一种基于手机传感器在运动状态下识别输入内容的方法技术

本发明专利技术涉及智能手机在运动状态下输入识别方法，具体为一种基于手机传感器在运动状态下识别输入内容的方法，包括以下步骤：步骤1：收集软键盘输入时传感器输出的数据；步骤2：对多层感知机神经网络进行训练，多层感知机神经网络输出点击位置序列；步骤3：将点击位置序列输入还原算法，将点击位置序列转换为参考内容；步骤4：当多层感知机神经网络输出的点击位置序列被转换成的参考内容准确率达到设定值后，该多层感知机神经网络达到使用要求；步骤5：被转换的参考内容在软键盘一侧的参数框内显示，用户根据参考框内的参考内容和输入框内的输入内容进行选择。本发明专利技术方法提高了在运动状态下单手输入的准确率，提高了用户的单手输入体验。入体验。入体验。

【技术实现步骤摘要】
一种基于手机传感器在运动状态下识别输入内容的方法


[0001]本专利技术涉及智能手机在运动状态下输入识别方法，具体为一种基于手机传感器在运动状态下识别输入内容的方法。

技术介绍

[0002]传统的非智能手机中带有实体按键，同时小巧的机身便于单手操作。但如今普及的是屏幕具有触控功能不带有实体按键的智能手机，在智能手机需要输入时，通过调用软键盘的方式进行输入。软键盘方式较为适合双手进行操作，一只手进行托举，一只手进行点击位置输入。但生活中普遍存在单手输入的场景，例如一只手握持物品，另一只收持有智能手机。软键盘的方案为缩小软键盘区域并偏向于惯用手。此缺点在于缩小了可点击范围，容易造成误触，降低输入的准确率。已有专利技术利用陀螺仪偏移进行点击区域的推算，得到输入位置的确定，还原输入内容。但缺陷为不能在运动状态下准确还原输入的内容，无法单手精准输入较为影响用户的使用体验。

技术实现思路

[0003]本专利技术针对在运动状态下智能手机终端单手操作时输入精准度不高的问题，提供一种基于手机传感器在运动状态下识别输入内容的方法。
[0004]一种基于手机传感器在运动状态下识别输入内容的方法，包括以下步骤：步骤1：将软键盘分为多个不同区域；步骤2：数据收集与预处理：收集用户在运动状态下通过软键盘输入时传感器输出的关于点击位置的数据；在收集数据后将数据进行预处理，在完成后按比例进行分割，分为训练集与测试集；步骤3：运动状态感知与点击位置判断：通过训练集数据对多层感知机神经网络进行训练，多层感知机神经网络输出点击位置序列；步骤4：输入内容的还原：在得到点击位置序列后，将点击位置序列输入还原算法，将点击位置序列转换为参考内容；步骤5：通过测试集数据对多层感知机神经网络进行测试，当多层感知机神经网络输出的点击位置序列被转换成的参考内容准确率达到设定值后，该多层感知机神经网络达到使用要求，否则继续对多层感知机神经网络进行训练；步骤6：被转换的参考内容在软键盘一侧的参数框内显示，作为软键盘本身输入框内的输入内容的参考，用户根据参考框内的参考内容和输入框内的输入内容进行选择，提高了输入内容的准确率。
[0005]上述的一种基于手机传感器在运动状态下识别输入内容的方法，步骤1具体包括以下步骤：步骤11：传感器包括但不限于加速度传感器和陀螺仪传感器。
[0006]步骤12：运动状态包括但不限于站立、静坐、平躺、行走、上楼和下楼。
[0007]步骤13：数据分割比例为7：3，其中训练集的数据比例为7，测试集的数据比例为3。
[0008]步骤14：数据预处理包括原始数据转换为传感器窗口事件、特征值选取和低通滤波。
[0009]1）窗口事件：原始数据通过窗口事件转换为各个短时间段数据；2）低通滤波：各个短时间段数据过滤高频信息，保留低频的点击信息；3）特征值计算：计算各个短时间段数据的均值和最值，使分类特征凸出，方便多层感知机神经网络进行计算。
[0010]上述的一种基于手机传感器在运动状态下识别输入内容的方法，步骤2具体包括以下步骤：步骤21：收集预处理后的传感器数据，将传感器数据作为输入，输入到多层感知机神经网络中进行训练，在训练完成后进行预测。
[0011]步骤22：在训练阶段，多层感知机神经网络在接收到输入的数据后，经过神经元网络的计算，将运动状态与点击位置进行分类。若运动状态、点击位置分类结果与运动状态和点击位置所在区域一致，则记录点击位置代码与运动状态代码。若运动状态、点击位置分类结果与运动状态与点击位置所在区域不一致，则神经网络的权重进行调整，再次进行训练。训练直到学习率与准确率达到较高时完成。在预测阶段，多层感知机神经网络在接收到数据输入后，经过神经网络的计算，会根据权重与输入数据的特征输出并记录点击位置代码与运动状态代码。
[0012]步骤23:将运动状态代码与运动状态对应，输出运动状态。将记录的点击位置代码进行排序，还原为点击位置序列。
[0013]每一种运动状态都设定一个代码与其对应，软键盘上划分的每个区域都设定一个代码与其对应，点击位置序列代表点击位置所在区域的排列顺序。
[0014]上述的一种基于手机传感器在运动状态下识别输入内容的方法，步骤3具体包括以下步骤：步骤31：还原算法将点击位置序列还原为输入的信息；步骤32：还原算法中加入自然语言处理方法，提高还原的准确率，减小内容的检索范围。
[0015]上述的一种基于手机传感器在运动状态下识别输入内容的方法，为提高点击位置判断的准确率，故将键盘分为五个区域，多层感知机神经网络可将点击位置分类到区域内，最终输出为运动状态与点击位置序列。
[0016]本专利技术方法提高了在运动状态下单手输入的准确率，提高了用户的单手输入体验。
附图说明
[0017]图1为本专利技术方法流程图。
[0018]图2为本专利技术方法软键盘分区示意图。
[0019]图3为本专利技术方法数字键盘示意图。
具体实施方式
[0020]一种基于手机传感器在运动状态下识别输入内容的方法，包括以下步骤：步骤1：将软键盘分为多个不同区域；步骤2：数据收集与预处理：收集用户在运动状态下通过软键盘输入时传感器输出的关于点击位置的数据；在收集数据后将数据进行预处理，在完成后按比例进行分割，分为训练集与测试集；为提高点击位置判断的准确率，将键盘分为五个区域，多层感知机神经网络可将点击位置分类到区域内，最终输出为运动状态与点击位置序列；步骤3：运动状态感知与点击位置判断：通过训练集数据对多层感知机神经网络进行训练，多层感知机神经网络输出点击位置序列；步骤4：输入内容的还原：在得到点击位置序列后，将点击位置序列输入还原算法，将点击位置序列转换为参考内容；步骤5：通过测试集数据对多层感知机神经网络进行测试，当多层感知机神经网络输出的点击位置序列被转换成的参考内容准确率达到设定值后，该多层感知机神经网络达到使用要求，否则继续对多层感知机神经网络进行训练；步骤6：被转换的参考内容在软键盘一侧的参数框内显示，作为软键盘本身输入框内的输入内容的参考，用户根据参考框内的参考内容和输入框内的输入内容进行选择，提高了输入内容的准确率。
[0021]上述的一种基于手机传感器在运动状态下识别输入内容的方法，步骤1具体包括以下步骤：步骤11：传感器包括但不限于加速度传感器和陀螺仪传感器。
[0022]步骤12：运动状态包括但不限于站立、静坐、平躺、行走、上楼和下楼。
[0023]步骤13：数据分割比例为7：3，其中训练集的数据比例为7，测试集的数据比例为3。
[0024]步骤14：数据预处理包括原始数据转换为传感器窗口事件、特征值选取和低通滤波。
[0025]1）窗口事件：原始数据通过窗口事件转换为各个短时间段数据；2）低通滤波：各个短时间段数据过滤高频信息，保留低频的点击信息；3）特征值计算：计算各个短时间段数据的均值和最值，使分类特征凸出，方便多层感知机神经网络进行计算。
[0026]上述的一种基于手机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于手机传感器在运动状态下识别输入内容的方法，其特征在于：包括以下步骤：步骤1：将软键盘分为多个不同区域；步骤2：数据收集与预处理：收集用户在运动状态下通过软键盘输入时传感器输出的关于点击位置的数据；在收集数据后将数据进行预处理，在完成后按比例进行分割，分为训练集与测试集；步骤3：运动状态感知与点击位置判断：通过训练集数据对多层感知机神经网络进行训练，多层感知机神经网络输出点击位置序列；步骤4：输入内容的还原：在得到点击位置序列后，将点击位置序列输入还原算法，将点击位置序列转换为参考内容；步骤5：通过测试集数据对多层感知机神经网络进行测试，当多层感知机神经网络输出的点击位置序列被转换成的参考内容准确率达到设定值后，该多层感知机神经网络达到使用要求，否则继续对多层感知机神经网络进行训练；步骤6：被转换的参考内容在软键盘一侧的参数框内显示，作为软键盘本身输入框内的输入内容的参考，用户根据参考框内的参考内容和输入框内的输入内容进行选择，提高了输入内容的准确率。2.根据权利要求1所述的一种基于手机传感器在运动状态下识别输入内容的方法，其特征在于：步骤1具体包括以下步骤：步骤11：传感器包括但不限于加速度传感器和陀螺仪传感器；步骤12：运动状态包括但不限于站立、静坐、平躺、行走、上楼和下楼；步骤13：数据分割比例为7：3，其中训练集的数据比例为7，测试集的数据比例为3；步骤14：数据预处理包括原始数据转换为传感器窗口事件、特征值选取和低通滤波；1）窗口事件：原始数据通过窗口事件转换为各个短时间段数据；2）低通滤波：各个短时间段数据过滤高频信息，保留低频的点击信息；3）特征值计算：计...

【专利技术属性】
技术研发人员：朱飑凯，袁纬杰，刘蔚，游紫绒，鲍玉奥，曾倩倩，李峰，张倩，刘三满，
申请(专利权)人：山西警察学院，
类型：发明
国别省市：