×

基于谷歌云的物联网系统——用户活动识别

消耗积分:0 | 格式:zip | 大小:0.00 MB | 2023-06-19

李慧

分享资料个

描述

描述

介绍

该项目旨在成为以下的合乎逻辑的继续:

作为罗马 Sapienza 大学物联网课程的学习项目。在本节中,我们将在前面部分开发的基于云的系统之上构建。本质上,我们将使用通用传感器 API构建一个 HTML5 移动应用程序,以从手机的加速度传感器收集数据该数据将通过一个简单的活动识别模型进行计算,该模型检测用户是静止不动还是行走,并最终发送到我们的云系统(该模型将以边缘和云方式部署)。

依赖项

在这个项目中,需要的依赖项很少,可以按照此处链接的官方指南轻松获得:

执行

移动HTML5应用程序

一个非常简单的基于 HTML5 的移动应用程序,由节点服务器托管,它的工作是通过通用传感器 API 从集成加速度计中检索数据,并最终将其发送到云端。该页面将在本地计算并显示识别模型的结果。

pYYBAGOYHtuAI0yPAAB6UFXNz7k209.jpg
移动应用
 

通用SensorAPI -线性加速度计

设置加速度计以达到我们想要的结果非常简单,这是通过使用 Geneirc Sensor Api,一个以一致且可访问的方式将传感器数据公开到开放 Web 平台的框架。首先,您需要定义一个线性加速度传感器,这是加速度计的一种基本形式,不包括重力加速度,在本例中,我们将频率设置为 1Hz。

accelerometer = new LinearAccelerationSensor({ referenceFrame: 'device', frequency: 1 });

然后,设置错误侦听器后,启动加速度计

accelerometer.start();
accelerometer.onreading = () => {
    //APPLY RECOGNITION MODEL TO THE INPUT DATA
    rModel(accelerometer.x, accelerometer.y, accelerometer.z)
    //PUSH DATA
}

加速度计上的输入数据将与模型一起计算,或者直接推送到云端。

用户活动识别模型

我开发了一个非常简单的活动识别模型,具有很好的准确性并且没有训练数据集(这将导致合理数量的误报)。
从 Generic Sensor Api 测量的经典加速度考虑了在 X、Y、Z 三个轴上施加到智能手机的重力。这种影响可以通过简单的数学运算轻松避免,但我们可以简单地使用线性加速度传感器,它不会不考虑重力。

pYYBAGOYHuGACRGTAAAta1lW5Ig403.png
智能手机上的加速度矢量
 

模型本身依赖于向量“法线”概念的功能性,实际上我们有一个包含三个元素 v(x,y,z) 的向量,我们可以通过这个数学概念来计算该向量的长度以下等式:

||v|| = sqrt(x^2 + y^2 + z^2)

该长度在经验研究的阈值上进行比较。
在我们的例子中,如果长度大于 0.7,则用户应该在移动,否则它在休息。

部署模型 - 基于Edge

如前所述,我们正在测试我们模型的两种部署。让我们看看我们如何在应用程序的前端本地部署模型。

delta = Math.sqrt(accelerometer.x * accelerometer.x + accelerometer.y * accelerometer.y + accelerometer.z * accelerometer.z);
delta > 0.7 ? (moving = true, status.innerHTML = "Walking") : (moving = false, status.innerHTML = "Resting");
console.log("send data: " + accelerometer);
socket.emit('data',
{
    x: accelerometer.x,
    y: accelerometer.y,
    z: accelerometer.z,
    status: moving
});

线性加速度传感器收集的数据在 html 上本地计算,并通过托管页面的服务器上的 publishAsync 函数发送到谷歌云(我们通过使用 soket.io 检索值,如上一教程中所示)。

const publishAsync = (
mqttTopic,
client,
data,
) => {
    console.log("Edge computing");
    // Function that push the sensor status on Google Cloud
    var status = JSON.stringify(data.status);
    var x = JSON.stringify(data.x);
    var y = JSON.stringify(data.y);
    var z = JSON.stringify(data.z);
    console.log("x: " + x + " y: " + y + " z:" + z + " ======> " + status);
    const payload = deviceId + ":" + status + ":" + "crowd_sensing";
    // Publish "payload" to the MQTT topic. qos=1 means at least once delivery. (There             is also qos=0)
    console.log('Publishing message:', payload);
    client.publish(mqttTopic, payload, { qos: 1 });
};

请注意,您需要一些个人 google 云项目数据(mqtt 主题、客户端和 deviceId),如我们的第一个教程中所述。

部署模型 - CloudBased

另一面,现在让我们将模型部署到云上。html是相同的,但现在我们不会使用本地计算的值,实际上数据(x,y,z)是:

1)推送到云端

const publishCloud = (
    mqttTopicCloud,
    clientCloud,
    data,
) => {
    // Function that push the sensor value on Google Cloud
    var x = JSON.stringify(data.x);
    var y = JSON.stringify(data.y);
    var z = JSON.stringify(data.z);
    console.log("Cloud computing");
    console.log("x: " + x + " y: " + y + " z:" + z);
    const payload = deviceIdCloud + ":" + x + ":" + y + ":" + z + ":" + "crowd_sensing";
    // Publish "payload" to the MQTT topic. qos=1 means at least once delivery. (There is also qos=0)
    console.log('Publishing message:', payload);
    clientCloud.publish(mqttTopicCloud, payload, { qos: 1 });
};

2)通过云端模型计算,然后通过soket.io推送到dashboard。

else if (device == "accelerometer") {
    //Computed at edge, receive and push the value without computing at cloud
    log[5].lastValue = value;
    log[5].values.push(value);
    socket.emit('accelerometer', log[5].lastValue);
    socket.emit('accelerometer', log[5].values);
}
else if (device == "accelerometer_cloud") {
    //Compute at cloud, if delta > 0.7 then user is moving
    var delta = Math.sqrt(x * x + y * y + z * z);
    log[6].lastValue = delta > 0.7
    socket.emit('accelerometer_cloud', log[6].lastValue);
    socket.emit('accelerometer_cloud', log[6].values);
}

如您所见,我们使用两个设备进行推送,以实现我们的双重部署研究案例的目标。

3) 保存在数据库中

// References an existing subscription
const subscription = pubSubClient.subscription(subscriptionName);
// Create an event handler to handle messages
let messageCount = 0;
const messageHandler = message => {
    console.log(`Received message ${message.id}:`);
    console.log(`\tData: ${message.data}`);
    var data = `${message.data}`.split(":");
    if (data != null) {
    var device = data[0].toString();
    var x, y, z;
    var value = data[0] != "accelerometer_cloud" ? data[1].toString() : (x = data[1], y = data[2], z = data[3]);
    
    [//Device Switch as seen in 2)]

    new Data
    ({
        device: device,
        value: value,
        data: Date.now() / 1000
    }).save();

额外- 云功能作为后台功能

通过使用云功能也可以达到同样的目标。可以在“./crowd_sensing_client/background_function”下的我的个人存储库中找到一个示例。我认为这是实现这个目标的一种很好的平衡方法,流程非常简单,本质上传递给特定主题的数据将通过定义的后台函数进行分析,然后推送到另一个主题(或您喜欢的同一个主题) )。让我们看看它是如何工作的:

1)在google cloud IoT core上点击云函数,然后新建一个函数。

poYBAGOYHuiAUfWxAABSkjdzmlQ926.png
创建云函数
 

为函数插入一个名称,选择分配的内存(256MiB 就足够了),选择 Cloud Pub/Sub 作为触发方法,然后选择一个关联的主题(或者创建一个新的无论如何)。

2)编码你的功能。

poYBAGOYHuqAeH4lAACdmTFAW38462.png
完成功能的配置
 

注意在这部分中,正确设置package.json至关重要,因为 pubsub 的版本彼此非常不同(在这种情况下,我使用的是 0.21.1)。请记住更改已执行函数的名称。

3)只需将值推送到特定主题即可。

我真的很喜欢这个实现,但是使用的那个对所有其他教程来说更加线性和一致。我希望您喜欢本教程,您可以测试运行服务器 (node./app.js) 并使用部署在 heroku 上的移动应用程序的整体应用程序


声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !