SonicOperator-优快云博客

原创 SonicOperator之结论

我们的SonicOperator最终实现了一套用户可以通过手势完成手机操作的隔空手势操作系统。在我们的系统中，用户通过匹配手势与相应的操作，在不方便触碰屏幕或者不想触碰屏幕时，仅需通过简单的手势操作就可以轻松完成诸多手机操作。我们的作品具有很大的突破性和创新性。目前来看，市面上并没有一款像我们这样基于超声波的隔空手势操作系统，我们的系统既帮助人们在诸多不方便直接触碰设备的场景中可以通过手势轻松完成手

2017-06-17 18:15:45 338

原创 SonicOperator之实验2

[4].左划悬浮框，即停止录制手势，输入这段录屏的名字，即可将这段手势的信息存入本地的数据库中 [5].点击屏幕下方的加号将超声波手势与屏幕操作手势绑定在一起，之后每次做该超声波手势时即可完成对应的手机操作 [6].打开定义方案界面后，我们可以将已经完成录制的方案上传到云端，分享给其他用户 [7].当在云端看到适合自己的手势操作方案时，我们可以选择下载相应的配置文件并在本地使用

2017-06-17 18:15:19 298

原创 SonicOperator之实验

安装，即可在桌面上看到我们的APP[1].进入App后会看到如下的界面在“应用名称”一栏输入您期望生成的应用的名称，单击“生成预览”即可进入如 [2].单击开始按钮即可出现左上角的悬浮框，并回到主界面，点开想要录制手势的App，例如这个阅读App [3].滑动左上角的悬浮窗，即开始录制在这个App上的所有手势操作

2017-06-11 22:44:43 343

原创 SonicOperator之算法优化2

4.3 神经网络随后，使用优化后的神经网络模型来完成分类任务。需要在实际的操作中收集了大量的数据以及对应数据的标签。人工神经网络(Artificial Neural Network)，神经网络是一种运算模型，由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值

2017-06-11 22:41:43 472

原创 SonicOperator之算法优化

在该系统的算法与设计以及优化部分，通过适当数据清洗，数据降噪，完成对数据的预处理，将数据映射到合适的低维空间，挖掘数据分布的模式，检验稀疏模式与负相关模式是否存在，最后使用经过优化处理的神经网络机器学习模型求得数据在假设空间上的拟合函数，完成最终的分类任务。 4.1 数据清洗数据清洗对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性。在进行常规的检验数

2017-05-29 10:24:38 401

原创 SonicOperator之Azure云端

Azure 是一种灵活和支持互操作的平台，它可以被用来创建云中运行的应用或者通过基于云的特性来加强现有应用。我们在 Azure 云上部署了我们的服务器。服务器分为计算和存储两部分。计算部分负责实现机器学习，通过对用户手势的学习和分析，获知用户做了什么手势。同时在我们还需要在云端保存用户手势与操作的对应表，这样既节省了用户本地的存储，也方便了用户在不同的设备上使用同一套解决方案。工作流程服务

2017-05-29 10:22:37 481

原创 SonicOperator之Android端

客户端允许用户根据自身喜好自定义操作，将解决方案上传到云端共享，或者下载直接使用。用户打开脚本录制按钮，在屏幕上做出一系列操作，app会采集触屏数据信息，关闭数据采集按钮后，用户填入相应描述信息，app对有用屏幕数据的提取，生成配置文件以供使用。在“云端”栏，用户选中其中一个解决方案，点击下载，即可在供用户使用。在“我的手势”栏，用户可编辑、删除本地手势。点击调整精度，可以根据习惯选择高中低

2017-05-28 22:15:51 577

原创 SonicOperator之超声波

普勒效应是波源和观察者有相对运动时，观察者接受到波的频率与波发出的频率并不相同的现象。远方急驶过来的火车鸣笛声变得尖细（即频率变高，波长变短），而离我们而去的火车鸣笛声变得低沉（即频率变低，波长变长），就是多普勒效应的现象，同样现象也发生在私家车鸣响与火车的敲钟声。超声波，又称超音波，是指任何声波或振动，其频率超过人类耳朵可以听到的最高阈值20kHz（千赫）。因而我们利用手机发出超声波，人耳不会

2017-05-28 22:11:46 626

原创 SonicOperator之引言2

对于用户而言，一种不需要外设而实现的智能手机操作方式会使得用户的操作变得更简单。因此我们利用手机自带的扬声器，发出人类无法听到的超声波，利用多普勒效应获得用户手势操作的信息，在机器学习的帮助下分析出用户所做手势进而匹配到用户想要实现的操作。用户在使用我们的系统的时候，只需要“教给”它什么手势对应什么操作。我们的系统通过对于手势的机器学习提取动作的特征，当用户进行实际操作的时候，通过分析出用户做了

2017-05-20 14:42:11 348

原创 SonicOperator之引言1

如今，智能手机、平板随处可见，作为主要操作方式的触控操作也极大方便了我们的使用，但生活总是有一些场景不愿或者无法去触摸手机屏幕。比如我们学生一边在平板上播放PPT，一边做笔记，想上下翻页时，必须要当下手中的笔去触摸屏幕，有时会打断思路，又如在寒冷的冬天，戴着手套，在手机上即使想完成最简单的点击的操作，也必须去脱下手套。除此之外，每次触摸屏幕，都会在屏幕上留下手指的指纹和灰尘，十分影响屏幕的观看体验。

2017-05-08 22:05:51 316

原创 SonicOperator之相关工作3

在机器学习和认知科学领域，神经网络或类神经网络，是一种模仿生物神经网络(动物的中枢神经系统，特别是大脑)的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。现代神经网络是一种非线性统计性数据建模工具。典型的神经网络具有以下三个部分：结构（Architecture）结

2017-05-08 22:05:02 601

原创 SonicOperator之相关工作2

基于超声波的手势识别具有更好的环境适应性。多普勒效应是波源和观察者有相对运动时，观察者接受到波的频率与波源发出的频率并不相同的现象。远方急驶过来的火车鸣笛声变得尖细（即频率变高，波长变短），而离我们而去的火车鸣笛声变得低沉（即频率变低，波长变长），就是多普勒效应的现象，同样现象也发生在私家车鸣响与火车的敲钟声。超声手势识别利用手机扬声器做超声发射源（中心频率大于20K Hz），而接收的频率则会随着手

2017-05-08 22:03:37 442

原创 SonicOperator之相关工作1

自从微软发布Kinect以来，体感设备的3D手势识别一直就是热潮。那么什么是3D手势识别呢？简单来说，这项技术就是利用各类传感器对手部/手持工具的形态、位移等进行持续采集，每隔一段时间完成一次建模，形成一个模型信息的序列帧，再将这些信息序列转换为对应的指令，用来控制实现某些操作。随着各项技术的成熟和传感器的发展，手势识别已经进入可用性阶段，各类产品和解决方案也开始涌现，其中，应用最为广泛的是游戏设备

2017-05-07 23:38:47 427

原创 SonicOperator之Abstract

近年来，随着互联网行业的飞速发展和移动智能终端的升级换代，智能手机的交互方式愈发受到人们的关注，触控操作极大地方便了人们对智能手机的使用，但也有着种种局限性。如必须用手指触摸屏幕才能完成操作，而有些时候，如手上有水，戴着手套时，是不能用手指触摸屏幕的；频繁的触摸会在屏幕上留下指纹，影响屏幕的观赏体验。本文中，我们提出了一种新颖的手势识别方式，该系统利用手机自带的扬声器发出21kHz的超声波，当用户

2017-05-07 22:02:29 342