С акселерометром дело самое простое. ↑
metanymous в посте Metapractice (оригинал в ЖЖ)
--Если с акселерометром и произвольным взмахами руки – это "очень сложный" (в плане реализуемости) вариант, то это – просто "сложный".
Что-то ты меня запутал что сложно, а что очень сложно. Сейчас распутаем.
Просто взмахиваем однократно рукой и смотрим на акселерометр. Считываем показание1.
Затем, задаем сами себе калибровочный вопрос и снова взмахиваем рукой. Считываем показание2.
И т.д.
И что же здесь сложного?
5 комментариев
сначала старые сначала новые
Что-то ты меня запутал что сложно, а что очень сложно. Сейчас распутаем.
Ну, вы, похоже, говорите о сложности с точки зрения юзера. А я прикидываю сложность реализации :) Грубо говоря, затраты в человеко-часах на разработку системы, позволяющей автоматически калибровать соответствующие сигналы.
Снятие сигнала по диагностическим данным "таблиц Шульте" или любых аналогов: просто.
По непроизвольным сигналам набираемого текста: средней сложности.
По данным траекторий движения пальца по экрану: сложно.
По данным акселерометра: очень сложно.
Просто взмахиваем однократно рукой и смотрим на акселерометр. Считываем показание1. Затем, задаем сами себе калибровочный вопрос и снова взмахиваем рукой. Считываем показание2. И т.д. И что же здесь сложного?
Для пользователя не сложно. С другой стороны, м.б. не самый удобный вариант, потому что типа "в фоне" рукой не помашешь – надо специально типа "заниматься рефреймингом". Ну и там в транспорте, например, не будешь делать. Зато, с другой стороны, довольно эффектный вариант.
Для разработчика очень сложно. Сама по себе работа с сенсором дело не простое, в независимости от того, что с ним делать – надо разбираться. А вот детектирование паттернов непроизвольных движений – я не представляю как сделать. Даже если есть/будет детальное описание таких паттернов, например до такого уровня, что не подготовленный человек, глядя на график движений, сможет определить/вычленить "сигнал" – задача запрограммировать компьютерное из распознавание охренительно сложная :)
Отвлечённый пример/репер – даже распознавание номеров проезжающих под дорожной камерой автомобилей-нарушителей это не решённая в наше время задача. Номера распознают/корректируют в конечном итоге операторы центра контроля движения.
А тут какой-то хитрый аналоговый паттерн.
Ну, вы, похоже, говорите о сложности с точки зрения юзера. А я прикидываю сложность реализации :) Грубо говоря, затраты в человеко-часах на разработку системы, позволяющей автоматически калибровать соответствующие сигналы.
Снятие сигнала по диагностическим данным "таблиц Шульте" или любых аналогов: просто.
По непроизвольным сигналам набираемого текста: средней сложности.
По данным траекторий движения пальца по экрану: сложно.
По данным акселерометра: очень сложно.
Просто взмахиваем однократно рукой и смотрим на акселерометр. Считываем показание1. Затем, задаем сами себе калибровочный вопрос и снова взмахиваем рукой. Считываем показание2. И т.д. И что же здесь сложного?
Для пользователя не сложно. С другой стороны, м.б. не самый удобный вариант, потому что типа "в фоне" рукой не помашешь – надо специально типа "заниматься рефреймингом". Ну и там в транспорте, например, не будешь делать. Зато, с другой стороны, довольно эффектный вариант.
Для разработчика очень сложно. Сама по себе работа с сенсором дело не простое, в независимости от того, что с ним делать – надо разбираться. А вот детектирование паттернов непроизвольных движений – я не представляю как сделать. Даже если есть/будет детальное описание таких паттернов, например до такого уровня, что не подготовленный человек, глядя на график движений, сможет определить/вычленить "сигнал" – задача запрограммировать компьютерное из распознавание охренительно сложная :)
Отвлечённый пример/репер – даже распознавание номеров проезжающих под дорожной камерой автомобилей-нарушителей это не решённая в наше время задача. Номера распознают/корректируют в конечном итоге операторы центра контроля движения.
А тут какой-то хитрый аналоговый паттерн.
Вон ребята реализовали механизм идентификации юзера по движениям мыши (во время игры в 3D-шутеры):
99,999999728% защита от читеров в 3D-шутерах
http://geektimes.ru/post/250244/
Используют чисто "количественный" подход. Замеряют всё что можно. Опрашивают людей по анкете из 64 вопросов. Потом выводят корреляции между движениями мыши и ответами на вопросы. Из этого выводят вероятность принадлежности того или иного образца движений человеку, который бы ответил так или иначе на анкетный вопрос. Из этого следует вероятность того, что испытуемый тот, за кого себя выдаёт.
99,999999728% защита от читеров в 3D-шутерах
http://geektimes.ru/post/250244/
Используют чисто "количественный" подход. Замеряют всё что можно. Опрашивают людей по анкете из 64 вопросов. Потом выводят корреляции между движениями мыши и ответами на вопросы. Из этого выводят вероятность принадлежности того или иного образца движений человеку, который бы ответил так или иначе на анкетный вопрос. Из этого следует вероятность того, что испытуемый тот, за кого себя выдаёт.
Вон ребята реализовали механизм идентификации юзера по движениям мыши (во время игры в 3D-шутеры):
99,999999728% защита от читеров в 3D-шутерах
http://geektimes.ru/post/250244/
Нормальный подход.
Используют чисто "количественный" подход. Замеряют всё что можно. Опрашивают людей по анкете из 64 вопросов. Потом выводят корреляции между движениями мыши и ответами на вопросы.
Аналогично:
Из этого выводят вероятность принадлежности того или иного образца движений человеку, который бы ответил так или иначе на анкетный вопрос. Из этого следует вероятность того, что испытуемый тот, за кого себя выдаёт.
Отличная идея и реализация. Знакомая идея.
Мы сто раз говорили. Кто-то просто сделал.
99,999999728% защита от читеров в 3D-шутерах
http://geektimes.ru/post/250244/
Нормальный подход.
Используют чисто "количественный" подход. Замеряют всё что можно. Опрашивают людей по анкете из 64 вопросов. Потом выводят корреляции между движениями мыши и ответами на вопросы.
Аналогично:
Не теория нужна, а корреляция с люшером
http://openmeta.livejournal.com/36859.html?thread=397563
https://blogs.yandex.ru/search.xml?text=%D0%BB%D1%8E%D1%88%D0%B5%D1%80&ft=blog%2Ccomments%2Cmicro&server=livejournal.com&author=metanymous&holdres=mark&how=tm&asc=1
Из этого выводят вероятность принадлежности того или иного образца движений человеку, который бы ответил так или иначе на анкетный вопрос. Из этого следует вероятность того, что испытуемый тот, за кого себя выдаёт.
Отличная идея и реализация. Знакомая идея.
Мы сто раз говорили. Кто-то просто сделал.
Не теория нужна, а корреляция с люшером.
Попыткой определять эмоции по тексту – делать машинное обучение "эмоциям" – уже, моя конспиративная гипотеза, занимаются в огромных масштабах 😦
Попыткой определять эмоции по тексту – делать машинное обучение "эмоциям" – уже, моя конспиративная гипотеза, занимаются в огромных масштабах 😦
Эмодзи (от яп. 絵 — картинка и 文字 — знак, символ; яп. произн. [emodʑi]) — язык идеограмм и смайликов, используемый в электронных сообщениях и веб-страницах. Этот графический язык, где вместо слов используются сочетания картинок, появился в Японии и распространился по всему миру. Изначально эмодзи выглядел как язык пиктограмм, где символы использовались так же, как и в ASCII эмотиконах, но имели более широкий диапазон употребления, а сами иконки были стандартизированы в клавиатуре, которая стала доступна на мобильных устройствах.Людей буквально сподвигли маркировать свои сообщения этими стандартизированными смайликами! Для меня выглядело невероятным, как без особого шума идиотскую идею протолкнули через очень очень бюрократизированный институт, утверждающий международный стандарт шрифтов. При этом в этом стандарте всё ещё нет символов, которые используются в некоторых азиатских языках, носители которых исчисляются чуть ли не сотнями тысяч. Но, вот, стандартные смайлики оперативно оказались в стандарте. И клавиатура с этими смайликами по умолчанию включена на новых мобильных устройствах.
https://ru.wikipedia.org/wiki/%D0%AD%D0%BC%D0%BE%D0%B4%D0%B7%D0%B8