摘要：为了实现移动视频监控，提出了一种基于智能手机的远程视频监控系统。介绍了监控系统的体系结构和硬件平台，阐述了嵌入式操作系统Android 应用程序的开发方法，并结合实际的应用系统，重点论述了Android 平台上视频监控客户端的设计思路。移植了音视频解码库FFmpeg 进行H. 264 视频解码，并采用OpenGL ES 实现实时视频显示。在无线局域网络的环境下对视频监控终端进行测试，达到了利用手机进行移动视频监控的目的。 　　随着多媒体技术、视频压缩技术以及网络传输技术的发展，视频监控正朝着数字化、网络化、智能化方向持续发展，并越来越广泛地渗透到政府、教育、娱乐、医疗等领域。目前大部分

活动识别 使用智能手机和智能手表数据使用Apache Spark和H20预测活动。 可以预测的活动示例包括： 坐着 步行 吃 打字 常设 运球篮球等... 使用SparkML和H20在Apache Spark分析中完成数据预处理 数据集 “ WISDM智能手机和Smartwatch活动和生物识别数据集” 原始时间序列传感器数据 描述的数据集说明 **项目中采取的步骤如下：** 1）特征提取 提取用于预测上述活动的功能： subject_id 是SmartPhone还是SmartWatch数据？ 设备类型：加速度计和/或陀螺仪 时间戳记 x，y和z坐标提取标签： 代表每个活动的活动代码 将所有这些信息组织到spark RDD中，然后组织到Spark DataFrame中 编码 2）数据预处理 对于每个活动，包括以下所有百分比读数： x，y，z坐标 按时间戳排序 还包括来自下一

针对目前室内定位精度低及部署成本高的问题,提出了一种基于智能手机的可见光通信与改进的行人航迹推算(VLC/IPDR)粒子滤波融合室内定位方法。该方法首先对智能手机CMOS摄像头拍摄的发光二极管(LED)光源图像信息进行解码,确定待定位点所属的LED区域。然后根据光照度模型及手机陀螺仪获得的方向角推算具体位置信息。最后将VLC获取的位置坐标作为观测值,将IPDR作为粒子滤波的状态转移方程,用粒子滤波将二者融合后进行联合定位。实验结果表明,在3 m×3 m×3 m的小空间、单光源条件下,该方法的平均定位误差小于6 cm,在120 m与45 m垂直相交路径上的多运动模式定位测试中,平均定位误差小于0.2 m。

android-robot-control-app 用于通过蓝牙从智能手机控制 Arduino 机器人和玩具的 Android 应用程序

这是一个适用于2.3.3 Android OS及更高版本的Android应用程序。 它处理如今集成在智能手机中的硬件和软件传感器。 用户可以选择传感器并观察以下各项的当前值：-加速度计-陀螺仪-磁力计-GPS位置-....和其他传感器通过WLAN包含CSV-格式的传感器值的流到客户端和/或流可以启动和停止SD卡。 传感器更新频率可以调整。 后台运行着一些GPS算法，可以将GPS数据转换为不同的坐标系。 通过WLAN的流使用用户数据报协议（UDP）接口。 为了接收数据，您可以在Files-Section中使用Java文件“ QuoteClient”之类的东西。

针对目前智能手机识别人体运动状态种类少、准确率低的问题，提出一种利用加速度传感器和重力传感器分层识别人体运动状态的方案。首先，利用加速度和重力加速度的关系计算出与手机方向无关的惯性坐标系下的线性加速度；其次，根据人体运动频率的变化范围和线性加速度矢量来确定脚步的波峰和波谷位置；最后，提取线性加速度在时域上的特征向量，使用层次支持向量机方法分层识别人体运动状态。实验结果表明，该方法能有效识别人体6种日常运动状态，准确率达到93.37%。

智能手机和平板电脑设计中的单键开关机和复位的智能方案

本设计开发了一款新型的便携式智能健康监护系统,实现对人体的心电和血压的实时监测与记录,并通过标准耳机接口传至手机客户端.

整个系统的硬件设计可以分为四个模块：电源电路、单片机最小系统、电机驱动模块、蓝牙模块。

本周十大热门智能手机-乐Phone-K2亮相.doc