[发明专利]一种基于RFID成像的多人轨迹追踪方法

摘要

本发明公开了一种基于RFID成像的多人轨迹追踪方法，站在部署在货架上的射频识别(RFID)标签与RFID读写器之间的顾客的移动改变RFID信号追踪路径和(接受信号强度)RSS与RFID相位值，基于读写器观察到的RSS和相位值的这些变化，TagSee使用深度学习技术构建了顾客的粗粒度图像。而后，TagSee通过分析构建的图像来识别顾客正在浏览的商品。本申请通过鲁棒的、基于深度学习的RFID图像构造粗粒度图像，实现对购物活动中多人活动跟踪，使用一台Impinj Speedway R420读写器和多个SMARTRAC DogBone RFID标签实现TagSee系统。

主权项

1.一种基于RFID成像的多人轨迹追踪方法方法，系统TagSee包括一套RFID标签和RFID读写器，标签和读写器都是COTS商品，其特征在于：首先在Z轴上点P_z处建立一个平行于X‑Y轴的图像平面，将图像平面划分为体素，使得沿着X轴部署的每个标签之间距离p_x体素，沿着Y轴部署每个标签之间的距离p_y体素，并且最左下方体素和最右上方体素的坐标分别是(0，0)和(Max_x,Max_y)，然后，根据变化的衰减x和M×N权重矩阵W来写入，其中M＝链路数，N＝图像平面中的体素数量，指定每个链接对在每个不同体素处衰减中观察到的变化的贡献是y_rss＝Wx+n，其中n对应于衰减和测量噪声；通过在RF链路的两个节点之间采用菲涅耳区的概念来模拟权重矩阵，并使用以网络中不同RF节点的位置为中心的虚拟椭球来确定覆盖监视区域的图像平面中的不同体素的权重；椭圆体确定每个相应链路的LOS路径，并且如果体素与链路的LOS路径相交相比于不属于LOS的体素将被赋予更多权重；针对所有链路获得的RSS差值重建图像，将最小二乘解计算x_LS＝P×y_rss，其中P＝(W^TW)^‑1W^T；估计路径损耗的变化：TX‑Tag‑RX链路的正向和反向信道都是对称的，每个标签和读取器天线对之间存在一组假想的对称椭球，图像平面切割每个TX‑Tag‑RX链路之间的菲涅耳区域；权重被分配给图像平面的每个体素，基于它们是否落入TX‑Tag‑RX链接的假想椭球内部，给定对应于每个标签k的TX‑Tag‑RX链路的自由空间路径损耗指数的值为4，在校准阶段，初始值为β_k,init＝4+Φ_k,init；监视模式阶段缓冲区B_mon的每次新更新，新的β_k,new＝4+Φ_k,new，根据天线a(y_rss,k)读取的标签k的RSS变化，在路径损耗指数中写出这种变化是由于RFID读写器使用多个频率，使用这些频率的平均值并选择λ＝λ_avg，TagSee为图像平面上的每个体素分配权重为如果d_kj,1+d_kj,2＜d+Θ，则w_kj＝0；其中d是读写器和标签对于链路k的距离，d_kj,1是从像素j的中心到标签的距离和d_kj,2是从对应于链路k的像素j的中心到与读写器天线的距离，Θ是描述椭圆体宽度的参数；使用通用方程计算链路中间任意点的第一菲涅耳区半径，将Θ写为其中Θ₀是一个环境和RFID基础设施相关参数，调整这些参数以实现合理的成像结果；最后，TagSee采用正则化技术，通过确定每个体素的衰减值为来重建图像，其中D_X和D_Y分别是沿X和Y方向的微分算子，以适应沿这些轴的RSS值衰减影响的扩散，控制着RSS衰减对图像的相邻像素的影响的空间相关性，基于指数空间衰减模型通过近似获得C_x，其中D_p是距离方阵，包含每对沿虚拟图像平面的像素之间的距离，σ_x是由于人体运动引起的先验方差，σ_N是像素值中的噪声的先验方差；TagSee沿Z轴建立多个图像平面，然后取相应重建图像的平均值，调整这些图像平面的位置以获得最佳效果。