[發明專利]一種RFID無設備人體追蹤系統的擇優標簽方法

在審

• 申請號: 202111083051.1
• 申請日: 2021-09-15
• 公開（公告）號: CN113744318A
• 公開（公告）日: 2021-12-03
• 發明（設計）人: 魯建廈;包秦
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/11;G06N3/08;G06N3/04;G06K19/07;G06K9/00
• 代理公司: 杭州浙科專利事務所(普通合伙) 33213
• 代理人: 楊小凡

本發明公開了一種RFID無設備人體追蹤系統的擇優標簽方法，包括如下步驟：S1，區域劃分，將監控區域劃分為N個位置；S2，特征提取及計算，提取每個位置一段時間內采樣的T個RSSI的均值和方差，并且將該段時間RSSI的分布與所在位置建立映射關系；S3，構建深度學習模型，根據T的RSSI序列，解析相應的位置序列，即人體真實的移動軌跡；S4，標簽布局方式選擇，根據深度學習模型對于位置的分類正確率，擇優選擇標簽。本發明通過深度學習模型，在保持人體追蹤精度的同時，減少了標簽數量，提高了模型靈活性，避免了精度下降，提高了處理長路徑序列的性能，彌合了位置序列預測任務的訓練和推斷之間的差距。

技術領域

本發明涉及人員定位技術領域，尤其是涉及一種RFID無設備人體追蹤系統的擇優標簽方法。

背景技術

隨著現代社會老齡化加劇，老年人的監護是如今不得不面對的一個重大問題。如何讓現代智能設備更好地支持老年群體的獨立生活越來越收到工業界和學術界的關注，這個問題的核心為在環境復雜的生活環境中如何準確地定位到人體，雖然傳統的基于設備的技術相比無設備受環境影響更小，實現起來會更容易，但是要使用這些系統的話必須要求用戶攜帶相應的傳感器或通信設備，而對于老年人群體來說還經常會發生設備遺忘和丟失的問題，并且使用者還需要有意識地配合或者愿意佩戴設備，且同意分享自己的位置信息。

RFID是一種通過電磁傳輸到射頻兼容集成電路來存儲和檢索數據的方法，以低成本、體積小和非侵入式等優點近年來備受青睞。通過RFID讀取到無源標簽的功率信號值RSSI(Received Signal Strength Indication，RSSI)，判斷人員所在的位置。

隨著深度學習的的發展，深度學習已逐漸深入各個領域，在人員定位上，RFID無設備人員追蹤的任務可以描述為：在RFID監控區域內，閱讀器天線發出射頻信號，無源標簽獲得信號中的能量并反射給天線。有人體干擾射頻信號時，會使原來的信號強度衰減或增強，造成標簽獲得的能量發生改變，利用這一特性建立人體移動與信號變化的模型，通過對輸入信號序列處理后輸出人體真實移動路徑。

解決的難點：1)由于受環境影響，功率信號變化范圍大且不穩定，如直接用來訓練深度學習模型會使得跟蹤效果較差；2)目前深度學習模型種類多，不同結構和訓練方式效果不同，如何根據當前任務選擇二者是一個難點；3)現有的研究未考慮標簽使用量的問題，多數是因為系統本身受限，減少標簽會造成系統追蹤或定位誤差提升，還會造成閱讀器的漏讀次數增加、環境過于復雜和系統計算量龐大等問題，如何使用數量相對少的標簽是該研究的難點。傳統的追蹤系統通常為一個整體，耦合度大，要對標簽數量進行控制是一個非常棘手的問題，也正是該問題被忽略的一個原因。

發明內容

為解決現有技術的不足，實現保持人體追蹤精度的同時，實現標簽數量最優的目的，本發明采用如下的技術方案：

一種RFID無設備人體追蹤系統的擇優標簽方法，包括如下步驟：

S1，區域劃分，將監控區域劃分為N個位置；

S2，特征提取及計算，為了將原始RSSI的分布變得更加密集，在不破壞數據真實值的情況下，提取每個位置一段時間內采樣的T個RSSI的均值和方差，一段時間內RSSI的均值和方差可以很好地表達該段數據的分布情況，而且增加了數據的特征，利于訓練，并且將該段時間RSSI的分布與所在位置建立映射關系，訓練出的模型更好地量化RSSI特征與位置的關系；

S3，構建深度學習模型，根據T的RSSI序列解析相應的位置序列即人體真實的移動軌跡，i表示第i個位置，包括如下步驟：

S31，采用循環神經網絡對RSSI序列進行解析，給定單個輸入RSSI序列和輸出位置序列對(Xⁱ，Yⁱ)，對數概率P(Xⁱ，Yⁱ)的計算方法為：