基于视频辅助无源RFID室内跟踪技术.docVIP

基于视频辅助无源RFID室内跟踪技术 　　摘 要：室内跟踪定位技术中，RFID技术造价低、无接触、识别快速，成为室内跟踪定位的主要选择。本文采用无源RFID跟踪，通过信号强度信息推知目标和参考标签的距离，给出目标的位置估计，然后结合网络摄像头在可见区域通过视频图像辅助对跟踪目标进行精确定位，并给其在绝对坐标系中的坐标。最后将目标与RFID标签坐标位置相比较，得到正确的目标位置和ID。 　　关键词：室内跟踪定位；无源RFID室内跟踪；视频辅助跟踪 　　中图分类号：TP391 文献标识码：A 　　1 引言（Introduction） 　　近年来，日常生活中基于跟踪定位服务的应用越来越多，该服务分为两大类：室外跟踪和室内跟踪[1]。室内跟踪有着越来越广泛的应用前景，例如楼宇内对特定人群的跟踪，室内跟踪可以在达到实时监护的目的地同时极大地解放人力[2]。 　　本论文着力于视频辅助的无源RFID室内跟踪，以RFID跟踪为主，视频精细定位为辅助，RFID定位通过提取目标标签和参考标签间的距离信息，并利用多组该数据结合参考标签的和阅读器的先验位置信息，通过设立准则进行滤波从而给出移动目标的二维跟踪轨迹[3，4]。再在可视区域，利用摄像头视频通过背景前景比对进行精细定位，系统原理如图1所示。 　　tracking） 　　无源RFID的跟踪原理如图2所示，通过信号强度信息推知目标和参考标签的距离，并通过一组距离信息，综合参考标签的绝对位置，给出目标的位置估计[5]。具体步骤： 　　（1）参考网格拓扑设计 　　参考标签的网格分布拓扑形状，决定了跟踪精度和系统成本，单位面积内，密度越大精度越高，但成本越高[6，7]。需要进行优化设计，选取等效覆盖密度相同但个数更少成本更低的参考网格的拓扑模式。一般使用的是正方形分布。 　　（2）信号强度参数提取 　　通过路径损耗模型得到的信号强度值与距离的映射关系。信号在无线信道中的大尺度衰落用来表示。将表示为距离的函数，记作 　　其中，为路径损耗指数，为已知的近处距离，作为参考距离，为标签与阅读器之间的距离。的取值大小依赖于传播环境的不同，其具体的取值工作见表1。 　　由上式可得到阅读器与标签间距离关系，利用一组这样的距离关系即可以进行标签位置的计算。 　　（3）滤波跟踪 　　采用具有防冲突功能的RFID阅读器，保证每个时间帧可以检测一个以上的无源标签，算法可以扩展为多标签跟踪[8]，如图3所示。当距离信息已知时，通过滤波的方法跟踪运动轨迹。但房间配置的影响和角度位置对标签电磁波强度的影响是时变非线性系统，而粒子滤波可以跟踪描述时变非线性系统，因此采用基于粒子滤波的SLAM方法进行跟踪。 　　跟踪的原理可用如下数学公式描述。设参考标签为，代表节点序号。代表移动目标的二维位置状态，为时间序号 　　则时刻的系统状态表示为 　　给定系统状态，目标标签在边界标签先验信息位置的前提下，从初始位置开始移动，当目标移动时，系统不断接收到目标相对于参考点的距离信息，综合该信息利用SLAM算法估计出目标路径。观测模型给出了相对于此刻位置的下一刻可能的目标位置。相应的贝叶斯滤波器可设计为一个概率密度函数，其中分别为实际状态和观测状态。直接的观测模型为 　　其中，是目标到参考标签距离，是高斯噪声。每个时间帧都可以得到目标相对于参考点的观测信息。 　　设有M个粒子，如图4所示，粒子滤波SLAM算法的具体步骤如下： 　　每个粒子赋予个状态和个参考节点。每个粒子可表示为 　　其中，下标为粒子序号，代表时间帧，代表移动目标的位置，代表第个参考点。粒子滤波算法对粒子集进行迭代更新，具体步骤： 　　（1）初始化 　　对每个粒子中的位置状态和参考点状态进行初始化，采用最初的两个状态进行初始化以避免预测歧义。 　　（2）粒子权重赋予 　　初始化之后，将运动模型应用于所有粒子，即参考点状态保持不变，利用运动模型产生新的位置状态，对每个粒子的旧位置状态进行更新，如图5所示。 　　其中，为旧状态，为运动模型产生的更新状态为保持不变的参考点状态。是预测的观测值。则粒子的更新表达式为 　　（3）规划调整 　　为了选取到最佳参考标签，在应用完运动模型和权重赋予之后，对每个粒子调整参考标签的位置状态以使得预测的观测值和真实的观测值之间的误差最小化。 　　首先获得参考点的距离度量，在一个等距圆弧上进行下一个估计，之后应用运动模型由状态产生状态（即图中黑色三角）。假设黑点位置是正确的参考点A的位置，产生一个新的观测。通过比较真实的观测和预测观测，显然更小因此参考点A被移动到虚线点。这样调整之后，参考点会更接近真实位置。具体移动的远近取决于误差大小和半径，具体采用下式来确定 　　其中，参数 根据实际情况选