Cloud Fit - smarta enheter för Smart gym (Intel IoT) (3 / 6 steg)
Steg 3: Hur att genomföra?
Ovan är data tomt på olika sensorer vs tid för rätt och fel rörelse.
1.) streckkoden bifogas med varje träning maskin, användaren kommer att Skanna streckkoden med mobil som resulterar i det kommer att känna typ av träning. Vi har använt en Zxing streckkod API för android. Vi kan använda NFC tag för att upptäcka träning.
2.) WICED känsla kan användas som ett arm-band som kommer att känna av förslaget att döma träning riktigheten.
-> används Wiced känsla enhet som en bärbar att upptäcka rätt rörelse.
3.) att analysera rörelse data vi först se levande ström graf plottning med plotly.ly
-> Används Cylon node.js för att extrahera rådata och konspirera levande ström graf med node.js.
4.) efter utdrager gyroskop, accelerometer och magnetometer data från sensorer, vi analysera data och extrahera olika funktioner för vårt lärande algoritm.
5.) på Matlab verktyget, genomförde vi först algoritm för att lära sig vår hypotes för binära classification(Correct/Incorrect).
6.) efter att få data från sensorer, skickas till intel edison och efter det kommer att gå till molnet för ytterligare analytiska.