Motion-ml

运动状态分类模型训练工程 — 基于 PyTorch，使用手机 IMU + GNSS 传感器数据。

支持的模型

模型	参数量	说明
lstm	~210K	双层 LSTM
cnn_lstm	~297K	CNN 提取局部震动 + LSTM 时序建模
cnn_transformer	~409K	CNN + Transformer Encoder + Attention Pooling
motion_encoder	~419K	自监督预训练 Encoder，支持 pretrain → finetune

运动类别

ID	类别	说明
0	STATIONARY	静止
1	WALKING	步行
2	CYCLING	骑行
3	CAR	汽车
4	TRAIN	火车/高铁

数据格式

MotionRecorder v2 双 CSV 格式，按文件名前缀自动配对：

data/raw/
├── CAR_20260916_143959_imu.csv     # 100~200 Hz
├── CAR_20260916_143959_gnss.csv    # 1~5 Hz
├── WALKING_20260912_173758_imu.csv
├── WALKING_20260912_173758_gnss.csv
└── ...

IMU 列: timestamp, acc_x, acc_y, acc_z, gyro_x, gyro_y, gyro_z, roll, pitch, yaw, label

GNSS 列: timestamp, latitude, longitude, altitude, speed, bearing, accuracy, satelliteCount, fixStatus

数据管线

SessionDataset          扫描目录，配对 *_imu.csv ↔ *_gnss.csv
  → TimeAligner         GNSS speed 对齐到 IMU 时间轴 (≤2s)
  → FeatureBuilder      m/s→km/h, NaN→0, 输出 [N, 10]
  → FeatureExtractor    10维 → 21维 (模长、滚动统计、震动指标)
  → StandardScaler      标准化
  → Sliding Windows     窗口=150帧, 步长=50, 逐Session切分
  → MotionWindowDataset PyTorch Dataset

快速开始

pip install -r requirements.txt

有监督训练

python train.py --model cnn_transformer --epochs 50
python train.py --model cnn_lstm --epochs 50
python train.py --model lstm --epochs 50

自监督预训练 → 微调

# Stage 1: 预训练 (无需标签)
python pretrain.py --epochs 50

# Stage 2: 微调
python finetune.py --pretrained checkpoints/encoder_pretrained.pth --epochs 100

评估与导出

python evaluate.py --checkpoint checkpoints/best_cnn_transformer.pth
python export.py --checkpoint checkpoints/best_cnn_transformer.pth --onnx

TensorBoard

tensorboard --logdir runs/

项目结构

motion-ml/
├── train.py                 # 有监督训练 (4种模型)
├── pretrain.py              # Stage 1: Masked Sensor Modeling 预训练
├── finetune.py              # Stage 2: 有监督微调
├── evaluate.py              # 模型评估
├── export.py                # 导出 .pth / ONNX
├── test_v5_pipeline.py      # 管线完整性测试
├── dataset/
│   ├── session_loader.py    # Session 发现与加载
│   ├── session_dataset.py   # 滑动窗口 Dataset
│   ├── time_aligner.py      # GNSS → IMU 时间对齐
│   ├── feature_builder.py   # 特征构建 + FeatureMap
│   └── preprocess.py        # FeatureExtractor (10→21维)
├── models/
│   ├── common.py            # PositionalEncoding, AttentionPooling
│   ├── motion_lstm.py       # LSTM
│   ├── cnn_lstm.py          # CNN-LSTM
│   ├── transformer.py       # CNN-Transformer
│   ├── motion_encoder.py    # MotionEncoder (预训练+微调)
│   └── mask_generator.py    # Mask 生成器
└── requirements.txt

传感器特征 (21维)

基础 (10维): gps_speed(km/h), acc_x/y/z, gyro_x/y/z, roll, pitch, yaw

派生 (11维): acc/gyro_magnitude, speed_delta, acc/gyro/roll 滚动均值+标准差, pitch_rolling_mean, vibration_score

License

Private research project.