[發明專利]一種基于UHF RFID的被動式行為識別方法

在審

• 申請號: 202010008039.3
• 申請日: 2020-01-06
• 公開（公告）號: CN111191475A
• 公開（公告）日: 2020-05-22
• 發明（設計）人: 史偉光;劉和青;劉鵬輝
• 申請（專利權）人: 天津工業大學
• 主分類號: G06K7/00
• 分類號: G06K7/00;G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明屬于射頻識別領域，涉及一種基于UHF RFID的被動式行為識別方法。該方法以識別UHF RFID系統環境中的人體行為動作為目的，步驟為：使用滑窗函數將采集到的各種行為RSSI數據流分割成片段并提取統計特征；利用稀疏字典學習算法獲得行為字典，使用行為字典計算統計特征的重構偏移向量并以此生成行為指紋；構建特征選擇矩陣，使用帶特征選擇的kNN行為識別的算法識別待測行為指紋從而實現人體行為識別。本發明的特點是通過稀疏重構將統計特征指紋轉化為重構偏移指紋，有效提升行為指紋的表征特性，能夠滿足在實際應用環境中的高精度要求。

技術領域

本發明屬于射頻識別領域，涉及一種基于UHF RFID的被動式行為識別方法。

背景技術

作為情境感知技術的重要組成部分，行為識別技術已經引起了科研人員的廣泛關注，成為了研究的熱點。經過多年的技術探索和應用嘗試，行為識別技術已經被應用于健康監護、入侵檢測、體感游戲、智能家居、智慧空間等多個領域，給人們的生活帶了諸多的便利和舒適的體驗。在未來，行為識別技術將會應用于更廣闊的場景，創造越來越多的實用價值。

根據是否需要用戶主動佩戴傳感設備，人體行為識別技術分為兩類：主動式行為識別和被動式行為識別。主動式行為識別技術主要是通過在用戶身上佩戴傳感設備，利用傳感設備上的陀螺儀、加速度傳感器、電磁傳感器等，采集用戶手臂、腰、腿等部位的空間運動特征數據，從而識別用戶行為。被動式行為識別技術則是通過在人體周圍環境中部署各種信號采集設備，檢測人體各種行為活動所帶來的超聲信號、可見光信號以及電磁信號的數據變化，采集相關數據信息識別人體行為。與主動式行為識別技術相比，被動式行為識別技術不需要用戶主動佩戴傳感設備，滿足更廣泛的應用場景，交互方式更加友好，擁有更好的用戶體驗，未來將會成為行為識別應用中的主流形式。

現有的行為識別方法中依然存在一些問題：(1)指紋訓練時間長。隨著行為指紋庫的拓展，訓練的時間隨之呈線性增加甚至指數級增加。(2)依賴大量樣本。為了找到清晰的行為指紋，需要采集大量樣本進行訓練才能獲得理想的識別精度。(3)可拓展性差。向行為指紋庫中添加新的行為指紋，需要重新訓練甚至重建模型。(4)環境依賴性強，抗干擾能力差。這些問題嚴重制約著被動式行為識別技術在實際中的應用和大規模推廣。

基于以上背景，本發明以實現更高穩定性、更強抗干擾能力、更低部署成本的被動式人體行為識別為目標，采用標簽陣列反向散射的收信場強指示(Received SignalStrength Indicator，RSSI)作為行為識別依據，提出一種基于超高頻射頻識別(UltraHigh Frequency Radio Frequency Identification，UHF RFID)的被動式行為識別方法。

發明內容

本發明的目的是提供一種基于UHF RFID的被動式行為識別方法。本發明首先以無源UHF RFID標簽和高性能UHF RFID閱讀器為基礎構建被動式行為識別系統，采集各種行為影響下的RSSI數據，并對數據流進行處理得到連續同步數據流，其次使用滑窗函數將數據流分割成片段，并從片段中提取統計特征，然后利用稀疏字典學習算法獲得行為字典，使用行為字典計算統計特征的重構偏移向量并以此生成行為指紋，最后通過對指紋特征的穩定性分析構建特征選擇矩陣，并以此對行為指紋的優勢特征進行篩選，實現行為指紋優化，同時引入帶特征選擇的k近鄰(k-NearestNeighbor，kNN)算法對行為指紋進行匹配，進而實現人體行為識別。

其具體步驟如下：

步驟1：以無源UHF RFID標簽和高性能UHF RFID閱讀器為基礎構建被動式行為識別系統，閱讀器在每個采樣周期獲取一個數據包，其中包含一個采樣周期內讀取的所有標簽信息，在高采樣頻率下，一個完整的行為動作信息會被分散到多個連續的數據包中，每個單獨的數據包中所包含的信息都不足以表征該行為，將數據包按時間順序連接成數據流，從而實現抽象行為到可采集數據的轉化。