в себя один или несколько акселерометров,
информация от датчиков, используемая в первом наборе характеристик, включает в себя выход акселерометра, и
первый набор характеристик включает в себя дисперсию выхода акселерометра на временном интервале.
13. Устройство по п. 11, в котором:
один или несколько датчиков включают в себя один или несколько акселерометров,
информация от датчиков, используемая во втором наборе характеристик, включает в себя выход акселерометра для множества осей акселерометра многоосного акселерометра, имеющего по меньшей мере первую ось и вторую ось, и
второй набор характеристик включает в себя усредненное соотношение ускорения между двумя осями многоосного акселерометра.
14. Устройство по п. 10, в котором первый алгоритм классификации содержит алгоритм максимального совместного правдоподобия, использующий первый набор характеристик и первую функцию распределения вероятности.
15. Устройство по п. 10, в котором первый алгоритм классификации содержит алгоритм максимальной маргинальной апостериорной вероятности, использующий первый набор характеристик и первую функцию распределения вероятности.
16. Устройство по п. 10, в котором второй алгоритм классификации содержит алгоритм максимального совместного правдоподобия, использующий второй набор характеристик и вторую функцию распределения вероятности.
17. Устройство по п. 10, в котором второй алгоритм классификации содержит алгоритм максимальной маргинальной апостериорной вероятности, использующий второй набор характеристик и вторую функцию распределения вероятности.
18. Устройство по п. 10, в котором первый алгоритм классификации и второй алгоритм классификации содержат каждый байесовский классификатор.
19. Мобильное устройство, содержащее:
средство для реализации доступа к информации от датчиков устройства;
средство для связывания по меньшей мере некоторой части информации от датчиков с первым набором характеристик;
средство для связывания по меньшей мере некоторой части информации от датчиков со вторым набором характеристик;
средство для обработки первого набора характеристик с использованием первого алгоритма классификации, где первый алгоритм классификации сконфигурирован для определения первого предполагаемого состоянии первого типа и первого предполагаемого состояния второго типа;
средство для обработки второго набора характеристик с использованием второго алгоритма классификации, где второй алгоритм классификации сконфигурирован для определения второго предполагаемого состояния первого типа и второго предполагаемого состояния второго типа; и
средство для определения предполагаемого состояния устройства как первого предполагаемого состояния первого типа и второго предполагаемого состояния второго типа.
20. Устройство по п. 19, в котором первым типом состояния является состояние движения, а вторым типом состояния является состояние местоположения.
21. Устройство по п. 20, в котором:
информация от датчиков, связанная с первым набором характеристик, включает в себя выход акселерометра и
первый набор характеристик включает в себя дисперсию выхода акселерометра на временном интервале.
22. Устройство по п. 20, в котором:
информация от датчиков, связанная со вторым набором характеристик, включает в себя выход акселерометра для множества осей акселерометра многоосного акселерометра, имеющего по меньшей мере первую ось и вторую ось, и
второй набор характеристик включает в себя усредненное соотношение ускорения между двумя осями многоосного акселерометра.
23. Устройство по п. 19, в котором:
первый алгоритм классификации содержит по меньшей мере один из алгоритмов: алгоритм максимального совместного правдоподобия или алгоритм максимальной маргинальной апостериорной вероятности, и
первый алгоритм классификации использует первый набор характеристик и первую функцию распределения вероятности.
24. Устройство по п. 19, в котором:
второй алгоритм классификации содержит по меньшей мере один из алгоритмов: алгоритм максимального совместного правдоподобия или алгоритм максимальной маргинальной апостериорной вероятности, и
второй алгоритм классификации использует второй набор характеристик и вторую функцию распределения вероятности.
25. Компьютерный программный продукт, находящийся на считываемом процессором носителе и содержащий считываемые процессором команды, сконфигурированные для инициирования:
реализации доступа процессором к информации от датчиков устройства, где по меньшей мере некоторая часть информации от датчиков используется в первом наборе характеристик и по меньшей мере некоторая часть информации от датчиков используется во втором наборе характеристик;
обработки процессором первого набора характеристик с использованием первого алгоритма классификации, сконфигурированного для определения первого предполагаемого состояния первого типа и первого предполагаемого состояния второго типа;
обработки процессором второго набора характеристик с использованием второго алгоритма классификации, сконфигурированного для определения второго предполагаемого состояния первого типа и второго предполагаемого состояния второго типа; и
определения процессором предполагаемого состояния устройства как первого предполагаемого состояния первого типа и второго предполагаемого состояния второго типа.
26. Компьютерный программный продукт по п. 25, в котором первым типом состояния является состояние движения, а вторым типом состояния является состояние местоположения.
27. Компьютерный программный продукт по п. 26, в котором:
информация от датчиков, используемая в первом наборе характеристик, включает в себя выход акселерометра, и
первый набор характеристик включает в себя дисперсию выхода акселерометра на временном интервале.
28. Компьютерный программный продукт по п. 26, в котором:
информация от датчиков, используемая во втором наборе характеристик, включает в себя выход акселерометра для множества осей акселерометра многоосного акселерометра, имеющего по меньшей мере первую ось и вторую ось, и
второй набор характеристик включает в себя усредненное соотношение ускорения между двумя осями многоосного акселерометра.
29. Компьютерный программный продукт по п. 25, в котором:
первый алгоритм классификации содержит по меньшей мере один из алгоритмов: алгоритм максимального совместного правдоподобия или алгоритм максимальной маргинальной апостериорной вероятности, и
первый алгоритм классификации использует первый набор характеристик и первую функцию распределения вероятности.
30. Компьютерный программный продукт по п. 25, в котором:
второй алгоритм классификации содержит по меньшей мере один из алгоритмов: алгоритм максимального совместного правдоподобия или алгоритм максимальной маргинальной апостериорной вероятности, и
второй алгоритм классификации использует второй набор характеристик и вторую функцию распределения вероятности.
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201161490999P | 2011-05-27 | 2011-05-27 | |
US61/490,999 | 2011-05-27 | ||
US13/244,170 | 2011-09-23 | ||
US13/244,170 US9195309B2 (en) | 2011-05-27 | 2011-09-23 | Method and apparatus for classifying multiple device states |
PCT/US2012/038856 WO2012166416A1 (en) | 2011-05-27 | 2012-05-21 | Method and apparatus for classifying multiple device states |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2013157930A true RU2013157930A (ru) | 2015-07-10 |
RU2597524C2 RU2597524C2 (ru) | 2016-09-10 |
Family
ID=47218885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2013157930/08A RU2597524C2 (ru) | 2011-05-27 | 2012-05-21 | Способ и аппаратура для классификации множества состояний устройства |
Country Status (9)
Country | Link |
---|---|
US (1) | US9195309B2 (ru) |
EP (1) | EP2715487B1 (ru) |
JP (1) | JP5893726B2 (ru) |
KR (1) | KR101580861B1 (ru) |
CN (1) | CN103597424B (ru) |
BR (1) | BR112013030271B1 (ru) |
CA (1) | CA2836104C (ru) |
RU (1) | RU2597524C2 (ru) |
WO (1) | WO2012166416A1 (ru) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9600169B2 (en) * | 2012-02-27 | 2017-03-21 | Yahoo! Inc. | Customizable gestures for mobile devices |
JP2016539673A (ja) * | 2013-10-14 | 2016-12-22 | ナイキ イノベイト シーブイ | アスレチック運動属性からのペースとエネルギー消費量の計算 |
US9820233B2 (en) * | 2013-11-25 | 2017-11-14 | Qualcomm Incorporated | Motion state based mobile device positioning |
US20160034329A1 (en) * | 2014-07-31 | 2016-02-04 | Western Integrated Technologies, Inc. | Correlation and prediction analysis of collected data |
US9606529B2 (en) | 2014-07-31 | 2017-03-28 | Miq Llc | User customization of auto-detected data for analysis |
US11029328B2 (en) * | 2015-01-07 | 2021-06-08 | Qualcomm Incorporated | Smartphone motion classifier |
US9589287B2 (en) | 2015-06-29 | 2017-03-07 | Miq Llc | User community generated analytics and marketplace data for modular systems |
US9588504B2 (en) | 2015-06-29 | 2017-03-07 | Miq Llc | Modular control system |
US9622177B2 (en) | 2015-08-06 | 2017-04-11 | Qualcomm Incorporated | Context aware system with multiple power consumption modes |
US9630614B1 (en) | 2016-01-28 | 2017-04-25 | Miq Llc | Modular power plants for machines |
US11100314B2 (en) * | 2017-11-10 | 2021-08-24 | Alibaba Technologies (Israel) LTD. | Device, system and method for improving motion estimation using a human motion model |
CN115775341B (zh) * | 2023-02-13 | 2023-05-09 | 广州海昇计算机科技有限公司 | 一种实验设备状态检测方法及*** |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5059127A (en) * | 1989-10-26 | 1991-10-22 | Educational Testing Service | Computerized mastery testing system, a computer administered variable length sequential testing system for making pass/fail decisions |
US5561431A (en) * | 1994-10-24 | 1996-10-01 | Martin Marietta Corporation | Wavelet transform implemented classification of sensor data |
FR2807957B1 (fr) * | 2000-04-21 | 2002-08-02 | Vai Clecim | Procede et installation de laminage a froid |
US7030856B2 (en) * | 2002-10-15 | 2006-04-18 | Sony Corporation | Method and system for controlling a display device |
US7154477B1 (en) * | 2003-09-03 | 2006-12-26 | Apple Computer, Inc. | Hybrid low power computer mouse |
US7209116B2 (en) * | 2003-10-08 | 2007-04-24 | Universal Electronics Inc. | Control device having integrated mouse and remote control capabilities |
KR100580647B1 (ko) | 2004-04-01 | 2006-05-16 | 삼성전자주식회사 | 입력모드 분류가능한 동작기반 입력장치 및 방법 |
US20060074883A1 (en) * | 2004-10-05 | 2006-04-06 | Microsoft Corporation | Systems, methods, and interfaces for providing personalized search and information access |
CN101151508B (zh) * | 2005-03-28 | 2012-01-04 | 旭化成电子材料元件株式会社 | 行进方向计测装置和行进方向计测方法 |
US7366568B2 (en) | 2005-05-06 | 2008-04-29 | Cardiac Pacemakers, Inc. | Controlled delivery of intermittent stress augmentation pacing for cardioprotective effect |
US8472985B2 (en) | 2005-09-21 | 2013-06-25 | Buckyball Mobile, Inc | Incentive marketing with a context-enriched message |
KR100800874B1 (ko) | 2006-10-31 | 2008-02-04 | 삼성전자주식회사 | 보폭 추정 방법 및 이를 위한 휴대 단말 |
US8462109B2 (en) | 2007-01-05 | 2013-06-11 | Invensense, Inc. | Controlling and accessing content using motion processing on mobile devices |
CN101299276B (zh) * | 2007-04-20 | 2012-08-29 | Utc消防和保安美国有限公司 | 分布式多目标跟踪的方法和*** |
JP2008299524A (ja) | 2007-05-30 | 2008-12-11 | Fuji Xerox Co Ltd | 情報分類装置及びプログラム |
WO2009043020A2 (en) | 2007-09-28 | 2009-04-02 | The Trustees Of Dartmouth College | System and method for injecting sensed presence into social networking applications |
GB0801396D0 (en) | 2008-01-25 | 2008-03-05 | Bisutti Giovanni | Electronic apparatus |
KR101734450B1 (ko) * | 2008-11-10 | 2017-05-11 | 구글 인코포레이티드 | 멀티센서 음성 검출 |
SG177152A1 (en) | 2009-06-16 | 2012-01-30 | Intel Corp | Camera applications in a handheld device |
CN101996266B (zh) * | 2009-08-21 | 2013-10-16 | 复旦大学 | 一种建立集成电路芯片内工艺偏差的空间相关性模型的方法 |
JP5440080B2 (ja) * | 2009-10-02 | 2014-03-12 | ソニー株式会社 | 行動パターン解析システム、携帯端末、行動パターン解析方法、及びプログラム |
-
2011
- 2011-09-23 US US13/244,170 patent/US9195309B2/en not_active Expired - Fee Related
-
2012
- 2012-05-21 BR BR112013030271-2A patent/BR112013030271B1/pt not_active IP Right Cessation
- 2012-05-21 JP JP2014512925A patent/JP5893726B2/ja not_active Expired - Fee Related
- 2012-05-21 CN CN201280027088.5A patent/CN103597424B/zh active Active
- 2012-05-21 RU RU2013157930/08A patent/RU2597524C2/ru not_active IP Right Cessation
- 2012-05-21 CA CA2836104A patent/CA2836104C/en not_active Expired - Fee Related
- 2012-05-21 KR KR1020137034622A patent/KR101580861B1/ko active IP Right Grant
- 2012-05-21 EP EP12724815.1A patent/EP2715487B1/en active Active
- 2012-05-21 WO PCT/US2012/038856 patent/WO2012166416A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
EP2715487A1 (en) | 2014-04-09 |
BR112013030271B1 (pt) | 2021-05-04 |
EP2715487B1 (en) | 2020-03-18 |
CA2836104A1 (en) | 2012-12-06 |
US9195309B2 (en) | 2015-11-24 |
WO2012166416A1 (en) | 2012-12-06 |
KR101580861B1 (ko) | 2015-12-30 |
JP2014519753A (ja) | 2014-08-14 |
US20120299828A1 (en) | 2012-11-29 |
BR112013030271A2 (pt) | 2016-11-29 |
CN103597424A (zh) | 2014-02-19 |
CA2836104C (en) | 2017-04-11 |
JP5893726B2 (ja) | 2016-03-23 |
RU2597524C2 (ru) | 2016-09-10 |
CN103597424B (zh) | 2016-10-05 |
KR20140015594A (ko) | 2014-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2013157930A (ru) | Способ и аппаратура для классификации множества состояний устройства | |
US11611621B2 (en) | Event detection system | |
US11847911B2 (en) | Object-model based event detection system | |
US11494921B2 (en) | Machine-learned model based event detection | |
Vavoulas et al. | The mobiact dataset: Recognition of activities of daily living using smartphones | |
RU2017107465A (ru) | Классификация сенсорного ввода как непреднамеренного или намеренного | |
JP2017516181A5 (ru) | ||
WO2014004524A3 (en) | Notification classification and display | |
US20190385073A1 (en) | Visual recognition via light weight neural network | |
JP6416962B2 (ja) | 掴み検出の較正 | |
GB2588013A (en) | Operation of a vehicle using multiple motion constraints | |
JP5936748B1 (ja) | 情報処理システム、サーバ及びプログラム、並びに端末及びプログラム | |
CN106331254B (zh) | 一种移动终端跌落的保护处理方法及装置 | |
RU2015144129A (ru) | Промежуточное выделение сигнала перемещения для определения активности | |
CN109086791A (zh) | 一种二分类器的训练方法、装置、及计算机设备 | |
Ganesan et al. | Robust malware detection using residual attention network | |
CN107077316A (zh) | 基于功率和感测的分布式语音输入处理 | |
JP2015512082A5 (ru) | ||
JP2016529780A (ja) | マルチセンサ手検出 | |
CN117576535B (zh) | 一种图像识别方法、装置、设备以及存储介质 | |
JP5978687B2 (ja) | 移動状況判定プログラム及び移動状況判定装置 | |
Stojanović et al. | Sensor data fusion and big mobility data analytics for activity recognition | |
Miyamoto et al. | Human activity recognition system including smartphone position | |
CN109472735B (zh) | 实现织物疵点检测神经网络的加速器、方法和加速*** | |
JP5956102B1 (ja) | モバイル・デバイス電極の分離 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20190522 |