[发明专利]一种基于RFID成像的多人轨迹追踪方法

说明书

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。

技术领域

本发明应用于零售商店等使用现有的RFID设备来有效地前对正在浏览商品的顾客活动进行成像与活动监控，具体而言，本发明涉及一种基于RFID成像的多人轨迹追踪方法。

背景技术

基于RFID的活动监控最近已成为跟踪实体零售店中顾客活动的一种方式。获取顾客活动信息具有重要意义，因为顾客在浏览商品上花费的时间可以表明顾客对该商品感兴趣的程度。制造商可以使用此类信息来改善其商品的质量，例如美观程度。此外，零售商可以将这些信息用于决定零售物品的放置策略。然而，现有的用于实体零售店基于RFID的系统中的顾客活动跟踪方案有主要两个不足。首先，它们需要顾客与带有标签的商品进行接触，进而检测人们对服装店等场所的兴趣程度。其次，它们不适用于实际最常见的多人追踪环境。为此，我们寻求利用COTS RFID设备来监控零售商店中的顾客的浏览活动。

发明内容

针对现有技术中存在的问题，本发明提出了一种基于RFID成像的多人轨迹追踪方法，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。标签部署在货架两侧。适当选择部署读写器的位置以使顾客位于被监控的货架和读写器之间。随着位于标签和读取器之间的顾客的移动，RFID信号传播的路径发生变化，因此RFID读写器接收到的RSS和相位值也会变化。基于这些变化，TagSee使用深度学习技术构建顾客和标签的粗粒度图像。然后，TagSee通过分析构建的图像来确定顾客正在浏览的不同商品类别的受欢迎程度。本文的关键新颖之处在于使用现有的RFID设备和协议实现多人成像和活动跟踪。TagSee不仅适用于多人购物场景，同时适用于顾客与显示商品之间没有接触的商业场景，并且不需要添加任何设备到货架物品或顾客身上。

为了实现上述发明目的，本发明采用的技术方案为：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；