[发明专利]一种基于SSD目标检测的RSSI更新的室内定位方法

权利要求书

1.一种基于SSD目标检测的RSSI更新的室内定位方法，其特征在于，包括：

在定位场地部署N个蓝牙网关，并获取其坐标；

采集N个蓝牙网关对定位标签的蓝牙信号RSSI值和身份ID发送至服务器；

摄像头拍摄含有定位标签的区域实时照片，并将照片和区域中的定位标签发送至服务器；

根据测距模型d＝10^{(ABS(RSSI)-A)/(10*n)}，分别计算每个蓝牙基站与定位标签的距离d；其中A指发射端和接收端相隔1米时的信号强度；n是基于SSD的目标检测给出的环境衰减因子；

采用两重滤波和三点时域加权定位算法计算出定位标签的坐标；

将坐标送给Web显示端，显示定位标签的位置和轨迹；

基于SSD的目标检测给出环境衰减因子具体为：基于深度学习的SSD目标检测算法，对不同的环境进行检测从而设置不同的环境衰减因子n，包括：

采用InteriorNet的室内场景数据集，针对此数据集，增加环境衰减因子标签；

将检测数据集划分为三个部分：训练集、测试集和验证集；

搭建Tensorflow深度学习框架进行SSD室内场景检测模型的训练与测试；

SSD的损失函数L(x,c,l,g)定义为预测位置误差L_loc与类别置信度误差L_conf的加权和：

其中，N为匹配的默认框个数，x为匹配的默认框是否属于某个类别，l为预测框，g为真实目标框，c为被默认框包围的目标属于某类别的置信度，α代表权重项，设置为1；

预测位置损失函数L_loc(x,l,g)的计算方式如式(1.2)和式(1.3)所示：

d＝(d^cx,d^cy,d^w,d^h)表示先验框位置，为第i个框的中心x轴坐标，为第i个框的宽度，为第i个框的中心y轴坐标，为第i个框的高度；

其中采用的smooth_L1损失函数，定义如式(1.4)所示：

式中i为默认框序号，i∈Pos是被分为正样本的默认框，j为真实目标框序号，k为类别序号，为第i个预测框与第j个真实目标框关于类别k是否匹配，取值{0,1}，(cx,cy)为默认框的中心坐标，w和h为默认框的宽和高，m是对默认框4个参数的取值，则为第i个默认框的4个参数，为第j个真实框的4个参数；

类别置信度损失函数L_conf(x,c)定义如式(1.5)和式(1.6)所示，其使用的是Softmax损失函数：

式中输入每一类的置信度c，i指代默认框序号，i∈Pos是被分为正样本的默认框，i∈Neg是被分为负样本的默认框，j指代真实框序号，p指代类别序号，p＝0代表背景，表示第i个预测框与第j个真实框关于类别p是否匹配，取值{0，1}，表示第i个默认框对应类别p的预测概率；

SSD在训练时先将图像的默认框与真实目标框匹配，然后通过SSD的损失函数输出损失值，最后进行反向传播，更新网络权值，并重复这一过程；

对该SSD的模型进行训练，然后根据训练模型在验证集上的表现设定最优参数；摄像头拍摄的区域内场景一旦发生变化，将这种变化检测出来，从而更新环境衰减因子n，从而信号强度值RSSI转为距离值d时就会提高精度。

2.如权利要求1所述的基于SSD目标检测的RSSI更新的室内定位方法，其特征在于，所述InteriorNet的室内场景数据集包括家具制造商提供已用于实际生产的CAD模型、以及专业设计师基于所述CAD模型创建的室内布局。

3.如权利要求1所述的基于SSD目标检测的RSSI更新的室内定位方法，其特征在于，针对此数据集，增加环境衰减因子标签具体为：识别出不同的室内场景后，环境衰减因子n会进行改变，不同场景下的环境衰减因子标签需要事先进行测试得出。