前言

1. 本文主要是手把手教你如何利用 Edge Impulse 建立一个运动分析的 AI 模型，最后部署到手机/MCU上。
2. 本文并不会介绍为什么这样做，如果深度学习相关内容，可以自己去买《边缘人工智能—丹尼尔·西图纳亚克 珍妮·普朗克特》这本书，或者是YouTube/B站学习相关 TinyML 内容。

正文

连接设备

1. 我们进入 https://www.edgeimpulse.com/ 登录账号后按照下图创建一个新项目。
   
   

2. 打开微信扫描下面二维码

3. 后续你手机里面会出现这个界面
   

收集数据

1. 按照图中内容建立模型
   
2. 可以按照需求，进行样本采集，我这里是每个类别有10个样本数据。
   
3. 样本数据分割，按照下面步骤，将数据进行随机分割。
   
4. 最终可以看到数据分成了训练集和测试集。
   

特征选择

1. 创建模型，可能会弹出下面这个框，因为我们部署到手机上和STM32F407ZGT6 上，因此这里选择 M4。
   

2. 添加特征处理方法，可以看到下面有两个推荐的方法，我们只需要添加第一个通用的，第二个IMU的这个不用加（去年好像没有，今年看到有这个，就加着试试，结果部署到手机上的时候发现这个是Syntiant 目标平台特有的）
   
   

3. 添加神经网络模块，因为我们是免费用户，直接使用他们提供的神经网络模块即可。

4. 按照下图进行保存。

5. 特征提取。
   
   
6. 最终会出现这个框图表示提取到的特征信息分布。

7. 如果你添加了 IMU 的这个特征提取方法，可以尝试更换看看有什么区别。

8. 会发现效果确实好了很多，但某些地方仍具有区分不清楚的情况。（需要注意，后面编译的时候要在Create Impulse界面删除IMU的这个特征提取办法，不然会导致后续部署出问题）
   
9. 如果你是Syntiant 芯片，我们可以参照下图修改提取用IMU的方式提取特征，不过因为我们是手机做演示，因此不用修改。（一定记得删除IMU的那个特征提取办法，不然部署会有问题，再次强调）
   

模型训练

训练

1. 这里可以根据情况调整模型，我这里直接默认，最终开始训练，看到训练结果看起来还是非常完美的。
   

测试

1. 我们按照下图方式测试最终的模型效果，会发现准确率还是相对可观的（可以通过其他办法再进行提高）
   

模型部署

部署手机上

云端分析

1. 如果手机断联，按照之前的连接方式进行重新连接。之后按照下图进行操作，手机上就会手机10s数据，期间你可以左右，上下，画圈等操作。

2. 10s结束后，采集到的数据将会显示在网页中，你可以左右滑动来看最终的结果。

本地运行

1. 按照下图进行操作，然后手机上就可以运行自己训练的模型了。
   

2. 最终进行四次采样，可以看到四次采样的效果如下，其猜测概率相对还是比较准确的，都在60%以上。

部署 STM32

1. 这个可以直接参考 【CSDN】零基础的嵌入式机器学习：Edge Impulse训练模型移植STM32F407ZGT6实例

参考

1. 【B站】【TinyML教程】嵌入式机器学习入门：基于 Edge Impulse 与 Arduino 打造智能硬件（含语音/运动识别实战）
   
2. 【CSDN】零基础的嵌入式机器学习：Edge Impulse训练模型移植STM32F407ZGT6实例