Human-behavior-based-PHONE-gyroscope
Human behavior recognition based on smart phone gyroscope
作品背景阐释
智能手机和以智能手机为基础的生物识别使用日常生活活动是非常具有价值与意义的。而在众多的户外运动中，登山运动深受广大户外运动爱好者追捧，克服重重困难登上山顶的那一刻，兴奋与刺激溢于言表。然而近年来，登山队迷路、队员走失、山内信号微弱导致无法对外求援等问题带来的意外伤害事故时有发生。如果可以帮助登山爱好者在登山前做好智能追踪等安全保障工作，户外运动就会更加无忧、快乐——智能追踪手环、遇险自动报警装置、偏离路线智能提醒、装备不合格智能预警……
作品说明
本项目利用智能手机陀螺仪传感器的数据，对常见的两种传感器数据组织形式进行了建模，并搭建了高效准确、自动化、端到端的机器学习模型，能够有效的对人类活动进行识别与预测，保障登山爱好者的安全，对路径进行智能追踪与安全保障，让我们成为登山爱好者的后盾
创新性
本项目使用非常前沿的Permutation特征重要性技术对海量特征进行筛选，并构建多模型进一步确保了算法稳定性。在神经网络中，我们使用了Lookahead技术，能够有效找到更加光滑的梯度鞍点，并使用mish激活函数，使网络学习的更深更好
完成度
本项目将现有可能的数据输入形式做了汇总，并构建了端到端的易用准确模型，对人类活动数据进行了非常完善的建模与评估，完成了从自动化的特征工程到自动化的特征筛选，并可持久化存储了模型权重，方便任意时刻对类似的数据输入进行推理
实用性
本项目采取一键式训练方案，即无需人工进行特征工程构造，我们使用大量前沿有效的算法，将学术界优雅的解决方案带到工业界，减少先验知识的构造，更加专业的去分析用户轨迹
AMS生态
使用Deep Learning AMI (Ubuntu 18.04)云服务搭建
商业前景
本项目在B端，不仅可以利用在登山爱好者的安全保障，更可以使用在各式各样的推荐场景，对用户行为的判别可以使得推荐更准确，更符合用户需求，能够有效为推荐模型提供更为丰富的决策依据。在C端，可以绑定在AMS的服务器上，以服务（外设）的形式出售给登山爱好者，为其提供安全保障。