【LSM6DSOX的MLC机器学习理解】--机器学习使用教程分享

justd0 发表于 2020-5-2 10:00

本帖最后由 justd0 于 2020-5-2 13:20 编辑

<a href="https://bbs.eeworld.com.cn/thread-1120838-1-1.html" target="_blank">【LSM6DSOX的MLC机器学习理解】--机器学习简介</a>中简单介绍了机器学习模块的特点和大致的实现流程。上个帖中我简单介绍了下LSM6DSOX机器学习功能实现需要用有监督学习方法，即人为采集动作数据样本，人为标注动作类别，统计出不同类别间的数据差异，构建成决策树来实现。

 

本贴将结合Unico介绍如何实际使用MLC模块。

 

希望能够抛砖引玉帮到大家，由于自己也是仅仅摸索出了它的使用方法，而其功能之强大未完全掌握，在讲解有误的地方请各位指正~

 

 

在使用MLC机器学习模块之前，我们需要明确要识别的类别都是什么。这里，我用静坐（stationary）和起身（standup）两个动作举例。

 

有监督学习第一步就是要构建数据集。

 

在Unico的界面中，根据我们动作设定好所需要的传感器量程和采样频率。静坐和起身两个动作相对来将不需要很高的量程范围和采样频率，所以就以默认的参数来配置，如下图所示：

 



 

配置好参数后，点击start，传感器便开始工作，这是我们点击Load/Save标签页。

 



 

可以看到其中有个SaveData的分块布局，点击Browser按钮选择你要保存文件的路径和文件名。

 

按照MLC的说明文档，我们仅需要加速度计的Acceleration和角速度计的Angular Rate数据，所以其他的选项全都取消掉，如下图所示。



 

配置好后呢我们就可以开始采集数据了，按照Unico上MLC的使用.pdf中第10页中所述：“注意：正确地启动和停止数据日志记录是很重要的，这样才能在日志文件中获得所需的类(例如，当要记录某个移动时，必须在单击【Start】之前启动该移动，在移动停止之前必须按下【Stop】)”

 

这就很难受了，此例子中的静坐和起立两个动作都比较缓慢，所以直接按照上面的操作来，还是可以接受。但是一旦动作速度很快，比如我即将要做的羽毛球挥拍的动作识别，要实现上面的过程，画面可以想象（一手拿球，一手拿拍子，一手要点鼠标…）

 

而且，要想训练的准确，需要很多数据集，而根据测试，Unico的MLC模块需要每个数据集放在一个TXT文件中。

 

上述保存数据的过程，点击start和stop之后，会将数据保存在所设置的data.txt文件中，再次采集数据时，数据会叠加在这个文件中的后面，到时候我们还需要一个个分割出来。。。要么就采集一次，输入一个新的保存文件名。

 

这操作兼职堪称反人类了。。我这样采集几百个数据肯定要疯了…

 

于是乎，我花了一天的时间，写了个MLC数据修正工具，修补了这个缺陷，详细使用方法可以参考<a href="https://bbs.eeworld.com.cn/thread-1120853-1-1.html" target="_blank">【LSM6DSOX的MLC机器学习理解】--训练数据集修正小工具</a>

 

根据帖子里讲的，我们只需要在采集某个动作类别时，提前点击start，动作结束后stop，然后再次进行该动作，重复上述即可，最后保存的文件可以通过小工具处理成需要的格式~~。

 

有了上面的这个小工具，我们就可以很轻松的采集数据了。

 

通过多次start和stop，采集静坐数据，保存到stationary_data.txt中。多次strat和stop，采集起身数据，保存到standup_data.txt中。

 

最后可以得到这两个数据集文件，如下图所示：



 

其中的数据格式如下图所示，点开查看大图，如果保存的类型不一致，请检查上述保存选项是否只选择了红框中的两项哦。



 

用MLC数据修正工具可以轻松得到静坐数据集和起身数据集，如下图所示：

 



 

然后我们就可以通过Unico的MLC模块来处理数据集了

 

打开MLC模块，依次导入数据集文件，如下图所示



依次导入完所有动作类型的数据集后，点击configuration，开始生成训练文件。

 

按照需要的配置一步步的向下进行，



 

在设置到窗口宽度参数时，我们需要根据动作的周期来决定，滤波器也还没太会用，就都先用默认值了，之后再仔细研究下。



 

如上图所示，底部需要我们选择Features，动作的特征，即我们根据传感器的那些值来判断，实现决策树的分类，特征具体有哪些可以参考上一篇帖子的简介。

 

我又写了个MLC数据显示工具，专门看修正后数据的各种参数使用，具体使用说明可以<a href="https://bbs.eeworld.com.cn/thread-1120854-1-1.html" target="_blank">【LSM6DSOX的MLC机器学习理解】--训练数据集显示小工具</a>。想要看自己采集数据的各种特征呢，便可通过MLC数据显示工具显示所有特征值，我把能计算的量都算了出来，可以对数据有个直观的参考~~



 

这里呢，由于静坐和起身两个动作的角速度值具有很明显的差异，于是我就暴力的选择了所有角速度的均值、方差、能量和峰峰值，最后保存ARFF文件，如下图



 

这里需要注意，在填写了arff file，需要点击next之后才会保存文件。保存了之后，unico就暂时先不使用了，但也别关。后面需要用。

 

接下来需要用到的是机器学习工具，这里我就用官方文档中推荐的Weka来举例介绍~

 

用Weka打开生成的action.arff文件，可以看到如下界面。



由于静坐和起身这连个动作的上述指标差异都很大，所以可以看到class项两个类别的数值还是有一定差异的，所以我们可以直接生成决策树。如果动作复杂，则需要针对性的选择不同的轴的不同统计特征来进行判断哦。

 

点击classify界面，点击choose，在trees下选择J48二叉树分类方法。



 

然后点击start，即可得到学习结果了，如下图所示。



 

我们将上面决策树部分信息复制到一个txt文件中，如下图



 

然后在仍打开的Unico的MLC界面下导入决策树，如下图



Meta-classifier是元分类器，可以对决策树的结果进行进一步滤波，我这里就默认不设置了，可以根据实际需要进行设置，于是我们就可以将机器学习的配置文件导出来了，如图中的.ucf文件：



 

最后通过Unico的load/save界面中导入配置，即可将机器学习配置导入进来啦~



 

加载完成后，我们可以在Data界面看到决策树的数据结果，下图是静坐时，决策树1 的数据为0.



当我带着传感器起身后，决策树输出会变成前面设置的 4，如下图所示



 

但由于我没有做任何滤波，所以结果很容易被触发成起身的动作，增加滤波器之后应该会好很多了。

 

LSM6DSOX的MLC机器学习模块的的使用流程分享大致就这样了~

 

当然它还可以结合FSM有限状态机，组成包含更复杂逻辑的运动判断功能，待后面玩顺了再分享了~

 

本文中我收集的数据集已经添加为附件，里面有10个起身动作和9个静坐动作的原始数据，各位如果有兴趣可以下载试试~

 

 


处理好的数据集我放到底下啦，各位回复下即可下载食用~ 
**** Hidden Message *****

poponianhua 发表于 2020-5-2 22:56

学习，学习。厉害了！

jcwangzi 发表于 2020-5-8 16:03

GOOD DATA

传媒学子 发表于 2020-5-24 22:15

厉害了，我还没搞清楚MLC的具体内容，先参考参考

zhangpeng2 发表于 2020-12-14 17:52

好文章

xiangbudao 发表于 2023-7-28 11:25

学习，学习。

yplwrt 发表于 2023-11-7 11:16

11

龙城飞将001 发表于 2024-3-9 20:24

大佬太强了

sage11 发表于 2024-5-5 22:20

1

页: [1]

电子工程世界-论坛's Archiver

【LSM6DSOX的MLC机器学习理解】--机器学习使用教程分享