Whereami utilizza segnale WiFi e tecniche di machine learning (RandomForest di sklearn) per stabilire dove ti trovi. Funziona anche per piccole distanze come 2-10 metri.
Il tuo computer saprà se sei sul divano n. 1 o sul divano n. 2.
Cross-platform
Funziona su OSX, Windows, Linux (testato su Ubuntu / Arch Linux).
Il pacchetto access_points è stato creato per consentire la scansione del wifi in modalità multipiattaforma.
Usando access_points
dalla riga di comando ti permetterà di scansionare il wifi da solo e ottenere l’output JSON. whereami
si basa su di esso.
Installazione
pip install whereami
Python
Qualsiasi funzionalità è disponibile anche in Python. In generale, i comandi possono essere importati:
from whereami import learn
from whereami import get_pipeline
from whereami import predict, predict_proba, crossval, locations
Precisione
Generalmente dovrebbe funzionare molto bene. In grado di apprendere utilizzando solo 7 punti di accesso a casa (test utilizzando access_points -n
). Nelle organizzazioni, a lavoro, potresti vederne più di 70.
Distanza: qualsiasi cosa intorno a ~ 10 metri o più dovrebbe ottenere una precisione> 99%.
Altezza: sorprendentemente, la differenza verticale nella posizione è in genere ancora più netta delle differenze orizzontali.
Progetti correlati
- Il progetto Whereearehue può essere utilizzato per attivare o disattivare le lampadine Hue in base alle posizioni apprese.
Test
È possibile eseguire localmente test per python 2.7, 3.4 e 3.5 usando tox.
git clone https://github.com/kootenpv/whereami
cd whereami
python setup.py install
tox
È possibile eseguire localmente test per python 2.7, 3.4 e 3.5 usando tox.